遗传算法是一种基于自然选择、遗传杂效和基因变异等生物进化机制的高度并行、随机、全局性概率搜索算法。近几年来由于其结构简单、鲁棒性强，能很好求解以往传统搜索算法无法解决的非线性函数优化等问题，得到广泛应用。遗传算法的性能由贯穿其始末的EER平衡关系决定，而影响EER的因素很多，其中比较重要的是与交叉操作和变异操作有关的参数。如果这些参数设计的不合理，很容易引起遗传算法的早收敛。而模糊理论则是模拟人类的形象思维，用比较简单的数学形式直接将人的判断等思维过程表达出来，不需要建立精确的数学模型，是一种有效的数学工具与手段，很好的解决了经典控制理论难以解决的问题。 近年来，遗传算法和模糊逻辑理论的相互结合成为研究热点。一方面用遗传算法处理非精确环境下的模糊信息，另一方面用基于模糊逻辑的疗法来处理现有遗传算法中的问题，相互取长补短，由此发展了两个方向——遗传模糊系统与模糊遗传算法。 现阶段，模糊遗传算法的发展还不十分成熟，对其认识也众说纷纭。大部分学者认为模糊遗传算法是用基于模糊逻辑的模糊工具或模糊逻辑技术来优化遗传算法的组成成分或控制参数，来提高算法性能。本文在前人研究的基础上，基于群体多样性测度设计了一个模糊遗传算法，利用模糊逻辑控制器来动态调整遗传算法中的重要参数，保持遗传算法EER的动态平衡。 本文从群体多样性的角度出发，定义了两个参数作为模糊逻辑控制器的输入变量，输出为遗传算法的交叉概率和变异概率。通过三个函数优化的仿真实验，可以得出结论：模糊遗传算法的收敛速度和解的质量较其它三种遗传算法有明显改善。