با وجود تاریخچه موفقیت های قبلی سیستم های فازی در کاربردهای مختلف از جمله در تقریب زدن توابع، برخی کاربردها نیازمند طراحی پایگاه قوانین فازی با توانایی یادگیری بیشتر است. الگوریتم های تکاملی الهام بخش طراحی سیستم های فازی با توانایی های یادگیری بیشتر است. در این پایان نامه چهار الگوریتم تکاملی شامل: الگوریتم ژنتیک (ga)، الگوریتم بهینه سازی گروه ذرات (pso)، الگوریتم تکامل تفاضلی (de)و الگوریتم بهینه سازی زنبورهای عسل (hbo) برای ترکیب شان با منطق فازی جهت تقریب زدن توابع غیرخطی مورد استفاده قرار گرفته اند. براساس نتایج بدست آمده در این پایان نامه نشان می دهیم روش de به لحاظ دقت و روش pso به لحاظ سرعت بهترین روشها در مقایسه با روشهای دیگر هستند و روش ga دارای این مزیت است که خیلی سریع به صفر همگرا نمی شود. همچنین نشان می دهیم که روش hbo بدترین روش به لحاظ دقت وسر عت همگرایی در مقایسه با دیگر روشها بوده است.