Dedicated to Prof. Dr.-Ing. Heinz Unbehauen at the occasion of his 70th birthday Modern control techniques -such as H 2 or H ∞ optimal controller design -offer powerful synthesis tools, provided the controller has the same order as the plant, and there are no constraints on the information structure of the feedback loop (e. g. decentralized control). If these assumptions do not hold -as is often the case in practical applications -the synthesis problem becomes non-convex and hard to solve. A frequently encountered situation is however that a synthesis problem is intractable, whereas the corresponding analysis problem is convex and easy to solve. In this case, it is often more efficient to use the easily available analysis results to guide a stochastic search for the solution, rather than to address the hard synthesis problem directly. In this paper, such an approach -based on a combination of algebraic tools from optimal control theory and evolutionary search techniques -is presented. Four benchmark problems representing ''hard" control problems are used to illustrate the approach and to compare its efficiency with that of previously published solutions.Moderne H 2 -und H ∞ -optimale Reglerentwurfsverfahren sind nur anwendbar wenn der Regler die gleiche dynamische Ordnung wie die Strecke hat, und wenn keine Beschränkungen der Reglerstruktur (wie etwa bei dezentraler Regelung) vorliegen. Sind diese Voraussetzungen nicht erfüllt -was in der Praxis oft vorkommt -dann liegt ein nicht-konvexes Entwurfsproblem vor. Häufig ist jedoch das Analyse-Problem, das einem nicht-konvexen Entwurfsproblem entspricht, konvex und kann mit relativ geringem Rechenaufwand gelöst werden. In solchen Fällen ist es oft effizienter, Lösungen dieser Analyse-Probleme für stochastische Suchverfahren zu verwenden, als das nicht-konvexe Entwurfsproblem direkt zu lösen. In der vorliegenden Arbeit wird ein auf dieser Idee beruhender hybrider evolutionär-algebraischer Ansatz vorgestellt, der Werkzeuge aus der Theorie der optimalen Regelung kombiniert mit evolutionären Suchstrategien. Vier Benchmark-Probleme illustrieren die Vielseitigkeit und Effizienz des vorgeschlagenen Verfahrens.