遗传算法是一类简单易用、鲁棒性强、具备并行能力且扩展空间大的智能优化算法。它模拟了生物进化"优胜劣汰、适者生存"的自然法则,而且由于遗传算法对待优化问题没有连续性或可微的要求,被广泛应用于科研与工程领域。RNA遗传算法(RNA-GA)是受RNA分子操作启发的一类新型遗传算法,本文在前人的研究基础上,针对RNA遗传算法的改进以及在桥式吊车中的应用问题进行了较为深入的探讨。本文的主要研究内容如下:(1)简要综述了遗传算法的发展历程与研究现状,以及桥式吊车的建模与控制方面的研究状况。(2)提出了一种受鱼群行为启发的RNA遗传算法(fsRNA-GA)。在fsRNA-GA中采用了所设计的一种邻域搜索操作,该操作通过定义适应度函数的拥挤度因子来衡量个体与个体之间的拥挤程度,以便在局部空间内发现更有潜力的个体。针对待优化参数较多的情况,使用矩阵编码的方式代替RNA-GA中的链式编码。通过对一些典型测试函数的寻优实验,表明了该算法对低、高维无约束优化问题寻优的良好性能。将所提出的fsRNA-GA用于优化径向基函数(RBF)神经网络基函数中心,利用桥式吊车实验平台采集的数据训练神经网络,建立桥式吊车位置和摆角的RBF神经网络模型,仿真实验表明了所建立神经网络模型的有效性。(3)提出了一种高位密码子选择操作RNA遗传算法(csRNA-GA)。该算法通过选择操作增加了精英基因在进化过程中进入下一代的概率,丰富了种群的多样性。通过对一些典型测试函数的寻优实验,结果表明所提算法具有更好的全局搜索能力和平均收敛精度。针对桥式吊车系统PID控制器参数整定问题,将csRNA-GA算法用于优化桥式吊车系统位置和摆角双PID控制器参数,仿真实验表明优化得到的PID控制器参数能够实现二维桥式吊车快速、无超调、摆动幅度小的控制效果。