仿人形机器人是当今世界高新技术研究领域的一个热点，而仿人形机器人行走的规划与实现则是该领域的重要问题，甚至是关乎整个领域发展的关键性问题。人类经过几百万年的进化，像步行、奔跑这样的运动早已习以为常。表面上看这种双足运动形式很简单，但研究者们发现，要在仿人形机器人上实现类似人类的自由、稳定、快速行走并不容易。近年来，随着对人类步行本质的深入理解和神经生理学的进展，基于神经生理学的控制算法在仿人形步行机器人的运动控制中得到了广泛应用。

基于中枢神经模式产生器（Central Pattern Generators，CPGs）的仿人形机器人运动控制算法作为一种智能控制算法逐渐受到研究者们的重视。研究了由Hopf振荡器和Matsuoka振荡器构成的CPGs网络，并通过遗传算法优化这些CPGs网络的参数，生成用于双足步行机器人的步态数据。

论文首先介绍了Hopf振荡器和Matsuoka振荡器的数学模型及其性质，然后设计了两种CPGs网络，接着分析了如何用稳态遗传算法优化这些CPGs网络的参数。最后对仿真结果进行了分析，并展望了进一步工作。实验结果表明，在没有外界干扰的情况下，CPGs网络产生的步态数据能够稳定地控制Webots3D仿真环境中的双足机器人行走。