随着科学技术的不断进步和发展，被控对象正变得越来越复杂，而人们对其控制精度的要求却日益提高，这样就产生了复杂性和精确性的尖锐矛盾。智能自适应控制是解决上述问题的有效方法之一。而遗传算法作为一种自适应搜索算法，在参数优化方面的优势使得它可以作为一种很好的方法而得以应用。 论文首先分析了遗传算法的机理、三种算子的本质，以及算法出现局部最优的原因和常用对策。第二章中，在已有文献的基础上，创新性的提出两种改进算法：基于最优保留的联赛竞争机制遗传算法(Competition Adaptation-GA Based on Elitist)和双变异自适应遗传算法(Dual Mutation Adaptive-GA)；通过对算法中选择算子和变异算子的有效改进，提高了算法的寻优能力和寻优效率，增加了群体中个体模式的多样性，对于算法中存在的欺骗问题、早熟问题以及成熟前收敛问题有明显的改进作用。同时这种改进进一步减少了遗传过程对算法中各算子的控制参数以及初始种群性能的依赖性。 为了验证算法改进后的效果，第三章和第四章分别应用改进后的算法针对工业控制中常用的PID控制器参数的优化和MIMO系统的降阶解耦控制的解耦网络参数和结构优化进行了研究。仿真实验结果现实，改进后的算法不仅实现了对被控对象的控制，而且相对于传统方法和改进前的遗传算法，其控制效果是显而易见的。其中，第三章中，以遗传算法为基础，结合模糊控制和模式识别的智能方法将是我们进行智能控制研究的一个重要的方向。