遗传算法简称GA(Genetic Algorithm),是一种全局优化算法。遗传算法是通过研究自然界中生物“优胜劣汰、适者生存”的自然法则,来搜索最优解的一种方法。基于遗传算法的自适应性、高度并行性以及鲁棒性等特点,模糊控制器参数的优化,常常用到遗传算法。但是遗传算法仍存在不足,如早熟收敛,局部搜索效率差等问题。本文针对基本遗传算法的不足,作了如下工作:引进了两个影响交叉概率和变异概率的指标,通过对给定指标的分析,分别给出相应的交叉概率和变异概率增量表,从而指导交叉概率和变异概率的动态变化,使得交叉和变异概率适应性的调整。然后通过对典型测试函数实例计算和与其他文献方法结果对比,证明了改进遗传算法(IGA)是一种有效的全局搜索算法。模糊控制器参考人们的经验并不依赖具体的数学模型,它被广泛地应用于具有复杂非线性系统的控制领域当中。在模糊控制规则一定时,模糊变量的隶属函数在模糊控制器的控制效果中起主要作用。但是隶属函数的确定一般需要试凑的方法,得不到较理想的控制效果。本文用改进的遗传算法来优化模糊控制器中各语言变量的隶属函数,通过Matlab仿真实验,用优化的模糊控制器控制二级倒立摆的稳定性,控制结果表明了算法的有效性。