计算智能是一种仿生计算方法，它从生物底层对智能行为进行模拟和研究，拓展了传统的计算模式，为复杂问题的求解提供了新的解决办法。 为了提高计算智能的应用效率，本文分析了二进制遗传算法中早熟收敛的成因，指出了传统的变异算子在防止早熟收敛方面的不足，提出了一种能有效预防早熟现象的二元变异算子，并在此基础上提出了一种便于用常规逻辑门电路实现的遗传算法。鉴于参数选择对于遗传算法求解效率的影响，本文利用Holland的模式定理分析了遗传算法参数对其性能的影响，为遗传算法的参数选择提供了一个理论依据。在并行遗传算法的研究方面，受人类婚配模式的启发，本文提出了一个基于联姻策略的并行遗传算法。实验表明，该算法具有极高的搜索效率。学习算法一直是人工神经网络应用中的一个瓶颈，本文分析了多层前馈神经网络学习算法在学习率自调整中存在的问题，提出了一种学习率的自适应方案。实验测试表明，应用该方案能普遍提高算法的收敛速度。 在计算智能的工程应用方面，本文提出了Fourier系数的进化计算和神经计算两种智能计算方法，为Fourier变换的工程应用提供了方便。在自动控制领域，本文提出了控制器的在线设计的新概念，并将进化计算与人工神经网络相结合，提出了基于ITAE最优控制律的神经控制器在线进化方案，仿真实验表明了这种方法的可行性。在模糊逻辑的工程应用中，本文提出了一种不使用积分器能够消除模糊控制器余差的新方法。该方法的显著特点是，能够在线搜索无静差跟踪所需要的稳态控制量，同时动态优化模糊控制量表。这种方法的有效性在CSTR的控制中得到了验证。