室内环境反向设计理论是当前研究的热点问题。反向设计能够根据设计目标的特定要求得到相应的设计变量值,为室内环境设计过程提供理论指导,具有广阔的商业前景。在全面分析国内外反向设计理论和发展趋势的基础上,本文以计算流体力学(CFD)为基础,将遗传算法、人工神经网络、模糊控制等技术相结合,提出了一种高效的室内环境反向设计方法,应用于Blay模型与客机座舱模型的反向设计问题。对Blay模型,选取入口速度与温度为设计变量,实现了监测点处的速度与温度的反向设计;对座舱模型,选取入口速度、入口温度、入口角度、入口及出口位置为设计变量,实现了控制区域的热舒适、吹风感、空气龄、局部速度及垂向温差等的多目标优化设计。主要成果如下:首先,研究了基于遗传算法的反向设计方法。使用单目标遗传算法对Blay模型进行了反向设计。使用多目标遗传算法对飞机座舱环境进行了反向设计,利用非支配关系解决了多目标设计过程中的个体排序问题。利用区间遗传算法获得了座舱模型的区间解,并使用超体积评价解的区间特性,得到了8个区间解,并确定了最优区间解。研究发现,仅使用遗传算法进行反向设计时,计算量很大,难以满足实际设计要求。将人工神经网络引入反向设计中,利用人工神经网络预测新个体的目标值,减少了反向设计的计算量。为保证设计精度,同时使用CFD和神经网络计算新个体的目标值。提出了对数归一化方法和优选初始种群方法提高反向设计效率。进一步提出了自更新神经网络,实现了训练样本量的自适应,并使Blay模型与客机座舱模型反向设计的计算量分别降低了49.4%和60.8%。将模糊控制技术应用在反向设计中。利用模糊控制与神经网络获得个体的计算概率,结合模糊控制与遗传算法获得个体的进化区间。在二维及三维座舱模型的反向设计中,上述计算概率和进化区间控制使计算量再分别下降26.6%和24.6%。总之,本文提出的反向设计方法提高了室内环境反向设计效率,客机座舱反向设计的计算量减少了71.3%。