预测控制的滚动优化过程对于线性系统是可以解析求解的。由于受非线性关系的影响，非线性预测控制(Nonlinear Model Predictive Control，NMPC)最优控制律的求解已经不再能采用向量求导的方法，必须采用其它某种优化算法，求得最优控制作用的数值解。 鉴于遗传算法(Genetic Algorithms，GA)优良的全局搜索能力，是一种实用、高效、鲁棒性强的优化技术，近年来在自动控制领域得到了广泛应用。本文提出基于遗传算法的非线性预测控制(GA-NMPC)，把NMPC描述成一个优化问题，并将GA用于过程优化。 本文将所提出的算法应用于具有不同类型过程模型，如带有强非线性特性的指数非线性单输入单输出系统，以及有耦合的非线性多输入多输出系统，进一步分析了GA-NMPC各参数对仿真结果的影响。文中还从控制作用的约束和GA本身着手，提出GA-NMPC的改进方案，并证明了其有效性。最后，以单输入单输出指数非线性系统为例，分别采用PID、MATLAB MPC工具箱和改进后的GA-NMPC控制算法，对比控制效果，结果表明所提控制策略的可行性与优越性，为解决非线性预测控制滚动优化问题提供了一条新的途径，且该方法简单易实现。