模糊系统是通过语言信息或数据信息来获得反映复杂系统的一种输入-输出关系,虽然它不依赖于精确的数学模型,但却具有逻辑推理、数值计算和非线性函数逼近能力,尤其利用它可把IF-THEN模糊规则转化为非线性映射的系统化程序.目前,国内外诸多学者对于形形色色的智能算法进行了广泛研究,其成果数不胜数.例如,在GA算法中融合BP算法的混合学习算法可以实现模糊系统的自学习,从而达到全局最优和快速搜索.再如,萤火虫算法是根据自然界萤火虫的发光行为和相互吸引现象被提出,进而可依据萤火虫自身发光亮度和吸引度的不断更新来实现目标优化.因此,把一般模糊系统与智能算法结合起来研究将具有重要理论意义.本文主要针对上述两个问题展开研究,具体内容分布如下:第一部分:选题背景及研究现状.第二部分:预备知识.主要介绍Mamdani模糊系统、T-S模糊系统、折线模糊数及其算术运算等相关知识.第三部分:依据三角模糊化、乘积推理机和中心平均解模糊化方法引入Mamdani模糊系统模型,特别当前件模糊集取值为三角形模糊数时采用剖分论域空间和优化参数方法设计Mamdani模糊系统的输出算法,并在具体实例中通过统计学的t-假设检验方法来说明该算法的有效性.第四部分:在由Mamdani模糊系统和T-S模糊系统构成的混合模糊系统中通过权值梯度向量建立误差函数,依据BP算法和遗传算法对梯度向量实施权值参数优化,并利用适应度函数和解码转换等方法设计权值参数优化算法.最终实现对混合模糊系统的权值参数达到全局优化的目的.第五部分:依据折线模糊数的有序表示及其线性运算引入非齐次线性折线T-S模糊系统模型,并按照有序表示给出该系统后件线性部分调节参数的表达式.其次,利用萤火虫的自身发光亮度和吸引度公式对可能解的粒子位置更新设计一种TS萤火虫算法,从而实现对所有调节参数（粒子）的全局优化.最后,通过数值仿真实例说明该算法不仅可避免陷入局部极小值和早熟收敛问题,而且具有全局收敛和寻优精度高等优点.