经过亿万年的进化,鱼类展现出非常优越的游动性能,例如:强机动性和高游动效率。以上特性吸引众多流体力学研究者的关注,他们通过各种方式进行探索研究,以试图揭示其游动机理。从上个世纪起,就不断涌现出各种优秀的理论成果;与此同时,实验研究也持续跟进,流体力学工作者进行了大量鱼体动力学行为方面的研究。近年来,随着计算流体力学（CFD）的发展,采用数值模拟方法对鱼类游动机理进行探索已成为新的研究手段。随着人们对游动机理认识的加深,鱼类游动的数值模拟研究朝着受控机动运动、复杂流动干扰等方向发展。本文分别从这两点切入,基于机器学习对鱼体游动进行控制,对自主游动和障碍物干扰情况下的鱼类游动进行了数值模拟研究。本文主要开展了以下工作:首先,对鱼类游动的研究背景和意义进行了阐述,分别从理论分析、实验观测和数值模拟等角度对鱼类游动的研究现状和发展趋势进行了调研,并对此进行了总结。然后,对本文研究中涉及到的数值模拟方法进行了介绍,主要包括:动态混合网格生成方法、控制方程及其离散方法、动力学/运动学方程以及流动/运动耦合算法等内容。其次,通过引入深度强化学习构造了流动/运动/控制耦合方法,并通过该方法对鱼类机动巡游进行了探索研究。实践表明:基于机器学习的鱼类游动控制能够实现其沿预定轨迹游动和绕障碍物游动等任务。随后,探索了鱼体在D型圆柱涡流尾迹中的游动行为和受力特性,从动力学角度分析了鱼体在涡街中Kármán步态的成因。计算表明:要使鱼体在涡街中稳定游动必须进行控制,因此对主动控制技术的应用进行了初步探索与分析。最后,对本文研究内容进行了总结,归纳了本文创新点,并对未来工作进行了展望。