Mamdani模糊系统是一类应用广泛的模糊系统,它的三个突出特点使得它具有重要的研究价值。 本研究是以复杂生产过程为背景,在模糊系统优化领域开展的专项研究。研究目的是探讨Mamdani模糊系统中的各类参数和要素在优化过程中的关联形式和优化机理。采用以理论分析为主、计算机仿真研究为辅的研究方法。 本文从参数优化和模糊规则库优化两个层面对Mamdani模糊系统优化理论展开了研究。主要内容和特点可概括如下。 在Mamdani模糊系统参数优化方面,针对的主要问题是在样本集合规模较小时如何在多种参数优化过程中提高隶属函数优化效率和收敛速度。首先对系统的要素和性质展开了深入的研究。抽象出系统的L-参数,Q-特征函数,β-特征函数;进一步推导出了Mamdani模糊系统的重要性质和方法,例如,样本误差以比例（1+β）^-1由分区边缘向中心传递、隶属函数的Q-特征与一种特定有向图的关系、基于样本的Q-特征函数导出方法)。 在所获得的系统要素和性质的基础上,建立了新的参数优化机制。首先,以系统输入/输出函数局部展开式为依据,设计了基于该展开式的隶属函数局部优化机制。该优化机制通过特定的规划工具完成隶属函数局部优化,因而具有快速、稳定的特点。在以L-参数和β-特征函数为核心所导出的重要性质基础上,建立了一种新的参数全局性优化机制。该机制的初始条件是系统论域的划分和一个样本数据集合,整个优化过程被分解成若干个子过程;这些子过程都可近似转换成特定的仅有线性约束和多元多项式形式的目标函数的优化问题、消除有向图中有向环路问题。因此,从理论上保证了该优化机制与基于进化理论的参数优化机制相比具有优化过程更简明、质量更稳定和较快的收敛速度等优点。适合于某些在线优化和小样本应用对象。根据上述参数优化原理,针对两类特殊的2维Mamdani模糊系统分别导出了更具效率的参数优化方法。将这些Mamdani模糊系统参数优化问题近似地转换成约束条件为线性不等式并且目标函数是4次多元多项式的优化问题、聚类问题、消除有向图中有向环路问题和二次规划问题。通过仿真实验对上述优化方法进行了研究。验证了隶属函数局部优化方法的功能;并针对2维Mamdani模糊系统,将全局性参数优化方法与基于三角模糊集的快速优化方法进行了对比,获得了性能优于后者的实验结果。