现代化工、炼油、钢铁等工业生产过程是一类复杂系统,难以建立精确的数学模型。虽然智能计算的一些方法,如神经网络、进化计算和模糊系统已部分应用于这类复杂系统,但由于单个智能计算模型很难反映这类复杂系统的全貌,所以应用效果有限。把智能计算模型的不同组成部分有机的结合起来,以弥补单个智能计算模型的不足或提高复杂问题的求解效率,是智能计算集成研究的重要课题。本课题以神经网络、进化计算和模糊系统为基础,以轧钢生产过程为背景,以现有的分层方法和技术为出发点,以构造用于解决复杂系统问题的分层神经网络、分层模糊系统和分层神经模糊混合模型为研究目标。在分析现有分层技术的理论基础、分层方法、自适应性和效率的基础上,进一步研究分层神经网络、分层模糊系统和分层神经模糊混合模型的进化优化方法和设计技术。课题研究成果可广泛应用于复杂非线性系统建模、机器学习、智能控制、生物信息学等诸多领域。