人工智能经过60多年的发展,正以愈加强大的动能震撼着人类,特别是基于深度神经网络技术的人工智能依靠强大的能力取得了诸多杰出成果,但其终究不是具有“举一反三”能力的智能。Zadeh受人类感知行为启发提出了感知计算理论,其利用模糊理论实现对知识与数据的利用,为可解释性和鲁棒性强的下一代智能提供方案。模糊理论最初围绕一型模糊系统开展研究,但为了增强其不确定性描述能力,Zadeh引入二型模糊系统。二型模糊系统利用三维结构能更准确的描述模糊性、不精确性和争议性,并能同时构建个体内与个体间的不确定性,但其结构复杂度大大增加,特别是输出处理部分中的降型器,严重制约系统效率,极大阻碍实际应用。为了增强模糊系统处理高维非线性系统能力,将多级模糊结构扩展至二型模糊系统,使二型多级模糊系统既有深层推理能力又有强大的不确定性描述能力,同时解决维数灾难。但二型多级模糊系统结构更加复杂,如何在二型多级模糊系统中体现知识与数据相结合,实现对其进行参数优化就显得尤为重要。在分析目前二型模糊系统存在的问题的基础上,本文针对区间二型模糊统的高效降型器,一般二型模糊系统的高效降型器和区间二型多级模糊系统参数优化等问题进行了深入研究,主要内容为:1.针对区间二型模糊系统的高效降型器问题,提出了一种改进增强相向搜索算法。该算法基于降型集合端点值的位置性质,利用将上界隶属度表示为下界隶属度和隶属度宽度的和从而得到单向迭代搜索算法,并采用最佳的初始值,能最大限度的降低迭代搜索次数,提高计算效率。本文证明了算法的全局收敛性;分析了算法计算复杂度,验证了算法具有更少的迭代次数和更快的计算时间。最后仿真实验验证了该降型器的高效性。2、针对一般二型模糊系统的高效降型器问题,提出了基于水平平面表示法的重心计算方法。该算法通过将一般二型模糊集合分解为具有不同高度值的水平面,根据不同高度的平面重心区间端点值的包容关系,自上而下依次对每一平面使用改进增强相向搜索算法进行重心计算;同时在相邻平面,将上一平面的转换点作为下一平面重心计算的初始值,从而进一步减少了算法所需的迭代次数和计算时间。最后通过仿真实验验证了算法的高效性。3、针对区间二型多级模糊系统的参数优化问题,提出了一种基于梯度和群智能的混合智能的两阶段优化算法。该算法首先构建一型多级模糊系统,并利用基于小批次梯度、正则化和AdaB ound联合技术的梯度算法对其进行参数优化;然后将该最优一型多级模糊系统的部分参数模糊化后转换为区间二型多级模糊系统,接着利用自适应权重的粒子群算法对模糊化参数区间进行寻优,从而获得最优区间二型多级模糊系统。最后通过仿真实验验证了算法的有效性。