卷烟配方设计是卷烟产品设计与生产的核心与关键环节。卷烟配方是由多种不同的单料烟按照一定的投放比例组合而成。充足的单料烟库存是卷烟产品生产稳定的重要保障,但在实际卷烟产品生产过程中,由于单料烟受到市场成本、库存构成、进货时间等因素影响,烟草企业在一段时间内可能会更改某些卷烟产品配方的单料烟构成,卷烟产品的质量也会随之波动。为了维持卷烟产品质量的稳定,企业需要通过对卷烟配方中的单料烟进行替换和构成比例调整,该过程称为卷烟配方维护。然而,卷烟配方维护是一项非常复杂和困难的工作。在传统的卷烟配方维护过程中,烟草企业主要依靠感官评吸专家根据经验分析或反复实验的方法。但是,仅靠人工评吸进行卷烟维护非常耗时,并且会导致生产效率低且增加了生产成本。因此,如何采用智能方法进行卷烟配方维护,成为烟草企业在卷烟产品生产中急需解决的一个重要问题。随着计算机和人工智能等技术的发展,人们开始进入信息化时代,烟草企业也积累了海量的数据,通过数据的挖掘和分析,可从中提取出有价值的知识进行卷烟配方的维护。针对卷烟配方的维护问题,本文提出了基于混合协同过滤,非负矩阵分解和两步核最小二乘方法的卷烟配方维护方法。这些方法能挖掘卷烟配方数据中单料烟之间隐含的配伍规则,根据基于相似度的启发式规则进行单料烟替换选择,得到优化的单料烟替换方案。本文的主要研究内容如下:（1）分析了基于用户的协同过滤、基于物品的协同过滤和相似性计算方法的基本原理,构建了卷烟配方相似矩阵和单料烟相似矩阵,结合其能够过滤无用的单料烟搭配信息、能够有效的使用相似配方和相似单料烟的反馈信息等优点,将两种协同过滤方法相结合,建立了基于混合协同过滤的卷烟配方维护模型。（2）对非负矩阵分解的基本原理、特点及应用场景进行了分析,鉴于其能处理协同过滤的矩阵稀疏问题且具有直观语义解释等优点,从而将烟草配方数据与非负矩阵分解相结合,提出了单料烟线性预测模型,并基于非负矩阵分解方法来计算模型矩阵,建立了基于非负矩阵分解的卷烟配方维护模型,最后进行了实验验证并与协同过滤方法进行了对比分析。（3）总结了最小二乘回归、核方法、正则化、迁移学习和两步法的知识和特点,以单料烟预测模型为基础,利用配方数据和单料烟化学成分信息,基于两步核最小二乘方法建立了卷烟配方维护模型,进行了实验验证,并与非负矩阵分解方法进行了对比分析。（4）在利用上述三种方法得到推荐单料烟列表的基础上,提出了两种替换方案,即一对一替换和多对多替换。并且针对不同的替换情况提出了三种多对多替换方法来选择最终的替换单料烟。