移动机器人自主导航问题是机器人学领域的核心问题之一，涉及了路径规划、地图构建等关键技术；计算智能是指计算机利用数学方法模拟人类智能处理传感器信息，完成复杂的智能行为。本文在分析移动机器人及其导航技术发展现状的基础上，改进了几何区间二型模糊逻辑系统，并将DSm理论、PSO算法探索性地应用于机器人学领域，设计并实现了自主开发移动机器人平台的导航系统，利用PSO算法的学习能力提出了模糊规则自动生成算法。主要研究内容及结果如下：　　 ⑴基于DSm这一全新的数据融合理论框架，提出一种环境地图构建方法，可有效地融合超声数据以记录环境信息。该算法中采用模糊集合构建传感器模型，对于多次测量数据采用DSm组合规则进行融合。仿真和实验证明了该算法的性能。　　 ⑵提出一种针对几何区间二型模糊逻辑系统的PSO降型方法，改进了几何区间二型模糊逻辑系统。PSO降型方法将降型问题转换为优化过程，使得几何区间二型模糊逻辑系统推理过程与离散论域上的传统区间模糊逻辑系统相一致。基于改进的几何区间二型模糊逻辑系统，设计实现了机器人沿壁行为和避障行为，证明了PSO降型方法的有效性。　　 ⑶针对结构化环境中移动机器人路径规划问题，提出一种粒子群路径规划算法。算法中应用神经网络计算障碍物对路径的约束，并结合路径距离信息构造适应度函数。仿真实验证明了该算法的合理性。　　 ⑷针对半结构化室内环境，基于自主研制机器人平台设计、实现了一种混合结构导航系统。系统采用模块化设计思想：人机接口模块应用了基于概念网络的自然语言处理技术；慎思控制模块中采用粒子群路径规划算法对导航任务进行分解，基于DSm理论构建的环境地图作为先验知识；反应控制模块由沿壁行为、避障行为和趋向目标行为组成。导航实验证明了该导航结构的有效性。　　 ⑸针对模糊规则获取问题，提出一种在给定模糊样本集上模糊分类规则自动生成算法。算法中引入了一种基于模糊信息熵的规则新奇性度量，并与规则准确性、规则覆盖度相结合构成了粒子群优化算法的优化目标函数。“星期六早晨”问题被用来测试算法的性能，其实验结果与模糊决策树归纳法获得的结果进行了详细对比。