A control system for optimizing the performance of a vehicle suspension system by controlling the damping factor of one or more shock absorbers is described. The control system uses a fitness (performance) function that is based on the physical laws of minimum entropy. The control system uses a fuzzy neural network that is trained by a genetic analyzer. The genetic analyzer uses a fitness function that maximizes information while minimizing entropy production. The fitness function uses a difference between the time differential of entropy from a control signal produced in a learning control module and the time differential of the entropy calculated by a model of the suspension system that uses the control signal as an input The entropy calculation is based on a dynamic model of an equation of motion for the suspension system such that the suspension system is treated as an open dynamic system.

Ein Steuersystem für die Optimierung der Leistung eines Trägeraufhebungsystems, indem man den Dämpfungfaktor von einem oder von mehr Stoßdämpfer steuert, wird beschrieben. Das Steuersystem verwendet eine Funktion der Eignung (Leistung), die auf den körperlichen Gesetzen der minimalen Entropie basiert. Das Steuersystem benutzt ein flockiges neurales Netz, das durch einen genetischen Analysator ausgebildet wird. Der genetische Analysator verwendet eine Eignungfunktion, die Informationen bei der Minderung von von Entropieproduktion maximiert. Die Eignungfunktion verwendet einen Unterschied zwischen dem Zeitdifferential von Entropie von einem Steuersignal, das in einem erlernensteuermodul produziert wird und dem Zeitdifferential der Entropie, die durch ein Modell des Aufhebungsystems errechnet wird, das das Steuersignal benutzt, während ein Eingang die Entropieberechnung auf einem dynamischen Modell einer Gleichung der Bewegung für das Aufhebungsystem so basiert, daß das Aufhebungsystem als geöffnetes dynamisches System behandelt wird.