本论文是基于对我国交通通讯等网络中各类网络容量扩张问题进行分析,提出了在不确定环境下的网络容量扩张问题并加以研究. 本文有利于交通运输和通讯部门更好地利用资金,制订合理的网络建设计划加快发展.本文在不确定环境下(单位扩张费用为不确定量),对网络瓶颈容量扩张问题进行研究,并为这些系统提供了统一的建模思想。为了求解所建立的模型,设计了由网络扩张算法,模拟,神经元网络以及遗传算法组成的混合智能算法。实验例子表明该算法性能稳健,精度较高,具有解决复杂问题的能力。本论文主要分为四个部分: 第一部分(即第二章)介绍了确定环境下,单阶段和多阶段网络瓶颈容量扩张问题,给出相应的模型和算法。其中对后面用到的混合算法中的一些方法进行介绍:遗传算法,神经网络算法。第二个部分(即第三章)讨论了随机环境下的单阶段网络瓶颈容量扩张问题,本文假设网络扩张中,单位扩张费用是一些随机变量,它们符合一定的概率分布。根据不确定规划的原理,我们给出了该随机系统的期望值模型,机会约束模型,相关机会模型,并给出了该三类问题的混合智能算法,并通过实例来验证算法的合理性,得到了较好的结果。基于第二部分的单阶段网络瓶颈容量扩张问题的基础,本文的第三部分(即第四章)根据不同的准则,提出了三种随机型多阶段网络瓶颈容量扩张规划,包括期望值模型,机会约束模型,相关机会模型,我们通过应用动态规划的方法来处理该多阶段的问题,给出了相应的混合智能算法。第四部分(即第五章),本文考虑了有时候一些不确定变量是没有概率分布的,但是为了表示它们,需要采用模糊理论,所以在该部分,讨论了在模糊环境下的网络瓶颈容量扩张问题,设计出该系统的期望值模型,机会约束模型,相关机会模型,为了求解这些模型,首先用模糊模拟方法计算不确定函数的值从而得到数据样本,然后训练一个神经网络嵌入到遗传算法中,从而得到一个混合智能算法。大量数据实验表明,该算法是可行有效的。