改进了克隆选择算法，并提出了克隆选择算法，以解决迭代学习控制中的优化问题。 提出了一种基于克隆选择算法的具有随机扰动的最优迭代学习控制算法。 在该算法中，同时减小了搜索空间的大小，并提高了算法的收敛速度。 另外，在算法中使用模型修改设备来处理工厂模型中的不确定性。 另外，在算法中使用模型来应对工厂模型中的不确定性。 仿真表明，无论植物模型是否为精确的非线性植物，收敛速度都令人满意。 仿真试验证明，采用改进的迭代学习控制律而不是传统的控制律，可以使具有随机扰动的受控系统达到稳定。