机器人的进化控制系统：解决其学习与适应能力问题

进化也是人们发现的蕴涵于自然界的一种适应机制，它较反馈而言，更着重于影响和 改变控制生命特征的内在本质因素。通过反馈作用获得的性能提高，要由进化加以巩固。 因此，两者都是存在于自然界中的“自然优化”方法，如何利用这两种方法的基本原理， 并形成相应的技术应该是控制理论研究的重要内容。

进化与反馈作为自然界存在的两种基本调节机制，具有明显的互补性，其结合不仅是 实践发展的需要，而且在技术实现上也是可行的。把进化思想与反馈控制理论相结合，产 生了一种新的智能控制方法——进化控制。

进化控制在对待机器智能的问题上较现有智能控制方法实现了认识与思考方法上的飞 跃。传统意义上的机器智能是人赋予的，这里体现的智能应归功于设计者。进化控制则不 然，它的目标是要探索导致自主智能产生的机制和本质过程及其作用机制——一种真正意 义上的智能控制。在进化控制中，进化思想的实现手段——进化计算，已不局限于作为一 种寻找次优解的工具，而且成为一种探索自适应性原理和开发智能系统的方法。进化过程 被视为对未知环境的一种创造性的自组织、自适应的发展过程，而不仅仅是一种优化 技术。

将进化控制应用于复杂系统的控制器设计，可以很好地解决其学习与适应能力问题。 进化机制提供了在复杂的环境中创造性地寻找具有竞争力的优化结构和控制策略的方法， 使之根据环境的特点和自身的目标自主地产生各种行为能力，并调整它们之间的约束关 系，从而展现适应复杂环境的自主性。

进化控制是综合考察了几种典型智能控制方法的思想起源、组成结构、实现方法和技 术等之后提出来的，它模拟生物界演化的进化机制，将进化思想与反馈控制理论相结合， 提高了系统在复杂环境下的自主性、创造性和学习能力。