本文的研究内容是基于人工情感和进化神经网络的智能控制策略研究。智能控制策略作为先进控制方法的重要组成部分，近年来得到了广泛的研究和应用。它集中体现了现代科学发展中的多学科、多领域间的相互交叉、相互促进和相互渗透的特点。 本文首先介绍了人工情感的研究现状，然后阐述了人工神经网络与情感学习控制的基础理论。最后，本文分别提出了基于遗传算法进化算法与情感学习结合的行为控制策略以及一种新颖的进化神经网络智能控制策略，并分别将两种策略应用于仿真agent系统和进化机器人。实验结果证明，本文提出的两种控制策略是有效的，并取得了较好的控制效果。 在借鉴生物系统控制理论的基础上，本文设计了一种基于人工情感的控制体系结构，在此结构中包含有基于遗传算法的进化环境、神经系统和人工情感评价系统。机器人通过神经系统接受环境信息并进行行为决策，行为决策的结果通过情感学习模型进行反馈。情感学习模型根据机器人的内、外环境状态，产生情感因子(即生物激素)，再由情感因子来调节神经系统的记忆和行为决策，最后神经系统的记忆与行为模块又由进化系统得以继承。该控制结构加强了机器人在动态环境中的学习和自适应能力。仿真结果也表明机器人具有很强的学习和自适应能力。 遗传算法操作简单、全局搜索能力强。本文介绍了归一化实数编码的遗传算法，该算法是对基本遗传算法的改进，在收敛速度和全局搜索能力方面优于基本遗传算法。在探索基于遗传算法的进化模型基础上，本文采用遗传算法和神经网络的手段，实现先天的遗传基因层次的学习和后天的神经系统层次的学习进化的有机结合，从而使模型对于长期和短期的环境变化有很强的自适应能力。最后，本文将基于归一化实数编码的遗传算法应用到进化神经网络智能控制策略研究中。计算机仿真结果证实，基于归一化实数编码的遗传算法在进化神经网络方面要比基本遗传算法具有优势。