遗传算法中个体采用实数编码，由于试验配比只有两个输入参数，所以个体长度为2，迭代次数是100次，种群规模是20，个体适应度值为BP神经网络预测值，适应度值越大，个体最优，交叉概率为0.2，变异概率为0.1。经过遗传算法得到的最优个体适应度值为0.8490，最优个体为[0.9972，0.6521]，此时的配比为1：0.654，这个比值只是某次试验情况下的结果，不一定是所有试验最优结果，但是基本接近最优结果，我们可以根据得到的结果优化实际中的矸石和粉煤灰配比，达到最优的状态。[5]，[6]，[7]

　　4结论

　　1）通过矸石与粉煤灰的物理化学特性实验，得到了邢台矿充填材料的化学成分和致密度情况以及含水率，发现二氧化硅和氧化铝的含量对于充填性能有较大影响，致密结构将有助于提高充填强度，粉煤灰的含水量较高对充填会有不利的影响。

　　2）利用遗传算法和人工神经网络，经过寻优计算得到了矸石和粉煤灰的近似最优配比，配比为1：0.654。

　　3）现场应用的结果表明，在此配比时上部岩层受采动应力影响，出现了裂隙发育、局部离层、最终到裂隙闭合的发展过程，说明充填体可控制上覆岩层的运动，工作面顶板不会出现大面积的垮落。矿用铁路沿线最大下沉值为16mm，沿南外环公路的观测线没有任何下沉。

　　4）国内同类矿山或采用充填法进行回采的矿山都可以通过计算智能方法，经过优化计算找到最优的充填材料配合比，参数的数量可以根据实验的条件进行改变，本文的方法有极大的参考价值。