基于多目标的鲁棒控制系统设计中，使用传统方法得到的结果通常具有较大的保守性。本文主要应用遗传算法，研究基于多目标的鲁棒控制系统设计，以得到具有较小保守性的鲁棒控制器。本文首先将遗传算法与局部优化方法相结合，设计了一种新的多目标遗传算法，即基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。该算法独具的适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法提高了算法的全局优化性能和局部搜索能力。仿真结果表明，基于降维扫描方法的自适应多目标遗传算法在不损失解的均匀度的情况下可以达到很高的逼近度。具有稳定极点并满足时域动态性能指标的H₂／H_∞混合多目标问题是多目标控制问题中较难的一种。本文把基于降维扫描方法的自适应多目遗传算法应用于汽车四轮转向系统的鲁棒控制器设计中，设计出的控制器实现了以下多目标：使系统具有稳定极点、满意的时域动态性能指标，并使系统的H₂／H_∞混合指标近似非劣。与用线性矩阵不等式方法解得的控制器相比，这种算法求得的控制器具有更好的性能。本文最后研究了遗传算法在H_∞控制的混合灵敏度问题中的应用。首先应用单目标遗传算法解决H_∞控制的混合灵敏度问题。而后，进一步应用基于降维扫描的自适应多目标遗传算法来解决H_∞控制的混合灵敏度问题。仿真结果表明，应用这种方法求得的控制器，能够使系统的灵敏度函数和互补灵敏度函数均具有良好的特性。