根据国家战略需求,实现我国2030年的碳达峰目标具有重要意义。在总体能耗中,建筑能耗约占46.5%,而其中,空调、采暖设施的能耗占主要比例,约为66%,因此针对暖通空调系统的节能技术研究意义重大。变风量空调系统具有节约能耗、性价比高、灵活性好、运行成本低等优点,但由于其多变量耦合特性,以及各子系统存在的滞后属性,如何有效保证变风量空调系统稳定、安全高效地运行,是其控制技术研究的重点。广义预测控制（generalized predictive control,GPC）凭借其对控制率及系统输出的滚动优化与反馈校正,使控制器能够有效补偿时变、干扰等不利因素对系统造成的影响,从而呈现出优良的控制性能和鲁棒性,在变风量空调系统中得到了广泛的应用。首先,针对变风量空调系统GPC参数整定问题,提出一种基于参数自适应天牛群（beetle swarm optimization algorithm,BSO）的GPC参数整定算法。构建参数自适应的新型天牛群算法,通过动态化选取权重参数与学习因子,以获得更佳的寻优性能。而后,提出一种基于参数自适应天牛群算法的新型GPC参数整定方法,可以同时整定控制器的控制加权系数λ、控制时域Nu、预测时域Np及柔化系数α,并通过仿真实验,验证了所提算法的正确性与有效性。其次,针对系统维度增加导致所提改进天牛群算法在线计算量较大的问题,提出一种基于种群衰减天牛群的GPC参数整定算法。构建种群周期衰减及事件触发衰减的新型天牛群算法,在保证天牛群寻优精度的前提下,显著降低其在线计算量。提出基于种群衰减天牛群算法的GPC参数整定策略,并通过仿真实验,验证了所提算法的有效性与正确性。最后,利用奥普拓半实物实时仿真实验平台（o Simulator）,结合具体空调控制系统应用情况,对所提算法进行实验验证及分析。实验结果表明,本文所提出的基于改进天牛群的GPC参数整定算法,能够在保证参数整定效率的前提下有效提升空调系统控制性能,说明所提算法具备良好的应用与推广潜力。