基于生物学原理的进化算法近年来在智能控制领域得到了广泛的研究与应用。但目前的进化算法多是针对理想环境设计的，因此，在处理工程实际问题时，噪声等干扰因素往往使得标准进化算法不能取得预期效果。 本文以一个10维球型模型为例，讨论了进化算法的两个重要分支—遗传算法和进化策略在噪声环境下的表现。研究表明，无论是哪种算法，在噪声环境下，都无法找到目标函数的全局最优值。并且，它们的寻优能力随着噪声强度的增加而不断减弱。 为了提高进化算法在噪声环境下的鲁棒性，本文首先分析了造成这种性能不佳的原因，并在此基础上讨论了两种改进方法—重新采样法和卡尔曼滤波法。这两种方法都是通过平滑适应度函数来改善算法性能的。仿真实验表明，改进算法在很大程度上提高了噪声环境下进化算法的寻优特性。