智能化是计算机发展的必然趋势，无论是计算机控制，还是商用民用软件，都要求含有越来越高的智能因素，因此人工智能的研究越来越受到重视。20世纪80年代，基于结构演化的人工智能理论——计算智能理论迅速成为人工智能研究新的主流。计算智能包含广泛的研究领域，各领域之间存在着深刻的联系，且相互促进，进化计算就是其中一个重要领域。进化机器人的思想主要来源于进化计算。在进化机器人中，设计者的工作主要是决定进化框架和评估策略，评估中所采用的适应度函数在很大程度上决定了系统的行为。常用的适应度函数的设计方法有线性变换法、幂函数变换法、指数变换法和方差调整法等。同时，进化框架中的进化参数，如选择概率、交叉概率和变异概率等对进化过程和结果非常关键。通过研究机器人进化计算中适应度函数及进化参数的设计，达到群体多样性与收敛性、进化性能与进化速度的统一，从而优化进化机器人中进化框架和评估策略的设计。这对于进化计算和进化机器人学的发展都具有重要的意义。可拓学是一门新学科，由于它专门处理矛盾问题的思维模型，因此必将渗入到人工智能及其相关学科中，并产生了一种新型的智能机器人—可拓机器人。本文在介绍现有的遗传算法与可拓遗传算法的基础上，利用基于可拓变换的可拓遗传算法，对机器人避障问题的性能优化进行了研究。通过对避障机器人的可拓分析，提出了一种避障机器人物元模型，并设计了相应的可拓适应度函数。通过Evorobot平台实验与仿真，结果表明，本文设计的可拓适应度函数性能要优于原适应度函数，同时在特定的环境下，其性能提升比较明显。通过引入了可拓变换的原理，考虑了在特定情况下障碍物的可拓转换，提出对智能机器人传感信息进行表达的新方法和对周围环境进行建模的新方法，提高了避障机器人对于环境的认知，进而增加了避障机器人的适应能力。本文创新之处：在基于可拓遗传算法的基础上，提出了一种避障机器人物元模型，分析了其物元的可拓性。对避障机器人的周围环境信息进行了物元变换方式的扩展，并以此设计了避障机器人的可拓适应度函数，达到了对机器人进化算法优化的目的。根据新的模型与算法，在Evorobot系统中仿真实现，并对仿真结果进行分析与评价，得出相应结论。