遗传算法是目前应用最广的优化搜索算法之一。目前，遗传算法已经在许多领域得到了应用，如函数优化、模型优化、结构优化、工业生产、图像处理等等。但基本遗传算法易于陷入局部最优，在有些时候收敛速度过慢，这使得基本遗传算法很难找到全局最优。如何能够使遗传算法尽可能快地跳出局部最优和如何能够提高遗传算法的收敛速度，是近年来遗传算法研究领域的热点。 本论文针对基本遗传算法存在的问题提出了一整套的综合改进方案。本论文采用引进外来物种、优良物种个体的突前变异和复制优良物种个体的办法来实现基本遗传算法的选择操作，采取双种群交叉、倒序交叉和邻位交叉相结合的混合交叉策略来实现遗传算法的交叉操作；另外，突前变异概率、交叉概率、变异概率均随物种个体的适应度和遗传算法的收敛情况进行自适应的调整；此外，引进的外来物种个体的数量和突前变异的优良物种个体的数量也视算法的收敛情况而进行自适应的调整。将改进后的遗传算法应用于PID控制器参数的优化整定，仿真结果表明改进后的遗传算法使遗传算法跳出局部最优的能力有了很大的提高；同时，改进后的遗传算法的收敛速度也比基本遗传算法的收敛速度要快出许多。 直接转矩控制是继矢量控制技术之后发展起来的一种高性能的交流调速技术。直接转矩控制的基本原理就是通过检测定子电压和定子电流以及转速计算出定子磁链的幅值和相位以及电磁转矩的反馈值，定子磁