遗传算法是一种借鉴自然选择和遗传机制,不依赖于梯度信息、高度并行、可用于复杂系统优化且鲁棒性好的全局优化算法,由于它的应用范围极其广泛,并在许多领域取得了不错的效果,因此得到了广大学者和工程人员的关注。虽然遗传算法在一些问题上取得了不错的效果,在显示其优越性的同时也暴露出许多的不足和缺陷,如早熟收敛和局部搜索能力差等。为了解决上述问题,将最速下降法这种传统优化算法引入到遗传算法中,提出一种混合遗传算法。同时,通过新的约束处理技术和遗传算法相结合,提出一种新的求解约束优化问题的遗传算法。最后将新的混合算法用于啤酒酵母扩培系统温度控制中的PID控制器参数优化。论文的主要工作如下：(1)提出一种基于最速下降法的混合遗传算法。该算法很好地将最速下降法的局部搜索能力和遗传算法的全局搜索能力的优点结合起来,提高了算法的收敛速度和精度,通过单形交叉和均匀变异很好地维持了种群多样性,解决了传统遗传算法早熟收敛的问题。混合算法对6个标准测试函数的实验结果表明算法具有较好的性能。(2)提出一种新的求解约束优化问题的遗传算法。通过可行解与不可行解的算术交叉来处理约束条件,避免了由于引入惩罚因子而带来的麻烦。对可行解引入边界变异保证了其在变异后仍为可行解。此外,我们用维变异来增强算法的探索能力,解决了算法陷入局部最优解的问题。最后通过7个标准测试函数验证了算法的有效性。(3)根据啤酒酵母扩培过程控制要求,设计了酵母扩培系统的温度控制方案,在已建立被控对象模型的基础上,利用前面提出的混合遗传算法进行PID控制器优化,仿真结果显示该算法在满足扩培系统控制要求下取得了不错的效果。