在控制领域中,伴随着控制环境的变化和外界的干扰的影响,控制器的参数不断的变化,使控制器具有不确定性。对具有参数不确定性的随机系统,通过优化含有不确定性度量的性能指标所得的随机最优控制策略具有双重功能。一方面,控制信号可将系统输出及状态保持在期望值上(称为调节作用);另一方面,控制信号可利用探测未来信息,从而有助于减小系统参数的不确定性,进而改善估计过程(称为学习或探测作用)。然而求解对偶控制需要求解Bellman方程,其最优解的解析形式一般无法求出,即使是数值解也只能解出少数简单的情况。由此产生了许多次优解决方案,但针对对偶控制器的设计问题仍然无法完全解决,解决对偶控制问题仍然需要大量的努力。本文针对对偶控制中所存在的问题进行研究。首先介绍了对偶自适应控制的基础知识,分析了自适应控制的基本原理,对自适应控制的分类和研究现状进行综述性概述。然后介绍了基于新信的对偶自适应控制。针对新息对偶控制策略中学习因子不能实时调整的缺点,提出了一种学习因子随参数方差可调的控制策略;仿真结果表明该方法优于固定选取学习因子的IDC控制策略,具有较好的对偶性。最后提出了一种在谨慎控制器基础上加入探测信号的对偶控制策略。根据参数方差在参数辨识效果的变化相应改变所加入的探测信号的大小,实现了在辨识系统参数与跟随控制目标两者之间取得平衡,有效避免了单纯使用谨慎控制所产生“关断”现象,使具有对偶性。与其它次优对偶控制相比,加入探测信号的对偶控制策略具有计算量小易于实现、能够灵活地设计控制系统的动态性能、改善参数跟踪能力等优点。