本文对遗传算法的进展、遗传算法的改进以及遗传算法在控制系统优化设计中的应用进行了系统研究。内容包括遗传算法设计、遗传算法的改进、经典控制器参数的优化设计、数字控制器结构与参数的同时优化设计以及控制器参数的在线仿真优化设计等。 论文的第一章概括了国内外遗传算法在最优化控制领域的研究现状，提出了本文的学术思想，指出了本项研究的科学意义和应用前景。第二章对标准遗传算法及其重要影响因素进行了介绍与剖析。自从Holland教授提出遗传算法以来，对其改进的研究层出不穷，涉及到编码、操作程序、选择机制、自适应交叉与变异、并行化以及与其它方法融合使用等等方面，其中，自适应交叉与变异的研究大多针对经典的二进制编码。在应用于实际课题时，遗传算法尚未找到普遍适用的操作方法，需要结合课题自身特点精心设计。本文的第三章提出了本课题的遗传算法。控制系统参数优化属于连续参数优化问题，采用实数编码会有更好的性能，第四章提出了一种新型的实数编码遗传算法的自适应交叉与变异策略，并结合数值实例进行了验证。 第四章较为全面、深入地研究了在控制对象模型已知的条件下控制器参数以及结构的优化设计。通常控制系统有多个性能指标，因此设计任务是多目标函数的优化问题，在此，系统性能指标的获取成为决定设计效果、设计效率以及设计方法适用性的关键。解状态方程获得系统的时域性能指标，然后建立模糊化综合性能指标函数是解决问题的方法之一，但是需要自行编制求解微分方程的程序以及系统的其它辅助程序，且方法没有通用性；获取时域指标的另一途径是使用Simulink软件包对系统仿真，这一方法摆脱了解微分方程的繁琐，但综合性能指标仍然需要自行设计；在论文后半部分的研究中，我们建立了一种简单、方便、极具工程性的在Simulink仿真框图中直接插入M文件的方法，系统的时域性能指标能够直接由仿真框图获得，并成功地实现了仿真软件与遗传算法的软接口，取得了优异的设计效果。 第四章的另一项主要内容是数字控制器结构与参数同时优化设计的研究。由于同时涉及到控制器的结构与参数，常规编码方式已经无法满足需要。为此采用二进制与实数混合的编码策略，二进制数和实数分别表示控制器结构与参数，并进一步设计了混合编码的遗传算法。在对控制器结构复杂度的处理上，采用了一些技巧性的措施，即给不同结构的控制器设置不同的种群权重，从而使优化问题仍然以控制系统的性能指标作为唯一的性能指标。数值实例表明，混合编码的遗传算法是成功的，它不但实现了数字控制器结构与参数的同时优化设计，而且给出了多种选择方案。 第四章的立足点是已知控制对象模型的控制系统的优化设计。当控制对象精确模型未知时，理论上可以通过在线优化设计的方法解决控制器优化设计问题，我们对此进行了仿真研究，其关键技术之一是如伺真切仿真一个实际运行的控制系统。国内外许多基于Matlab和Simulink的仿真研究的缺陷在于没能深刻剖析控制器的饱和非线性现象，因而得出的仿真结果不能反映实际系统的运行状况，甚至反映的是一种错误的运行状况。本文第五章在对控制系统深刻理解的基础上，以双闭环系统为例，实现了对控制器饱和非线性现象以及实际运行的控制系统的确切仿真，在此基础上实现了用遗传算法仿真在线优化设计控制系统的参数，并进一步探索了控制系统建模与自适应控制器一体化设计的可能性，取得了令人十分满意的结果，这为遗传算法在物理上实现最优化控制开辟了道路。