模糊控制器控制规则的选取及隶属度函数的优化缺少知识采集的手段和自我调整的特性，而遗传算法具有自整定、启发式全局收敛的特点。本文利用改进遗传算法进行模糊控制器参数寻优。本文首先对传统单一种群遗传算法进行了分析归纳与总结，在此基础上提出了一种改进遗传算法，其主要思想是：在遗传种群内部引入十进制编码策略和分等复制的选择算子来拓展种群的多样性和个体基因包含的信息量；引入分裂算子来避免遗传算法在寻优过程中陷入局部最优解，同时对交叉算子以及变异算子做了相应的调整与改进。通过选取两个比较常用的典型数学函数对改进后的遗传算法进行性能检验，检验结果表明：相比于基本遗传算法，本文提出的改进算法在寻优搜索速度以及寻优精度上都有所提高。并将此改进算法用于模糊控制器的隶属度函数、比例因子以及控制规则等参数的优化。MATLAB仿真结果表明，与基本遗传算法相比，本算法具有更快的寻优速度，并且模糊控制器经过优化后控制性能良好。在基本单种群遗传算法的基础上，本文进一步得出了基本双种群遗传算法的基本结构和特征，并对双种群遗传算法进行了改进，种群间采用个体移民策略来加快收敛速度，增加解的多样性，增强算法的寻优能力，避免双种群遗传算法陷入早熟收敛的困境。另外本文将压缩因子应用于隶属度函数中，该方法可以最大限度的降低遗传编码规模，减小计算压力，提高参数寻优的搜索速度。将改进的双种群遗传算法用于优化隶属度函数、模糊语言规则以及量化因子等参数，实现模糊控制系统的整体寻优。从MATLAB对比仿真结果可以看出，经过改进双种群遗传算法优化的模糊控制器具有较小的超调量和较快的响应速度，系统的鲁棒性与稳定性更加优越，有更好的环境适应能力，取得了令人满意的控制效果。最后将优化后的模糊控制器用于单级倒立摆控制系统的仿真研究和实时系统控制，仿真实验结果表明优化后的模糊控制器可以稳定控制倒立摆系统，具有良好的实时控制能力。