工业生产系统的规模越来越大，被控对象越来越复杂，其复杂性和不确定性都难以用精确的数学模型来描述。传统控制理论是基于精确数学模型的控制方法。被控对象模型的不精确导致应用传统控制方法的效果不好。在这些问题面前，人们尝试着将人工智能的方法引入到传统控制或单独使用。近些年来的许多应用事实证明，采用此方法是行之有效的。本文以遗传算法在自动控制系统中的应用研究为主要内容。首先介绍了遗传算法的基本思想及基本实现技术，如遗传算法的编码方式、适应度函数的确定、操作算子及各参数的选择。这些选择大都依靠经验或根据具体问题试凑而定，还没有成熟的理论公式指导。目前在基本遗传算法的基础上，已经有了多种改进的算法，这些改进都给遗传算法增添了生命力。在此，本文设计了基于二进制编码自适应遗传算法的PID控制方案和基于实数编码自适应遗传算法的PID控制方案，被控对象由差分数学模型建立，通过MATLAB进行仿真。仿真结果表明采用自适应遗传算法整定PID控制可以达到较好的控制效果。神经网络作为人工智能的一个重要组成部分，有着其特有的优点。将遗传算法和神经网络相结合，各取所长，将产生更好的控制效果。利用遗传算法优化神经网络权系数和神经网络连接方式是该方法的两个主要方面。在对神经网络各模型比较后，选择了径向基神经网络。设计了基于遗传算法-径向基神经网络整定的PID控制器，通过MATLAB予以仿真实现。仿真结果表明遗传算法-径向基神经网络PID控制的效果明显好于遗传算法PID控制。DASYLab软件具有图形化编程界面，其程序通过模块搭建和属性设置完成，清晰易懂，开放性好，开发时间短。在此环境下，编程实现了含有遗传算法的PID控制方法。程序在实际的电炉温度计算机控制系统中运行效果良好。