在评估和选择合适的计算智能算法和工具时，首先需要考虑以下几点：
问题类型：首先要明确你所面临的问题是属于分类、回归、聚类还是其他类型的问题。不同类型的问题需要不同的算法来解决。
数据情况：了解你的数据情况，包括数据的大小、维度、稀疏程度等。不同的算法对数据的要求不同，需要根据数据情况选择合适的算法。
算法性能：对于已有的算法和工具，需要评估它们的性能，包括准确性、速度、可解释性等指标。可以通过实际数据集进行测试和比较。
可扩展性：考虑算法和工具的可扩展性，是否能够处理大规模数据和高维度数据。
可解释性：有些场景下需要算法具有可解释性，能够清晰地解释其预测或分类的依据，这对于一些决策敏感的领域尤为重要。
在实际选择算法和工具时，可以考虑以下几种方法：
对比实验：针对特定的问题和数据，可以设计对比实验，使用不同的算法和工具进行测试和比较，从而选择性能最优的算法和工具。
领域经验：借鉴领域内的经验和案例，了解在类似问题上已经取得了什么样的成果，可以帮助选择合适的算法和工具。
咨询专家：如果条件允许，可以咨询领域内的专家或从业者，获取他们的建议和意见。
考虑实际应用：最终选择的算法和工具需要能够很好地适应实际应用场景，考虑其在实际环境中的可行性和效果。
举个例子，如果你需要处理一个文本分类问题，可以考虑使用朴素贝叶斯、支持向量机或深度学习模型。可以先对比这几种算法在实际数据集上的表现，然后根据具体情况选择性能最好的算法。