Los problemas de síntesis y análisis de modelos multidimensionales controlados de dinámica de poblaciones son de interés tanto teórico como aplicado. La necesidad de resolver problemas de optimización numérica para esta clase de modelos está asociada con la expansión de los requisitos de control del ecosistema. La necesidad de resolver el problema de estocastización está asociada con la aparición de nuevos problemas en el estudio de las propiedades de los sistemas ecológicos bajo la influencia de factores aleatorios. El objetivo del trabajo es desarrollar un nuevo enfoque para estudiar las propiedades de los sistemas de dinámica de poblaciones utilizando métodos de optimización numérica, estocastización y aprendizaje automático. Se estudian los problemas de síntesis de modelos tridimensionales no lineales de dinámica de número de especies interconectadas, teniendo en cuenta las cadenas tróficas y la competencia en poblaciones de presas. Se demuestran teoremas sobre la estabilidad asintótica de los estados de equilibrio. Se realiza un estudio cualitativo y numérico de los modelos. Utilizando experimentos computacionales, se verifican los resultados de un estudio de estabilidad analítica y coexistencia permanente. La búsqueda de estados de equilibrio pertenecientes a la región de estabilidad y coexistencia permanente se realiza utilizando el algoritmo inteligente desarrollado y cálculos evolutivos. Se realiza la transición desde el modelo especificado por la ecuación diferencial ordinaria vectorial al modelo estocástico correspondiente. Se lleva a cabo un análisis comparativo de modelos deterministas y estocásticos con competencia y cadenas tróficas. Se revelan nuevos efectos característicos de modelos tridimensionales, teniendo en cuenta la competencia en poblaciones de presas. Se propone la formulación del problema de control óptimo para un modelo con competencia y cadenas tróficas. Para encontrar trayectorias óptimas, se desarrollan nuevos algoritmos generalizados para optimización numérica. Se desarrollan métodos para la síntesis de controladores basados en el uso de redes neuronales artificiales y aprendizaje automático. Se presentan los resultados sobre la búsqueda de trayectorias óptimas y generación de funciones de control. Los resultados obtenidos pueden ser utilizados en problemas de modelado de sistemas ecológicos, demográficos, socioeconómicos y de cinética química.