PID（Proportional–Integral–Derivative）控制器是现代工程控制中最具代表性的控制方式,以其简易模型、高可靠性而经久不衰。但是随着时代的发展,工业控制的对象复杂性日益增长,控制精度的要求与日俱增,尤其是以火电厂、化工厂、炼钢厂等工业中温度控制为代表的具有大滞后、非线性的控制对象。传统的PID控制已经不能满足控制的需要。本文提出基于一种交流策略的并行QUATRE（QUasi-Affine TRansformation Evolutionary）算法的PID整定方法,并将其应用于电炉温度控制系统中。同时针对电炉温度智能控制方法,分别提出了采用本文交流策略的并行QUATRE优化的模糊PID控制和BP（back propagation）神经网络PID控制器。本文主要工作有以下几个方面:（1）针对原始QUATRE算法易陷入局部最优解的特点,提出了一种交流策略的并行算法。为了验证本文提出交流策略的并行QUATRE的可行性,采用四种测试函数对提出并行QUATRE算法、原始QUATRE算法和标准粒子群算法进行了函数的测试实验,实验的结果验证了改进QUATRE算法的寻优性能。（2）针对PID控制精度和效率需求。提出了基于本文交流策略的并行QUATRE算法的PID参数整定方法。结合了电炉温度控制数学模型,建立了电炉温度控制的常规PID控制仿真模型,通过提出的方法进行被控对象的仿真,与采用传统的Z-N（Ziegler–Nichols）法整定进行比较验证智能算法的优越性,同时也与标准粒子群算法进行仿真实验对比,实验结果表明应用本方法的电炉温度控制性能相对优秀。（3）针对模糊PID量化参数没有系统设置方法导致控制效果不佳的问题。提出了基于改进QUATRE算法的模糊PID控制器。对本文的电炉温度控制模型,设计了模糊PID控制器,并采用该算法结合模糊PID控制器,对量化因子和比例因子进行了优化。通过电炉温度数学模型进行了仿真验证,对比了采用经验法得到了一组量化参数模糊PID控制器和Z-N整定法的常规PID控制器仿真效果对比。（4）针对本文的电炉温度控制系统,设计了BP-PID神经网络控制器。针对BP神经网络易陷入局部解,导致控制精度不高的问题,提出基于改进QUATRE算法的BP神经网络PID控制器。采用改进QUATRE算法针对BP神经网络初始权值进行整定。通过温度控制模型的仿真实验对比常规BP-PID控制器和Z-N工程整定法的PID控制器在温度控制上的仿真实验结果,验证了其良好的性能,分析总结本文所有控制策略,针对本文的控制模型推荐策略做了对比。