建筑结构选型是工程大系统全局全寿命优化的关键环节，是对结构功能、社会效益、结构可靠度和造价具有重大影响的决策。本文以大型复杂结构选型的决策问题为研究对象，结合当前人工智能研究领域的最新成果，提出了基于神经——模糊软计算的实例推理系统用于建筑结构选型。该课题研究隶属国家自然科学基金“九五重大项目大型复杂结构关键科学问题及设计理论”（No59895410）的7.2专题：大型复杂结构及工程结构系统全局优化实用方法。全文共六章，主要内容概述如下：　　论文首先介绍了本文研究课题的学术背景及其理论与实际意义；阐述了与本文研究有关的人工智能研究及其分支——人工神经网络研究领域的现状，进展，及成果；对已有的选型方法及其特点作了扼要论述，并提出了基于神经——模糊计算的实例推理系统的概念及其用于建筑结构选型上的思想。然后在第二章结合决策科学的研究进一步提出了建筑结构选型智能决策系统的理论模型。第三章在算法层次上提出了基于自组织竞争神经网络数据挖掘算法的知识发现系统（KDD）用于生成拟定的结构方案。这一算法实质上将结构方案选择问题转化成模式聚类与归类的模式识别问题，而聚类分析，归类生成都有本文所引入并改进的自组织竞争神经网络完成。本文对其算法作了详细论述，其样本训练规模，消耗时间都是十分可观的。第四章在算法层次上提出了基于模糊推理系统（FIS）的结构方案评价方法。首次引入FIS系统作为方案评定，该方法以自然语言方式量化专家经验，计算量小，效果显著。最后，第五章在实现层次上结合基于知识及面向对象的软件设计思想论述了本文建筑结构选型智能决策系统的软件构造及数据流程。第六章是对该软件系统的一次具体应用。