城市污水控制系统的规划、设计和运行是涉及到多变量的、受多种不确定性影响的一系列决策过程。传统的优化决策理论与方法不能有效地考虑系统固有不确定性的影响，存在一定的片面性和局限性，使模型的实际应用受到限制。本文吸收了国内外最新的研究理论与方法，应用刘宝碇教授近几年创建的不确定理论，研究了在不同的不确定环境下的城市污水控制系统问题。文中定义了一些新的费用极小化污水控制系统治理量概念，根据不同的决策需求提出了若干模型，同时也设计了混合智能算法，解决了求解这些模型的难点，并给出一些数值实验来说明算法的有效性。本文对优化城市污水处理厂的设计和运行，具有重要的指导意义。 本文把不确定性理论引入到该问题中，研究了随机环境下的城市污水控制系统问题。在介绍了两种新的费用极小化污水控制系统治理量概念之后，本文提出了随机期望费用极小化模型、随机α—费用极小化模型，将随机模拟嵌入到遗传算法中设计了混合智能算法来求解模型，并用一个数值试验展示了算法的有效性。对于模糊情况，本文建立了模糊期望费用极小化模型、模糊α—费用极小化模型。根据可信性理论，在水流量值由梯形模糊变量刻画的假设前提下，本文分别给出了模型的两个清晰等价形式。随后，本文给出了求解模型的混合智能算法和证明其有效性的数值例子。进一步，本文介绍了随机性和模糊性并存的不确定性的模糊随机理论的基本知识，提出了模糊随机期望费用极小化模型、模糊随机（α，δ）—费用极小化模型，并设计了结合模糊随机模拟和遗传算法的混合智能算法，给出了展示算有效性的数值例子。最后，本文把基于概率论和可信性理论的机会理论引入到该问题中，提出了混合期望费用极小化模型、混合α—费用极小化模型，并设计了结合混合模拟和遗传算法的混合智能算法，给出了数值实验展示了算法的有效性。 总结本文的创新点，包括以下几个方面：（1）提出了在随机环境、模糊环境、模糊随机环境和混合环境下的城市污水控制系统问题的若干模型；（2）设计了结合不确定模拟和遗传算法的混合智能算法，并提出了证明其有效性的数值实验。