在计算机技术和通信技术迅猛发展并相互融合的今天,网络管理与控制不再局限于保证文件的传输,而是保障连接网络的网络对象的正常运转,同时优化网络的拓扑结构、监测网络的运行性能和保证用户要求的服务质量等.网络中各种业务并存,各种网络互联,使得计算机网络中的控制问题变得很复杂,而计算智能控制技术的发展为复杂的计算机网络进行快速可靠的控制提供了可能.该文首先系统地介绍了计算智能技术中的一些关键技术,并对计算智能在计算机网络控制中的应用现状做了深入的综述,在此基础上,采用计算智能控制方法对计算机网络中的某些管理和控制问题提出解决方案.该文的主要创新研究工作是:1.根据计算机网络流量过程是复杂的非线性过程,且普遍呈长相关自相似的特性、用常规方法预测困难的特点和神经网络具有自学习、自适应和大规模并行处理能力的特性,采用不同方式进行神经网络的学习训练,并用于复杂业务流量预测,以自回归和自相似流量模型等验证了两种神经网络学习算法的有效性,并分析比较两种学习算法训练的神经网络在预测应用中的优越性.将模糊神经网络用于网络业务预测研究中,并与神经网络算法做了比较分析.为复杂网络业务流量预测研究提供了有效的途径.2.将不同的计算智能算法应用于网络业务源特征提取与分类的研究中.利用神经网络的自学习能力和模糊逻辑的动态性和及时性等特点,构造出了具体的四层模糊神经网络分类器,并比较了各智能分类器的特点.为解决网络业务源特征提取与分类提供了一种有效的方法.3.在对计算机网络中的QoS路由选择特点进行充分分析的基础上,采用两种改进的遗传算法:单亲遗传算法和该论文提出的最优保持遗传算法解决路由选择问题,并与Hopfield神经网络路由算法和其它的遗传算法路由选择方案做了比较分析.该方法综合考虑路径费用、路径时延和路径转接次数等,克服了常见的计算机网络路由方案的缺点.仿真结果表明该方案不仅优于Hopfield神经网络路由算法,且比其它的遗传算法路由选择方案优越.