供水库群优化调度在水资源开发、利用和管理中占据着十分重要的地位。已有的一些优化方法在解决库群优化调度问题的适用性和有效性上有所不足，因此需要进一步研究如何增强算法的适用性和有效性。本文以深圳市宝安区复杂供水库群水资源系统的优化调度为实例，结合计算智能在复杂水资源系统研究中的一些热点和难点，针对供水库群系统中的径流预测和优化调度问题，总体上进行了以下几方面的探索和研究。首先，基于相空间重构理论对供水库群的月径流预测问题进行了研究。在初步分析径流资料一致性的基础上，运用BDS统计法对库群径流序列的非线性进行检验。在重构相空间的基础上计算最大李雅普洛夫指数，表明库群径流序列中存在着混沌特性。结合BP神经网络和遗传算法建立了一维、多维局部和全局模型，并进行了相应的分析和比较。其次，针对供水库群的优化问题设计了基于大系统聚合分解的混合智能算法。融合了遗传算法和蚁群算法，综合随机性搜索和确定性搜索，设计了基于种群进化的混合智能算法。基于模拟退火法构造罚因子，为有效地解决带有约束的优化问题设计了一个较为通用的框架，并将该算法与原算法进行了数值试验对比及相应的实证分析。同时，对于众多供水片区，采用模糊综合评价模型赋以不同权重将其合并为一个供水片区，从而对系统进行降维。与之对应，设计了相应的供水片区的分解算法。考虑到水库的调蓄特性，提出了水库群联合调度可行区间的概念及相应的求解算法。第三，运用进化算法对库群多目标优化调度算法之一的非劣解生成法及相应的模糊评价技术进行了研究。在较为系统的归纳并研究了基于种群技术的多目标进化算法理论及关键技术的基础上，设计了基于Pareto强度的多目标进化算法并对其进行了实证分析。在非劣解集生成的基础上，基于近似理想点法，建立了单人和多人非劣解集模糊评价模型，可以更好地描述决策过程中决策者的主观不确定性。最后，应用模糊集来描述水库入流的不确定性和目标函数的模糊性。根据模糊决策、模糊极值和模糊线性规划基本原理对供水库群建立了相应的模糊规划模型。并利用入流可靠度和目标实现满意度来评价优化调度方案，将供水库群的随机优化调度模型转化为模糊规划模型，从而达到既可以体现水库入流的不确定性，又可以简化问题的目的。