计算智能作为一种人工智能研究手段,已经在工农医等领域中得到广泛的应用,并为卷烟配方提供了新的设计思路。烟叶叶组配方的比例和感官特性之间呈现出一种复杂而又难以确定的非线性关系。本文基于计算智能原理,在总结前人研究设计的基础上,提出利用神经网络技术提出一种数字化卷烟配方设计思路。论文首先从配方、制丝工艺、卷烟参数三个方面介绍了烤烟型卷烟的全配方设计。针对目前对于未知烟草样本没有很好的科学分类方法,提出利用两种经典的聚类方法相结合的思路,既考虑到专家的经验又结合神经网络和模糊数学方法,对专家经验的样本采用支持向量机“有教师”分为已知和未知分类两个样本集,后对两类样本集进行自组织聚类,对于存在单独样本集问题,采用C-均值方法计算单独样本的最佳替代烟叶原料,为烟叶原料间的替换提出了新的解决方法。目前烟草设计人员研究的热点在于找到比较准确的表达叶组配方理化指标与感官质量的综合评价指标,利用此指标来预测卷烟产品是否达已经到要求。本文在实验数据的基础上,以烟叶原料的理化特性作为输入,以烟叶的感官特性为输出,建立反映理化特性和感官特征之间映射关系的BP神经网络模型并进行训练,从而建立神经网络的映射模型。与本文建立了剔除法二次多项式回归方程对比,结果表明BP网络在拟合时精度更高、误差更小同时并行处理能力更强。可以有效的解决实际生产中卷烟的感官指标难以预测的问题。同时本文运用神经网络预测模型与进化计算方法对叶组配方方案进行优化组合,提出以评吸为主、结合化学分析与计算机辅助设计的综合叶组配方方案,首先根据设计要求选择烟叶原料；利用均匀设计来选定配比,并通过评吸人员对于配方的感觉质量评定,再利用BP神经网络建立模型；针对神经网络BP算法中S型函数值在泛化时预测能力有限难以找到极值点提出解决方案。即根据专家经验适当减少中低等级烟叶原料量来缩小区间；最后通过遗传算法完成最优配方设计,评吸后根据专家修改意见进行改善设计出满足要求并兼顾经济最优配方,以期望获得良好的市场效益。本文对叶组配方设计进行仿真,并对比了几种配方方法之间的感官区别,结果证明了设计思路的正确性,在实验和实际生产中具有一定的指导作用。