本方向主要研究内容有：(1)仿生进化优化理论;(2)无线网络资源管理中的分布式智能计算;(3)基于仿生进化计算的物流配送。          

本方向学术带头人李霞教授是中国电子学会、计算机学会高级会员，IEEE智能计算分会会员，Chinese Journal of Electronics, Journal of Information Hiding and Multimedia Signal Processing编委。长期从事仿生进化优化理论及应用研究，主持国家自然科学基金等省部级以上项目共６项，发表论文35篇，其中SCI/EI收录21篇。充分利用仿生学“学习自然界的现象作为技术创新的模式”的基本概念，率先构建应用于矢量量化图像压缩编码的人工蚁群系统模型，研究成果“学习矢量量化的研究及其在图象编码中的应用”获2007年广东省科学技术奖励二等奖。

本方向着重研究各种仿生进化优化方法，如人工蚁群优化、混合蛙跳算法以及极值动力学优化的工作机理与收敛性分析，探索多种仿生进化计算技术的融合及其与其它启发式算法的集成，以寻求求解大规模工程优化问题的新思路、新方法与新手段。

将智能计算应用于网络资源管理，主要研究将无线网络中的跨层优化转化为多目标优化问题，设计基于随机搜索的时间复杂度低、多样化性能和收敛性能均良好的集成多目标智能优化算法，同时考虑能耗管理、MAC调度和网络层路由优化等参数，构建实现网络的拥堵控制和能量均衡等综合优化的路由多目标模型。

将智能计算应用于电子商务或供应链系统中的物流配送，使之具有自动化、智能化和柔性化的特征，对车辆路径问题、柔性作业车间调度问题以及航运系统中的码头集卡调度等开展关键问题深入研究，、以上问题通常由多个可能相互冲突的目标组成，可用高维目标空间的多目标优化描述，通过机器学习中的数据降维与智能优化相结合的方式，设计合理、有效的方案，实现高效、快捷的物流配送。

近五年，本方向已在国内外学术期刊及国际会议上发表论文近80篇，其中SCI /EI 收录40余篇，出版学术专著2本。目前承担国家自然科学基金项目等项目共20余项，科研经费充足，实验设备先进，有能力为广东省及深圳市的高素质人才培养做出贡献。