对于像非线性模型预测控制这样的最优控制在线应用,高效的计算算法至关重要。尽管目前已有许多求解最优控制问题的高效算法,但如时滞这样的复杂因素对计算效率的影响尚未得到深入的分析。本论文的目标是提出一套高效求解算法用于含有状态、控制时滞的最优参数估计和最优控制问题。首先,针对多状态时滞非线性系统,结合隐式连续龙格库塔方法提出了一种基于动态优化的时滞估计算法。通过隐式龙格库塔积分器计算输出预测误差,并根据内数值微分的思想,提出了伴随敏感性传播的梯度计算方法。与状态敏感性传播算法相比,该算法在估计多个时延时更为有效。此外,不强制积分步长比时滞小,避免了密集时间网格,降低了计算代价。在此基础上,引入预测—修正策略减少积分所需的牛顿迭代次数。利用所提出的函数评价和梯度计算方法,在内点非线性规划求解器Ipopt的框架下设计序列式求解算法。对连续搅拌釜式反应器中化学反应的时滞估计问题设计求解算法,结果表明,所设计的算法能够有效地估计状态时滞,且具有满意的精度。而且,预测—修正策略能对算法做进一步地加速。接下来,针对较上述系统更复杂的具有状态和控制时滞的非线性时变系统,通过控制参数化将复杂问题转换为控制输入为分段常值函数且作用区间可调的非线性规划问题,并利用时间尺度变换将变控制切换点映射到固定点,避免了系统变分敏感性出现跳变。同时,通过嵌入一个固定阶数的提升式隐式CRK积分器,在该积分器中引入预测—修正策略以减少牛顿迭代次数。此外,算法还采用了一种积分误差控制方案,有助于保证积分精度,增强优化过程的收敛性。最后,基于Ipopt编写序列式算法对几个算例进行求解。计算结果表明,切换时刻可变比固定切换时刻具有有更好的控制效果,积分误差控制对算法的收敛起到了一定的辅助作用,而且预测—修正策略在一定条件下可以加速算法的计算过程。