滑坡是中国主要的地质灾害之一,每年都会造成巨大的损失,因此滑坡位移预测成为当前亟待解决的地质问题之一。受传感器采集精度、传输时的信号损失等因素影响,导致所采集的滑坡数据存在模糊、特征不易识别等问题。直觉模糊集在不确定问题上所具有的分辨和表示能力,使其能较好地刻画并表达滑坡数据的模糊特征,并为后续计算提供精准建模。此外,导致滑坡位移的影响因素多且因素间关系复杂。机器学习算法为达到良好的预测效果必须从这些关系复杂的影响因素中选出最优组合作为训练特征,因此滑坡特征选择是一类NP问题。群体智能优化算法所具有的随机、分布式等特点,使其在处理这种NP问题上具有先天优势。因此,本研究结合直觉模糊集与群体智能优化算法,针对滑坡位移预测问题展开深入研究,主要工作如下。（1）针对粒子群算法难以平衡全局探索和局部开发的问题,提出一种基于直觉模糊Memetic双种群混合优化算法。该算法设计了社会强化算子和碰撞反弹算子以提升种群多样性;通过建立直觉模糊多属性决策对探索区域综合评估并生成可能存在的全局最优解区域,进而指导具有拉马克学习的开发种群进行局部精细搜索。通过与其它5种新型进化算法在23个基准函数测试结果中体现出本算法具有更好的综合优化能力。（2）针对粒子群算法容易早熟收敛问题,提出一种多拓扑分级协同混合粒子群算法。该算法利用Levy飞行为算法提供多样性;利用拉马克机制提高算法的局部快速收敛开发;分别设计了带激活的非线性递减权重和直觉模糊熵自适应权重提高算法陷入局部最优后的逃逸能力。最后,通过代差分析以及收敛判定两种策略自适应平衡了算法的多样性与收敛性。在多组基准测试集上的实验证明,本算法具有更强的综合能力。（3）针对滑坡特征选择的组合爆炸问题,提出一种可靠性增强代理辅助进化粒子群算法。该算法基于贝叶斯定理提出贝叶斯评估策略,该策略以后验概率的形式反映代理模型与真实目标函数的拟合程度,从而提高模型的预测结果;利用直觉模糊多属性决策评估出合适的个体以提高代理模型的拟合能力;提出多种直觉模糊信息提取方式作为多属性决策的决策变量以提高多属性决策的决策精度。在多组基准测试集上的实验结果显示,所提算法综合能力优于其它先进的代理辅助进化算法。最后,将本算法用于特征选择及超参数优化,并将其用于滑坡位移预测问题,其结果优于传统方法。