机器人面临的真实环境一般是动态的、未知的和不确定的。传统的感知-规划-动作的实现方法需要人为预见所有可能的情况，面对复杂多变的环境，有时实现这些是非常困难的。因此需要减少人工干预，让机器人具有自学习能力来适应这种环境并完成所要求的任务。行为学习是智能机器人设计中的关键技术之一。 行为学习的实现方法一般有基于行为的方法、强化学习方法、进化算法等。本文主要从进化算法的角度来研究机器人的行为学习。从最简单同时也是最有代表性的避碰行为入手，分别用遗传算法和遗传规划进行仿真。主要包括以下内容： 本文首先介绍了进化机器人技术的思想，详细介绍了这一领域的研究内容并对这一技术中存在的问题进行阐述并给出相应的解决办法。并对进化算法中的遗传算法和遗传规划的最新发展进行详细介绍。 其次，本文阐述了避碰行为的任务背景并对传统的避碰行为实现方法作一简单介绍；利用遗传算法来实现避碰规则的学习，通过仿真得出该方法的有效性。 最后，采用遗传规划来实现避碰行为学习。这里只用最简单的传感器信息和动作函数来实现避碰规则的演化。针对遗传规划的一些缺陷：进化过程中的“规模爆炸”问题、遗传规划的收敛速度问题、解的“泛化性”问题，本文给出了相应的改进方案：通过限制最大层数来防止进化过程中解的“规模爆炸”；增加叶子节点的突变操作可以使算法跳出局部极小并且提高了收敛速度；增加优化起点和连续优化多个地图的方法可以提高解的适应性。仿真用C++语言实现，仿真结果表明，算法的改进取得了比较好的效果。最后把遗传算法和遗传规划的仿真结果作比较得出每种算法的优势和不足。