本文主要讨论仿生智能计算方法。经过千万年的演化，大自然展现出了惊人的高效性。探寻并模拟其机理不仅可以应用于各种实际工程问题，并有助于我们对智能本质的最终认识。 本文探讨4个主题：人工神经元网络，群体智能，演化算法和DNA计算。从微观的DNA到宏观的昆虫群体，这4个主题从不同的尺度和角度丰富了人工智能研究内容。 人工神经元网络模拟人的大脑，希望结构产生智能。我们先简要介绍了人工神经元网络的基本思想，典型激活函数，学习规则和主要应用：分类聚类，联想记忆和优化。重点讨论交叉覆盖神经元网络及其在DNA序列分类和UCI波形数据分类的两个应用例子。对第一个DNA序列分类例子做了详细叙述，包括了特征提取的过程。进一步，我们介绍了统计学习理论，并对支持向量机和三层前向神经元网络的等价性做了探讨。 群体智能研究昆虫的群体行为。我们先介绍了群体智能的特点，研究方法和主要研究的3个问题：分拣行为，蚂蚁算法和粒子群体优化(PSO)。然后提出我们用随机连接的神经元网络描述的昆虫筑巢的数学模型。相关结论通过迭代函数系统理论加以证明，并给出模拟实验的结果。 演化计算模拟“自然选择”和遗传现象，已成功的应用于各种优化问题。我们主要讨论其中的遗传算法，特别是基于佳点集的遗传算法，并给出了应用于Job-shop调度问题的例子。 DNA计算是不同于电子计算机的电子计算和量子计算的一种新兴的计算方法，具有很大的潜力。我们简要介绍了DNA计算的思想起源，主要观点和应用于Hamilton回路问题的例子，并做了简单评论。