به علت پیچیدگی که در سیستم های مختلف موجود می باشد وجهت تحلیل و درک بهتر این سیستم ها نیازمند آن می باشیم تا مدلی از آنها داشته باشیم. علاوه بر روش های معمول مورداستفاده جهت شناسایی سیستم ها در سال های اخیر روش های هوشمند و بویژه مدل های فازی جهت شناسایی سیستم ها مورد استفاده قرار گرفته اند دارد. همچنین الگوریتم های تکاملی جهت بهینه سازی بسیار مورد استفاده قرارگرفته اند که علاقه مندان بسیاری را نیز به خود جذب کرده اند. در این تحقیق جهت شناسایی از سیستم های فازی استفاده گردیده است که در کنار آن ها جهت بهینه کردن الگوریتم مورداستفاده از الگوریتم های تکاملی بهره برده شده است. سیستم هایی که مورد شناسایی قرارگرفته اند از بویلرهای بازیافت نیروگاه سیکل ترکیبی کرمان انتخاب شده اند که از حساسیت زیادی در نیروگاه برخوردارند. جهت برطرف کردن اشکالاتی که در حلقه های کنترلی آن ها وجود دارد نیاز به شناسایی این سیستم ها می باشد که این عمل توسط الگوریتم های پیشنهادی انجام پذیرفته است. از سیستم فازی تاکاگی – سوگنو استفاده شده است که جهت بهینه سازی پارامتر های آن از الگوریتم های تکاملی تک هدفه و چند هدفه استفاده گردیده است. سه روش ارائه شده است: در روش اول از الگوریتم خوشه بندی کاهشی جهت تولید مدل سوگنو فازی استفاده شده است. در روش دوّم با استفاده از الگوریتم ژنتیک به بهینه سازی مدل سوگنو تولید شده بر مبنای الگوریتم خوشه بندی کاهشی پرداختیم. روش پیشنهادی سوم همان مسأله بهینه سازی روش پیشنهادی دوّم را با رویکرد چند هدفه حل می کنیم. در نهایت پس از بررسی نتایج بدست آمده مشخص است که روش پیشنهادی دوّم از دقت بالاتری برخوردار است و میزان خطا بسیار کم می باشد ولی در مقایسه با بقّیه روش ها، مدل بدست آمده پیچیده تر می باشد. روش پیشنهادی سوم نسبت به بقیه روش های پیشنهادی بهینه تر است هرچند که دقت مدل در مقایسه با روش پیشنهادی دوّم کم تر است ولی مدلی ساده تر بدست آمده است.