Este documento considera el problema de síntesis de control y su solución utilizando la regresión simbólica. Los métodos de regresión simbólica, que anteriormente se llamaban métodos de programación genética, permiten utilizar una computadora para encontrar no solo los parámetros de una función de regresión dada, sino también su estructura. A diferencia de otros trabajos sobre la resolución del problema de síntesis de control utilizando regresión simbólica, la novedad de este documento es que por primera vez este trabajo emplea un conjunto de datos de entrenamiento para abordar el problema de la síntesis de control general. Inicialmente, se resuelve el problema de control óptimo desde cada punto en un conjunto dado de estados iniciales, lo que resulta en una colección de funciones de control expresadas como funciones del tiempo. Luego, se integra un modelo de referencia en el modelo del objeto de control, que genera trayectorias de movimiento óptimas utilizando las funciones de control óptimas derivadas. El problema de síntesis de control se plantea como una tarea de aproximación para todas las trayectorias óptimas, donde la función de control se busca como una función de la desviación del objeto del estado terminal especificado. El criterio de optimización para resolver el problema de síntesis es la precisión del movimiento del objeto a lo largo de la trayectoria óptima. El documento incluye un ejemplo de resolución del problema de síntesis de control para un robot móvil utilizando un método de aprendizaje automático supervisado. Se estudia y propone un método relativamente nuevo de regresión simbólica, el método de programación genética binaria completa variacional, para la solución del problema de síntesis de control.