PID控制器现在仍然是应用最广泛的工业控制器，其关键在于对PID参数的优化整定,而采用常规的手工整定方法已经难以满足要求，目前需要解决对PID参数的高效优化问题。 本论文首先介绍了PID控制方法和常规PID参数整定方法，编程实现了数字PID控制器和基于遗传算法的参数自整定程序，然后将遗传算法用于不同的被控对象进行PID参数的整定及优化，为了对比控制效果，应用MATLAB软件进行了仿真验证，并用仿真曲线进行直观的对比。 结果表明遗传算法能够在对所求解问题一无所知的情况下,快速从全局搜索出优化的控

PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba

除了蚁群算法，可用于PID参数优化的智能算法还有很多，比如遗传算法、模拟退火算法、粒子群算法、人工鱼群算法，等等。-In addition to the ant colony algorithm, can be used to optimize the PID parameters, there are many intelligent algorithms, such as genetic algorithms, simulated annealing algorithm, particle

基于遗传算法的PID参数优化设计。利用遗传算法的智能搜索功能，获得在线PID参数的整定。-Design of PID Parameters Based on Genetic Algorithms.Genetic algorithm intelligent search function for online PID tuning parameters.