近几年,随着人工智能研究的兴起,以实现硬件智能为目标的演化硬件在航空航天、自适应系统、硬件加速等诸多领域已经取得初步成果,有着巨大研究潜力。但是,无论是演化算法还是硬件实现平台,演化硬件尚没有统一标准,因此需要进行多方面的研究尝试。普遍用于演化硬件的遗传演化算法存在早熟收敛的问题,进而造成演化硬件演化成功率低。强化学习具有动态自适应性,可以用来改进演化算法。此外,硬核微处理器加FPGA(可编程逻辑器件)架构形式,以及基于动态重配置技术的可重配置演化电路结构,是目前实现演化硬件的主流实现方式。为提高演化硬件系统的演化性能,本文在研究强化学习改进遗传演化算法的基础上,以集成硬核处理器与FPGA的SoC(片上系统)为平台设计实现基于动态重配置的FPGA自适应演化系统,主要研究内容如下:首先,在研究FPGA演化硬件机制和遗传演化算法理论的基础上,分析遗传演化算法早熟收敛问题,并针对早熟收敛问题研究利用强化学习对遗传演化算法进行改进的方法,提出了适用于演化硬件的RLGA改进算法,为设计实现FPGA自适应演化系统夯实理论基础。然后,在分析目前已有研究的FPGA演化技术实现方案的基础上,采用集成ARM处理器与FPGA的ZYNQ SoC作为开发验证平台,设计并实现了基于动态局部重配置的FPGA在线自适应演化系统,并给出演化系统具体的硬件和软件的设计流程,详细阐述基于动态局部重配置的可重配置演化电路的设计与实现过程,RLGA算法的软件程序设计与实现过程以及动态重配置控制程序设计与实现过程等。最后,进行实验验证与结果分析。通过仿真实验验证了RLGA算法的优异性能;以演化多项式计算电路为目标进行FPGA自适应演化实验,通过大量的实验统计,结果表明本文设计的基于RLGA算法的FPGA自适应演化系统演化性能优异。