Os algoritmos evolucionários são métodos de otimização e busca global baseados em populações. Como nas populações biológicas, um algoritmo evolucionário perde diversidade, ao longo de gerações, restringindo a busca em uma região restrita do espaço de soluções e prejudicando a busca global. Em ambientes complexos, multimodais e dinâmicos, a perda de diversidade torna-se um problema ainda mais crítico, pois a busca deve ser abrangente e o algoritmo se adaptar o mais rápido possível. Um algoritmo evolucionário possui parâmetros cujos valores influenciam tanto o resultado do processo quanto a diversidade da população. Esta tese apresenta dois novos métodos de controle de parâmetros de algoritmos evolucionários, o controle adaptativo e o controle da função de distribuição de probabilidade. O objetivo desses métodos é controlar a diversidade da população de acordo com funções pré-determinadas. O processo evolucionário é, portanto, tratado como um problema de controle, cujos parâmetros do algoritmo evolucionário são as entradas de controle e a diversidade da população é a saída do processo. No método de controle adaptativo, a estratégia de controle é baseada no sistema adaptativo por modelo de referência, onde uma diversidade de referência é utilizada como modelo de comportamento para a diversidade do processo evolucionário. O segundo método tem como objetivo manter a função de distribuição de probabilidade da diversidade da população próxima de uma distribuição determinada. Assim, a distribuição da população no espaço de soluções é também indiretamente controlada. Para esse método manter um controle de baixo custo computacional, utiliza-se uma rede neural B-spline para modelar o processo evolucionário. Em problemas de controle, é necessário conhecer o modelo do processo para se elaborar uma estratégia de controle. Assim, foi proposto um novo modelo de dinâmica de populações que descreve o comportamento da frequência gênica e da diversidade de populações. Baseado nesse modelo, o processo evolucionário é formalizado matematicamente. Portanto, o método de controle adaptativo proposto utiliza esse modelo de dinâmica de populações na estratégia de controle. Os dois métodos de controle de diversidade propostos foram validados em estudos de casos. Todos os problemas utilizados tiveram características multimodais e dinâmicas, com comportamentos que variaram de uniforme, pequenas e grandes variações, a caótica. Os desempenhos dos métodos propostos foram comparadas com um algoritmo genético padrão e outros seis algoritmos evolucionários adaptativosConselho Nacional de Desenvolvimento Científico e Tecnológico