信息技术的飞速发展使得旅游信息呈爆炸式增长，面对海量的旅游资源，游客想要从中找到满足其需求的旅游信息变得日益困难；另一方面，游客的旅游观念也日益成熟和个性化，现有的旅游信息系统已不能满足游客的日益增长的旅游需求。因此，根据游客的特征和偏好，进行旅游信息的智能化推荐已十分必要。　　本文在综合考虑游客的实际需求和现有旅游信息系统不足的基础上，研究和设计了旅游信息智能推荐系统，本系统主要包括旅游景点的个性化推荐和旅行线路的合理化设计。　　旅游景点的个性化推荐是采用改进的贝叶斯分类算法(MI-NB)来实现的。MI-NB算法是在传统贝叶斯分类算法不足的基础上进行改进的，应用了互信息的知识，通过相对可信度R来进行特征选择，以删除冗余属性，并把R作为权值引入到NB算法中，从而得到改进后的MI-NB算法。实验证明，MI-NB算法能够大大降低分类数据的维数，有效提高了景点推荐的准确率。　　本文在旅行线路设计时把游客分为旅游者和考察者两类。旅游者的线路是通过混合算法(DST-ROPT)来设计的，DST-ROPT算法采用双生成树算法求得初始解，然后用局部优化算法R-OPT来对初始解进行优化，从而得到一个比较理想的结果；考察者游览路线的设计可以转化为任务均分的多旅行商问题(MTSP)，其中要解决的一个关键问题是建立景点的分区原则，本文通过引进模糊集中的隶属函数实现了有效的分区。