Эффективность работы эволюционного алгоритма (ЭА) во многом зависит от выбранных значений параметров. Однако зачастую нельзя подобрать оптимальные значения параметров ЭА до запуска. Кроме того, оптимальные значения параметров во многом определяются не алгоритмом, а решаемой задачей. Поэтому актуальной является задача настройки параметров во время работы алгоритма. Существуют различные методы адаптивной настройки параметров. В основе этих методов лежит то, что значения параметров ЭА лежат в некотором числовом диапазоне. Для выбора подходящего значения диапазон разбивается на части, для каждой из которых считается вероятность нахождения оптимального значения параметра. В работе проведен анализ существующих подходов к адаптивной настройке параметров ЭА, а также разработка метода настройки параметров на основе обучения с подкреплением с разбиением диапазона параметра во время работы ЭА. Эффективность предлагаемого метода исследована на ряде модельных задач.