二型模糊系统(Type-2 Fuzzy System)是以二型模糊集合理论为基础的一类非线性推理系统。相比传统的模糊系统(一型模糊系统)而言,二型模糊系统在处理模糊语言不确定性、专家知识提取不确定性以及系统内外部干扰方面展现了突出的能力,并被广泛地应用在控制系统、数据分类、预测管理及系统建模等领域。然而,由于二型模糊系统中的三维模糊集合特性,系统参数无论是在维数还是复杂性方面都要高于传统的模糊系统,从而使得参数及规则优化配置难度进一步增加,且更容易引起系统维数灾难等问题。为此,本文针对二型模糊系统在参数优化、规则调整和系统建模等问题进行了深入的研究。本文主要研究内容和创新点概括为：(1)针对二型模糊系统中参数维数高、复杂性强的问题,受DNA双链分子结构启发,提出了一种改进的RNA遗传算法。该算法采用基于碱基的四进制编码方式,引入重构操作和新的选择策略以增强算法高维搜索能力。通过典型无约束测试函数寻优实验,验证了该算法的有效性。将基于RNA-GA算法的二型模糊控制器用于二级倒立摆系统控制中,通过仿真实验验证了该方法的有效性。(2)针对二型模糊系统参数及规则配置问题,提出了一种基于DE算法的二型模糊系统参数及规则配置方法。DE算法是一种实数编码的全局优化算法,具有良好的全局搜索能力,且可以有效地解决因参数编码长度过长而带来的性能下降问题。将基于DE算法的二型模糊系统用于电力系统稳定器优化设计,实验结果验证了该配置方法的有效性。(3)针对多变量二型模糊系统中的维数灾难问题,设计了一种二型模糊滑模控制器。但是,对于那些复杂非线性动态系统而言,很难有效地配置滑模函数及其控制参数。为了更好地设置相关参数,受蜂群觅食行为启发,提出了一种混合DE算法(HDE),通过引入两种新的邻域搜索操作来增强DE算法局部搜索能力,通过典型测试函数寻优测试验证了算法的有效性。将该二型模糊滑模控制器及其混合DE算法用于桥式吊车这类欠驱动系统控制,实验结果验证了该方法的有效性。(4)针对数据的损坏而引起的模型有效性下降问题,提出了一种二型T-S模糊神经网络模型并引入相应的自适应降型参数。为了有效地辨识模型中复杂的非线性参数,受遗传机制启发,提出了一种混合自适应DE算法(HADE),分别引入两种自适应参数以增强算法的动态和全局搜索能力,通过典型测试函数寻优测试验证了算法的有效性。将该模型及其HADE算法分别应用到混沌时间序列预测和桥式吊车建模,实验结果证实了该模型及其]HADE算法的有效性。