کنترل ربات به دلیل غیرخطی و وابسته بودن معادلات دینامیکی سیستم به یکدیگر و عدم شناخت دقیق پارامترهای سیستم، مسأله ای نسبتا پیچیده است. روش های کلاسیک کنترل موقعیت بازوی ربات، عمدتا بر شناسایی مدل دقیق ربات استوار می باشد که در عمل به دلیل وجود پارامترهای ناشناخته موثر در دینامیک ربات از قبیل لقی چرخ دنده ها، اصطکاک بین مفاصل بازوها و غیره، پیدا کردن مدل دقیق دینامیک یک ربات کار بسیار مشکلی می باشد. از این رو استفاده از این روش ها چندان کارآمد نیست. روش های غیرکلاسیک از تئوری هوش مصنوعی مانند منطق فازی، شبکه های عصبی والگوریتم های بهینه سازی استفاده می کنند. منطق فازی در بسیاری از کاربردهای مهندسی، موفقیت آمیز بوده است و استفاده از سیستم های فازی، روز به روز در حال گسترش است. برای طراحی یک سیستم فازی، روش کلی و اصولی وجود ندارد و تعیین توابع عضویت و قوانین فازی توسط فرد خبره صورت می گیرد، بنابراین کارآیی و عملکرد سیستم فازی، به دانش و تجربه فرد خبره بستگی دارد و فرآیند طراحی، وقت گیر و بر اساس سعی و خطا می باشد. یکی از روش های موفق در طراحی کنترلر فازی، استفاده از الگوریتم های بهینه سازی می باشد. این روش در سال های اخیر مورد توجه محققین قرار گرفته و الگوریتم هایی مانند ga ،pso و غیره، برای طراحی کنترلر فازی مورد استفاده قرار گرفته است. الگوریتم bfo یکی از الگوریتم های بهینه سازی جدید می باشد که در سال 2002 توسط پاسینو ارائه گردید و به دلیل قابلیت های بالا، به زودی جایگاه خود را در میان دیگر الگوریتم های بهینه سازی پیدا کرد. در این پایان نامه به منظور افزایش دقت و سرعت همگرائی الگوریتم bfo، اصلاحاتی در آن صورت گرفته که الگوریتم حاصل، الگوریتم بهبود یافته bfo نامیده می شود. سپس با استفاده از الگوریتم ارائه شده به طراحی کنترلر فازی برای کنترل بازوی پیوما 560 پرداخته و نتایج حاصل با الگوریتم های bfo و pso مقایسه شده است. نتایج شبیه سازی نشان می دهد الگوریتم بهبود یافته bfo عملکرد بهتری نسبت به الگوریتم های bfo و pso دارد.