近几年来,人们对复杂系统有了越来越深入的认识,意识到用常规的数学方法难以建立复杂系统的精确模型,如何模拟人的思维来解决复杂问题成了人们关注的焦点。计算智能的出现为模拟人的思想提供了人工认知理论基础,而多智能体技术和计算机仿真实验则为人工认知理论提供了实现的方法和工具。本文综述计算智能的概念,归纳了计算智能所体现的人工认知特征。通过引进复杂适应系统理论中的多智能体技术,综述了在工程系统中将计算智能与多智能体技术相结合的人工认知算法Q-学习,以及它在复杂网络路由问题上的应用的Q-路由算法和蚂蚁网络路由算法。侧重分析了基于Q-学习的蚂蚁网络路由算法的特征,指出蚂蚁网络路由算法的两点不足:一是只体现了计算智能中的概率推理特征,并没有体现算法的互补性;二是蚂蚁网络路由算法中缺少根据历史经验的预测能力和自适应能力。本文针对在复杂经济系统中的可计算模型理论中提出的交叉目标算法(Cross Target CT),分析了CT 算法与Q-学习算法在人工认知特征体现上的一致性。本文将经济系统中较好体现人工认知特征的CT 交叉目标算法与蚂蚁网络路由算法相结合,使用多智能体技术,使智能体具有了简单的人工认知,通过与其他智能体和环境进行交互,构造了以计算智能为智能体核心的人工认知模型BP-CT 蚂蚁网络路由算法,并在OMNeT++网络仿真平台上加以实现,并与蚂蚁网络路由算法进行了对比,并对仿真结果进行了比较和分析。仿真的结果表明,本文提出的BP-CT 蚂蚁算法在吞吐量、平均数据包延迟和丢包率等QoS 网络性能指标上明显优于蚂蚁网络路由算法,验证了本文算法的有效性。