卷烟配方设计涉及的数据及加工工艺非常复杂，是一个典型的不确定性，非线性问题。其主要任务为：一是对单料烟叶进行有效分组，二是建立合理的叶组化学指标、感官质量指标和烟气化学指标之间的数学模型；三是根据成本最小原则，建立优化模型，有约束的求解，得到最佳烟叶组合的比例。因此，本文考虑使用模糊聚类，BP神经网络，约束非线性优化集成应用来进行卷烟配方设计。 全文共分为5章。 第一章提出了本文选题背景、研究内容、研究意义、技术路线及创新点等。 第二章详细阐述了传统烟叶分类过程及其弊端，提出了基于模糊等价矩阵的模糊聚类方法，并对构造模糊相似矩阵的方法、系数的确定进行研究，确定了适合卷烟配方的模糊相似矩阵，进而对单料烟叶进行有效分组。 第三章研究了BP网络在卷烟配方化学成分预测中的应用。根据BP网络的算法原理，分析了BP算法在应用于复杂问题时往往收敛很慢的原因。从激活函数，隐层节点数，权值，学习率等多方面对多个改进算法进行收敛性比较。最后结合卷烟配方问题，提出适合卷烟配方设计的BP网络拓扑结构，以及各种参数的设置，解决了卷烟生产中人工对卷烟感官质量评吸和烟气化学指标预测难的问题。 第四章从单料烟叶的化学属性出发，利用约束非线性优化，寻求组成叶组配方的各单料烟叶的比例。采用该方法设计卷烟配方，能产生较好的经济效益和社会效益。 第五章介绍了模糊聚类、BP网络和约束非线性优化三种数学方法在卷烟配方设计中的集成应用，详细说明了设计过程及系统流程，并对全文进行了总结。