在使用遗传算法解决激励轨迹优化问题时,经常会遇到陷入局部极值、搜索效率低、不稳定等问题。为此,提出一种改进的和声-遗传算法。该算法采用和声搜索完成对遗传算法种群的初始化;根据进化过程中种群的离散度,确定交叉和变异的执行顺序;根据个体的适应度,以非线性和自适应的方式调整交叉和变异的概率,具有较强的搜索能力和速度。为验证和声-遗传算法的性能,对SCARA型机械臂进行激励轨迹优化。结果表明:和声-遗传算法在求解精度和收敛速度上