应用人工智能、大数据分析等现代信息技术量化描述和分析森林结构是现代森林经营管理领域的研究重点及发展趋势，尤其是对包含空间信息的天然次生林结构恢复重建与优化调整的研究更需要智能处理手段帮助挖掘其动态结构规律及与功能的耦合关系。本文以结构化森林经营理论为基础，通过分析粒子群、蜂群和蚁群等智能进化算法寻优特征及其应用特点，结合天然次生林各种空间结构参数的技术手段，在林分水平上建立了基于蜂群-粒子群算法的森林空间结构优化模型，从而达到优化天然次生林空间结构的目标。通过对常德乌云界国家自然保护区、南洞庭湖赤山岛的龙虎山林场等几种典型天然阔叶混交林空间结构优化实例及算法性能分析表明，优化模型的正确性及全局寻优收敛速度明显优于其它智能进化算法，模型输出的理想森林空间结构（集合）的稳定性和生态功能完整性得到进一步提升，为森林经营提供了优化经营的目标结构及量化标准，对促进天然次生林健康和稳定具有重要的理论和现实意义。本文的主要研究工作及研究结果如下。　　(1)提出了基于天然林空间结构多目标优化的预测模型。通过对研究区12块样地空间结构的综合评价，分析了空间结构优化的问题，明确了森林经营的目标结构。为提高算法寻优效率，研究提出了一种森林空间结构多目标优化的预测模型，该模型用于分析林分中的每一株林木在寻优过程中的求解概率，为智能算法在优化模型的求解提供预处理过程。研究区样地3、样地5、样地7和样地9中的预测优化实验结果表明:预测模型在很大程度上排除了优化解中的部分林木（例如国家级保护植物）参与寻优计算，减少了无用计算，增加了寻优效率。　　(2)提出了基于蜂群-粒子群算法的森林空间结构多目标优化模型。利用蜂群算法良好的全局搜索特点及粒子群算法较精准的寻优特点建立了森林空间结构多目标优化模型，实验测试结果表明，优化模型可以在相对较短的时间内完成较复杂的森林空间寻优计算，且寻优结果与实际预测值基本相符，森林空间结构的生态稳定性指标也得到提高。　　(3)基于蜂群-粒子群算法的森林空间结构多目标优化模型的寻优性能分析。从算法寻优的正确性、全局收敛速度等性能方面对蜂群-粒子群算法的求解进行了分析，并与粒子群、蜂群和蚁群等智能优化进化算法进行了比较。结果表明，蜂群-粒子群算法求解最优解集精确度相比其它算法要高，在全局收敛速度上也明显优于其它智能进化算法。