研究复杂动态环境中基于概率模型的进化算法解决协作多机器人系统分布式控制中的学习与协调控制方法。在此基础上,研究协作多机器人系统的概率建模方法、变量依赖关系的挖掘方法、利用所构建的概率模型实现多机器人合作策略的进化方法、专家知识与进化机制通过概率建模相互融合的方法以及基于概率模型的进化算法在实数函数优化中的理论研究与性能拓展,包括实数玻耳兹曼选择和相对熵方差自适应策略,为协作多机器人系统在高维、动态环境下面临的机器学习问题提供一种新的解决方案。本项目研究的概率建模进化算法还可直接应用于其它优化领域,如电动汽车的优化设计、机器学习中的聚类问题和特征选择、模式匹配、生物信息学中的特征提取、放射治疗方案中的优化设计、基于优化算法的软件测试、天线的电磁场优化设计、机器人步态规划等等方面。既注意了理论的创新性和系统性,又注意了理论方法的可实现性。