امروزه کنترل مدل پیش بین به دلیل توانایی در پیش بینی رفتار آینده سیستم های چند متغیره و کنترل بهینه آنها همراه با در نظر گرفتن قید ها و محدودیت های حاکم، تبدیل به یک استراتژی کنترل پیشرفته در صنعت شده است. از آنجاییکه سیستم های موجود در صنعت اغلب غیر خطی می باشند، کنترل مدل پیش بین غیر خطی می تواند بهترین گزینه برای این سیستم ها باشد. استفاده از مدل غیر خطی جهت پیش بینی سبب می شود تا مسئله بهینه سازی از نوع مقید غیر خطی و اغلب نامحدب باشد. عموما پیدا کردن یک پاسخ بهینه سراسری برای اینگونه مسائل کار ساده ای نمی باشد. برای رفع این مشکل، هوشمند سازی کنترل پیش بین از نظر بهینه سازی می تواند راهکار مناسبی باشد که در این پایان نامه، ترکیب الگوریتم های بهینه سازی تکاملی و روش های بهینه سازی غیر خطی، جهت حل مسئله پیشنهاد می شود. از طرف دیگر مدل های موجود برای سیستم های صنعتی عموما همراه با نامعینی می باشند، در نتیجه پیش بینی رفتار سیستم ها اغلب داری خطا خواهد بود. استفاده از مدل هایی که با روش های هوشمند چون منطق فازی و شبکه های عصبی بدست می آیند می تواند خطای حاصل از پیش بینی را کاهش دهد. در این پایان نامه از منطق فازی برای مدل سازی رفتار سیستم غیر خطی و در نتیجه جهت هوشمند سازی کنترل مدل پیش بین استفاده می گردد. برای ارزیابی روش های پیشنهاد شده، سیستم های غیر خطی زیر در انجام شبیه سازی ها مورد استفاده قرار گرفتند : سیستم چهار تانک، سیستم تبخیرگر و سیستم فرا آشوبی چن و به این شکل قابلیت روش های پیشنهادی در اعمال به سیستم های مختلف ارائه می گردد.