首先,卷烟配方设计是整个卷烟设计中最关键的一环,主要有卷烟叶组配方设计和加料、加香配方设计两大部分。本文以计算智能为理论基础,在昆明船舶集团提供的烟草数据与前期研究人员在此研究结论的基础上,提出应用计算智能设计数字化卷烟叶组配方。以其达到用最合理的叶组配方获得最佳的感官质量、烟气指标和最优的成本。其次,本文阐述了烟叶分类的传统方法的弊端；由此,提出一种应用两种聚类神经网络结合专家经验和模糊数学的全新烟叶分类方法：首先,以烟草数据为依据,在专家经验指导下,将这些烟叶分为四类,在此基础上应用“有教师”型的LVQ神经网络做仿真试验,以此验证专家的分类结果是否准确；其次,如果LVQ神经网络仿真分组结果与专家经验分组结果有差别,再应用“无教师”型ART神经网络做仿真试验,得到新的分组结果再次验证；最后,若以上分组结果还存在差别,就应用模糊C-均值方法,通过有差别样本的隶属度关系来判断它们最终要归宿于哪一类。结果表明,此全新的烟叶原料分类方法,针对17组烟叶取得了与集团专家凭经验分类结果94.12%准确性。第三,本文介绍了卷烟产品质量评价的弊端,由此,在烟叶内在化学成分的基础上,采用基于数值优化法的共轭梯度BP神经网络来实现烟叶化学成分与感官质量和烟气指标的预测；同时,针对BP神经网络极易陷入局部极小问题,决定采用模拟退火优化BP神经网络权值与阈值的方法来解决。结果表明,共轭梯度BP神经网络相比于标准BP神经网络在拟合时精度更高、误差更小。预测结果与期望值的误差仅有0.00000072。此外,针对标准BP神经网络对17组烟叶预测感官质量时,存在着局部极小问题时,通过模拟退火优化BP神经网络权值与阈值的方法,使网络最终跳出局部极小,得到了全局最优解,与期望结果只有1.66279e-026的误差。最后,本文介绍了中式卷烟叶组配方的设计内容,由此,根据现有的烟叶原料数据和前期研究人员的结论,决定采用遗传算法设计三组叶组配方方案；再应用遗传算法结合BP神经网络(GA-BP)的混合优化方法预测这三组叶组配方的感官质量；最后,把预测结果与专家评吸结果和期望值进行比较,最终确定哪一组叶组配方方案最优。结果表明,本文从设计目标入手,建立以成本为目标函数,产地等为约束条件的数学模型,通过引入罚函数的思想,解决遗传算法不能解决有约束的优化问题,最终确定了三组最优配方方案。再通过GA-BP方法预测这三组叶组配方的感官质量,最终得到一组最佳叶组配方方案。