近几年,计算智能技术发展迅速,新算法层出不穷。计算智能方法在各个领域的应用有目共睹,取得了大量的研究成果。而对于配方产品相关的行业,传统的配方设计模式过多地依赖于人工专家的经验,产品设计的效率低、时间长、费用高,已经无法满足企业的需求。本文将计算智能技术引入到配方产品相关行业的产品设计过程中。首先以烟草行业为例,详细分析了卷烟产品设计的整个业务流程,在关键的业务环节采用了与之相适应的分析方法,辅助技术人员完成产品设计的工作,形成配方产品智能辅助设计的方法体系。本文将配方产品智能辅助设计划分为四个重要的技术环节,包括智能感官评估、相关性分析、总体差异性分析、组合优化。而数据分析工作始终贯穿于这四个环节。人工神经网络、SVM方法具有很强的非线性逼近能力,被用于建立预测产品感官质量的学习模型,其中SVM方法适用于解决高维、小样本问题。M5’模型树采用分段线性化逼近非线性关系,建立的学习模型具有显式特点,容易被用户所接受。运用BP神经网络知识提取的方法,通过构造阶梯样本分析输入变量与输出变量的非线性关系,而模糊散点图将两个变量的变化趋势以图形方式展现出来。除此之外,注重采用经典的多元统计分析方法作为计算智能方法的有益补充,从不同的层面和角度来分析变量间的相关关系。在总体差异性分析中,本文利用计算样本数据的统计量,描述样本的分布情况,不仅反映了样本总体的差异情况,也可以为深入的数据分析奠定基础。最后,利用遗传算法将原辅材料进行组合优化,得到若干个候选的配方方案,通过人机交互形成最终的产品配方。在工业条件下采集的生产数据样本具有明显的信息不完备的特性。因此,在应用计算智能方法之前,本文将重点放在数据预处理工作,同时结合行业背景知识,使得分析结果更加准确,可解释性也更强。本文最后将配方产品智能辅助设计的方法体系推广到啤酒等其他行业的产品设计问题上,由于这些行业彼此间具有很大的共性,因此该方法体系具有很好的推广前景。