DNA计算是一门新的科学领域,虽然目前还处在刚刚起步的阶段,但是已经成为一个极具开发价值的生物科学研究的前沿领域。DNA计算的基本原理是：首先利用DNA分子的双螺旋结构和碱基互补配对原则进行信息编码,将所要处理的问题映射成为特定的DNA分子片段；其次在生物酶的作用下,通过可控的生化反应生成问题的解空间；最后利用各种生物技术进行检测并且获得运算的结果。遗传算法是一种模拟生物进化过程与机制求解问题的自组织、自适应的人工智能技术,以生物进化论和遗传变异理论作为基础。针对标准遗传算法存在的不足：当需要解决的优化问题的参故变量是连续变量时,使用传统的二进制编码技术会导致在编码长度与计算精度之间很难达到平衡；在标准遗传算法中交叉算子、变异算子是固定不变的,会对遗传算法的运行效率造成很大的负面影响；标准遗传算法局部搜索能力较弱,容易陷入局部最优解。在DNA计算中充当载体的DNA分子携带了丰富的遗传信息,能够促进遗传算法更好的模拟生物的遗传规律和基因调控机理,改善遗传算法的性能。提出一种建在DNA编码的遗传模型基础上的遗传算法即DNA-GA算法,并且在算法的操作过程中改进交叉算子和变异算子,使得DNA-GA算法能够更好的解决各种复杂的优化问题。在问题越来越复杂化的今天,对于控制系统的要求也越来越高。将提出的这种新型的DNA-GA算法用于对控制系统中的P1D控制器参数优化整定,通过对典型的PID控制器参数优化整定的仿真计算和对比研究,验证了所提算法相对于标准遗传算法的优越性与有效性,得到的控制参数能够更好的应用于控制系统。