灰铸铁是由多种合金元素组成的复杂体系，其性能不但受成分和熔炼工艺参数的影响，同时还要考虑成本因素，其成分—工艺—性能建模和低成本配料，在灰铁工程应用中是一个普遍关注的问题，其研究具有较大的实际应用价值。 本文将自适应—神经模糊推理系统(ANFIS)建模方法用于材料成分—工艺—性能建模，克服了传统反向传播等网络结构仅具有函数逼近功能的“黑箱”缺点，在实现函数逼近的同时可直接从数据中总结规律，获得“IF-THEN”形式表达的结构化知识，从而为数据中知识的发现和表达提供了一种有效的方法。 通过将自适应—神经模糊推理系统模型耦合到遗传算法的框架中，实现成分和工艺参数的同时优化，形成了较为完整的成分设计与优化的理论框架，克服了模糊推理模型不能用传统的基于导数的优化方法进行寻优的困难，为该类问题的解决提供了一条新的途径；同时较好地解决了材料性能在多因素约束条件下的优化问题。 采用基于ANFIS模型的遗传优化方法，进行了灰铸铁牌号设计、配料优化、实验验证，证明了方法的正确性和可行性，且具有较大的实用价值；本研究所形成的算法和程序正确、可靠，具有一定的通用性，为石油、化工、冶金和材料领域的相关问题的解决，提供了可借鉴的方法和手段，因此，本研究的成果具有较好的推广应用价值。