随着人工智能、计算机的进步，智能控制在国内外有了很大的发展。模糊控制系统和神经网络系统作为常用的智能控制系统，被广泛应用于各个科学等领域。本文针对模糊控制和神经网络控制中的不足，利用计算智能中的遗传算法对其进行优化设计。论文的主要工作如下：1．讨论了基本遗传算法与其它传统优化算法的优缺点，并针对基本遗传算法存在欺骗、早熟以及停滞的问题，对基本遗传算法在选择操作以及交叉和变异算子上进行了相应的改进。通过仿真实验说明改进的遗传算法的性能确实优于一般遗传算法。2．研究了模糊控制器的主要结构及工作原理，讨论了传统模糊控制器的设计依赖于领域专家的知识和经验，没有像现代控制理论那样完善和系统化，也缺少系统化的设计方法等的不足之处。而遗传算法不需要待优化函数具有连续可微性，并具有很强的通用性和隐含并行性。因此，拟用遗传算法来解决复杂系统控制器参数优化问题。最后将改进后的遗传算法应用到模糊控制器的优化设计中，提出了基于改进遗传算法的模糊控制器优化设计方法。在倒立摆系统为对象的实验中，本文用遗传算法优化了ANFIS控制器，实验结果表明具有良好的效果。3．BP网络作为神经网络最常用的形式，本文首先讨论了其收敛速度慢、容易陷入局部最优等缺陷，然后利用遗传算法具有全局寻优的特点对BP网络进行优化设计，提高了一般BP算法的收敛速度，并取得了较高的精度。最后将基于GA的BP网络应用于ECG的ST段分类上，取得较好的成果。