随着科学技术的飞速发展，现代工业控制系统常具有复杂性，不确定性，非线性，时滞性，高标准性和难建模性，基于精确数学模型的常规控制技术已越来越难以满足工程上对提高自动化水平和扩大自动化应用范围的要求。经过较长时间的孕育与发展，人们逐渐认识到要解决复杂系统的控制问题，必须跳出以纯理想数学模型为基础的框架，而是要面对其复杂、模糊和时变性，提出新的概念和模型、探索新的方法和手段，开发出能够解决复杂任务、感知复杂环境、控制复杂对象的有效控制策略。智能控制的研究正是在这种背景下诞生了。智能控制是一种具有学习功能、适应功能、容错功能，实时功能的复杂系统。智能控制可分为分层递阶智能控制系统、专家控制系统、神经网络控制系统、模糊控制系统、基于规则的仿人控制系统、学习控制系统及可拓逻辑控制等几类，而其中的神经网络控制系统和模糊控制系统因其良好的特性而受到最广泛的应用。虽然智能控制有较多优势，但随着控制性能要求的日趋增高、系统的日趋复杂和新问题的不断出现，常规的智能控制方法面临着严峻的挑战，在许多地方都值得改进和探讨，特别是对人依赖性较强的地方。本文将以神经网络控制和模糊控制这两种典型控制方法为例来探讨和解决智能控制中出现的一些不尽如人意之处。 遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法，它是一类借鉴生物界自然选择和自然遗传机制的启发式随机优化算法，尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。对它进行研究，一方面可以进一步解释自然界的适应过程；另一方面可将自然生物系统的重要机理运用到人工系统的设计中。 本文的主要研究目的是利用遗传算法来自动优化设计模糊控制器和神经网络控制器，一方面充分利用各自的优势来共同提高智能控制器的性能，另一方面将人从费时费力的试凑试验中解脱出来。为了避免算法早熟收敛和增强算法的搜索能力，本文还着重研究了遗传算法的改进。 本论文主要工作和研究内容如下： (1) 介绍了智能控制和遗传算法的基本知识和目前面临的形势。 (2) 对标准遗传算法，模式定理和积木块假设等遗传算法的基本理论进行了较深入的剖析和研究。 (3) 详细论述了标准遗传算法的改进，包括编码、适应度函数、选择算子、交郑州大学工学硕士论文叉算子、变异算子等的改进及一些高级遗传算法。 (4)在研究前人改进方案的基础上，提出了一些新的遗传算法改进策略，如非线性自适应交叉变异率、相似个体评判和滤除等。(5)较详尽地阐述了神经网络和模糊控制的基本理论，探讨了用遗传算法解决其存在问题的原理和方法，重点研究了神经网络控制和模糊控制与遗传算法的具体结合。(6)通过对一个交流伺服系统模型的仿真验证了本文提出的改进遗传算法解决模糊控制与神经网络控制缺点的能力和效果，以MATLAB语言编程和SIMULINK仿真为主要手段，避免了许多复杂的数学推导，实现了函数编程与sIMULINK的结合。