本论文对包含遗传算法、模糊逻辑控制和神经网络的软计算的智能控制及其几种不同结合方式做了较为系统的研究。对于遗传算法(GA)，本文讨论了它的基本原理、操作步骤、模式理论及GA的计算机实现问题，以及简单遗传算法的几种改进措施。本文首先用遗传算法来对船舶航向保持自动舵的PID控制参数进行在线优化，通过对用常规工程方法整定的PID控制和用遗传算法优化的PID控制的仿真曲线的比较，说明了遗传算法强的全局寻优能力。对于模糊控制，本文首先介绍了模糊控制系统的工作原理、模糊控制器的设计、模糊控制的优缺点，并对T-S模型的模糊控制做了较详细的讨论。根据遗传算法的长处和模糊控制的缺点，提出了基于遗传算法的模糊控制器(GA-FUZZY)，并分别应用于船舶航向模糊控制规则的优化和二级倒立摆的控制中；仿真结果表明，通过遗传算法学习后的模糊控制器的性能有了很大的提高，控制效果令人满意。在神经网络控制方面，本文主要研究了小脑模型关节控制器(CMAC)，并进而根据CMAC与模糊逻辑的互补性与相似性，提出了模糊小脑神经网络控制器(FCAMC)，详细讨论了FCMAC的学习控制系统与FCMAC的自学习机理，通过FCAMC对倒单摆控制的具体例子表明，FCMAC控制具有优良的控制效果和强的鲁棒性。作为FCMAC控制的一种改进措施，本文提出了GA-FCMAC控制算法，并成功的应用于一级倒立摆的控制中。本文最后把基于软计算的智能控制算法应用于实船的运动控制。作者采用加上风、浪、流等干扰的复杂的非线性船舶数学模型，以期能较真实地模拟船舶运动的实际情况。通过采用FCMAC、GA-FCAMC算法对两艘实船模型的仿真研究，均取得了令人满意的仿真效果，这对提高船舶的控制性能、节能等方面的研究和实际控制工程应用具有参考价值。本文对于基于软计算的智能控制的几种不同结合方式的研究及仿真结果表明，对不同的智能控制算法进行结合集成，能够综合吸取两种算法的优点，而将两者的缺点相互抵消，实现更好的控制效果。