表5.21：遗传算法编号算法/策略名称核心数学描述/控制律关键参数/变量物理意义/控制目标典型应用场景优点与局限关联知识连接点5.21.1​遗传算法​模拟自然选择与遗传机制。1.编码：将解（如PID参数）编码为染色体（二进制/实数串）。2.适应度评估：计算每个染色体对应解的优劣（如ITAE指标）。3.选择：依适应度概率选择父代。4.交叉：交换父代染色体部分基因，产生子代。5.变异：以小概率改变子代基因。迭代至满足终止条件。种群大小、交叉概率、变异概率、选择策略、最大迭代次数。一种基于种群迭代的全局随机优化算法，旨在搜索复杂、非线性、多峰问题的最优或满意解。