极值搜索算法是一种非基于模型的自适应优化算法。其主要特点是原理简单、计算量小、所需被控对象信息少，只需检测被控对象的输入输出，即可实时搜寻被控对象输出的极大、极小值。然而，经典极值搜索算法的工作原理决定了其在应用中会不可避免的出现稳态振荡这一现象，极大地限制了算法的应用范围。因此，本文以消除极值搜索算法的稳态振荡为目的，提出了一类无稳态振荡的极值搜索算法，并对其稳定性及应用进行了深入的研究。本文的主要贡献可归纳如下：（1）分别对扰动极值搜索算法和滑模极值搜索算法参数与性能之间的关系进行了较为深入的分析，并指出了不同极值搜索算法产生稳态振荡的原因。（2）通过改进经典扰动极值搜索算法的结构形式，建立了扰动信号幅值与极值估计偏差平方成正比的函数关系，提出了一种基于解调前信号的无稳态振荡扰动极值搜索算法。这种改进算法不仅可以加快大偏差时的收敛速度和增大搜索区域，有效避免算法陷入局部极值，而且可以降低小偏差时的扰动信号幅值，最终消除稳态振荡这一不利影响。借鉴上述思想，基于解调后信号对经典扰动极值搜索算法进行改进，建立了扰动信号幅值与极值估计偏差绝对值成正比的函数关系，这种基于解调后信号的无稳态振荡扰动极值搜索算法对极值估计偏差具有更好的自适应性。（3）通过设计滑模极值搜索算法与无稳态振荡扰动极值搜索算法之间的切换律，提出了一种无稳态振荡的滑模极值搜索算法。此种算法具有滑模极值搜索算法的收敛速度快、鲁棒性强的优点，同时还消除了稳态振荡，极大的提高了算法的性能和适用范围。此外，针对滑模极值搜索算法的收敛性，给出了一种更加严谨、简洁的证明方法。（4）最后，研究了无稳态振荡极值搜索算法在汽车防抱死系统中的应用问题。通过大量对比仿真分析，充分验证本文提出的无稳态振荡极值搜索算法的有效性及优越性。