發展
進化控制(evolutionary control)源於生物的進化機制。20世紀90年代末，即在遺傳算法等進化計算思想提出20年後，在生物醫學界和自動控制界出現研究進化控制的苗頭。1998年，埃瓦爾德(Ewald)、薩斯曼(Sussmam)和維森特(Vicente)等人把進化計算原理用於病毒性疾病控制。1997～1998年，作者、周翔提出機電系統的進化控制思想，並把它套用於移動機器人的導航控制，取得初步研究成果。2002年，鄭浩然等把基於生命周期的進化控制時序引入進化計算過程，以提高進化算法的性能。2003年媒體報導稱，英國國防實驗室研製出一種具有自我修復功能的蛇形軍用機器人，該機器人的軟體依照遺傳算法，能夠使機器人在受傷時依然在“數字染色體”的控制下繼續蜿蜒前進。儘管對進化控制的研究，尚不多見，但已有一個好的開端，可望有較大的發展。
基本思想
進化控制是建立在進化計算和反饋控制相結合的基礎上的。反饋是一種基於刺激一反應(或感知一動作)行為的生物獲得適應能力和提高性能的途徑，也是各種生物生存的重要調節機制和自然界基本法則。進化是自然界的另一適應機制。相對於反饋而言，進化更著重於改變和影響生命特徵的內在本質因素，通過反饋作用所提高的性能需要由進化作用加以鞏固。自然進化需要漫長的時間來鞏固優越的性能，而反饋作用卻能夠在很短的時間內加以實現。
從控制角度看，進化計算的基本概念和要素(如編碼與解碼、適應度函式、遺傳操作等)中都或多或少地隱含了反饋原理。例如，可把適應函式視為控制理論中的性能目標函式，對給定的目標信息和作用效果的反饋信息。經過比較評判，並據評判結果指導進化操作。又如，遺傳操作中的選擇操作實質上是一種維持優良性能的調節作用，而交叉和變異操作則是兩種提高和改善性能可能性的操作。在編碼方式中，反饋作用不夠直觀，但其啟發知識實質上也是一種反饋，一種類似PID中微分作用的先驗性前饋作用。
進化機制與反饋控制機制的結合是可行的。對這種結合的進一步理論分析和研究(如反饋作用對適應度函式的影響、進化操作運算元的控制和表示方式的選取等)將有助於對進化計算收斂可控性、時間複雜度等方面的深入研究，並有利於進化計算中一些基本問題的解決。
系統結構
進化控制的研究開發者們已提出多種進化控制系統結構，但至今仍缺乏一般(通用)的和公認的結構模式。結合我們的研究體會，下面給出兩種比較典型的進化控制系統結構。
第一種可稱為 直接進化控制結構，它是由遺傳算法(GA)直接作用於控制器，構成基於GA的進化控制器。進化控制器對受控對象進行控制，再通過反饋形成進化控制系統。在許多情況下，進化控制器為一混合控制器。
第二種可稱為 間接進化控制，它是由進化機制(進化學習)作用於系統模型，再綜合系統狀態輸出與系統模型輸出作用於進化學習，然後系統再套用一般閉環反饋控制原理構成進化控制系統。與第一種結構相比，本結構比較複雜，其控制性能優於前者。
在實際研究和套用中進化控制系統往往採用混合結構，例如採用進化計算與模糊預測控制的結合、遺傳算法與開關控制的集成、進化機制與神經網路的綜合控制等。實際上它們屬於混合控制。
意義
進化控制的意義在於為探索智慧型的本質和產生智慧型的機制、以及複雜系統的控制提供了一套新的思路和視角，豐富了控制理論的內容．為解決複雜系統的控制尋求一種通用方法，因而有著重要的理論價值和廣闊的套用前景．
已經將本理論運用於移動機器人自主導航系統的設計與開發，研製成新一代機器人產品原型—基於功能/行為集成的自主進化導航移動機器人，並套用於實驗室環境．將進化控制機制與領域知識有機結合。可以把本研究成果套用於包括多智慧型體的協調控制及大型生產過程的最佳化控制等領域．
