针对基于信息熵的神经网络证据形成过程需要专家经验确定参数这一不足，提出一种改进方法，即用遗传算法(Genetic Algorithm, GA)进行寻优，自动确定参数，其实质是利用了遗传算法的高效的并行寻优能力和对初始种群的较低的敏感性，通过训练样本自适应调整证据形成过程中的参数，提升DS(Dempster Shafer)证据理论的融合效率。对多类轴承故障数据的诊断结果表明，该方法(GA-DS)能够自动调整神经网络的证据形成过程，从而有效地降低了融合过程中证据的冲突性，并且显著提高了诊断精度和稳定性。
