化学工业是国民经济的支柱行业,关系到人们日常生产、生活的各个领域。由于本身的复杂性,化工过程的建模与优化方法研究已越来越受到人们的关注。模型性能的好坏直接影响到过程的控制品质,优化对挖掘生产潜能、提高生产效率、降低能耗起着非常重要的作用。然而,传统方法在解决复杂化工问题时并不令人满意。本文针对合成氨等复杂的化工过程,研究了神经网络(NN)、支持向量机(SVM)等智能建模方法以及粒子群优化算法(PSO)等进化方法,建立了过程的相关数学模型并提出了几种改进的智能优化算法。本文的主要研究成果如下：(1)为了克服粒子群优化算法(PSO)和差分进化算法(DE)易早熟收敛的问题,将粒子群优化和差分进化相结合,对差分进化算法的选择操作中被舍弃的试验个体加以利用,提出了一种预交叉差分进化操作粒子群优化算法(PSOPDE)。该算法为个体提供了两种完全不同的搜索方式,以增加种群找到更优解的概率。同时,由于选择操作中被舍弃的试验个体具有较高的多样性,因此在差分进化计算之前,将其与经过粒子群优化更新后的个体进行预先交叉,增加了整个种群的多样性。通过大量仿真实验,研究和分析了算法的几个关键参数的选取。典型测试函数的仿真结果表明,PSOPDE算法比PSO、DE以及几类改进算法的效果更好。将PSOPDE算法与BP神经网络相结合,建立了丙烯腈收率软测量模型。实验结果说明该模型具有较好的外推能力,验证了PSOPDE算法的全局收敛能力。(2)在基本PSO算法中引入扩张操作和收缩操作,提出了一种缩放型粒子群优化算法(PSOEC)。扩张操作在个体历史最优位置周围的有效区域进行搜索,帮助粒子有效跳出了局部极小点；而当扩张操作找到的新位置不是足够好时,收缩操作则在新位置和全局最优位置之间进一步搜索,以期找到更优的解。通过大量的仿真实验,给出了该算法参数的合理选取范围,并将PSOEC与其它算法进行了比较,比较结果令人满意。将PSOEC算法用于优化BP神经网络(BPNN)的权值和阈值,建立了基于PSOEC-NN的氨合成塔出口氨含量软测量模型。模型结果表明,PSOEC-NN的测试误差较小,具有较强的泛化能力。(3)引入并行计算的思想,设计了一种混合粒子群优化-差分进化的改进算法(HPSODE)。在HPSODE算法中,种群被划分为个体适应值参差不齐的规模不同的两个子种群,每个子种群分别按照PSO算法和DE算法的进化方式对问题空间进行并行搜索,随后将更新后的子种群重新结合以构成下一代的新种群。为了解决DE子种群的个体无法按照基本PSO策略进行速度更新的问题,引入了一种忽略当前速度而更新粒子的PSO方法。HPSODE算法保证了粒子(个体)在并行进化过程中接受两种不同策略的指引,同时种群的分解与重构又增加了两个子种群间的信息交流。分析和讨论了HPSODE算法的参数选取。将HPSODE用于优化最小二乘支持向量回归(LSSVR)模型的超参数,建立了用于描述合成氨流程中关键操作参数与氨净值之间复杂非线性关系的优化模型(HPSODE-LSSVR)。实验结果验证了HPSODE-LSSVR的有效性。(4)针对氨合成过程中氨净值最大化问题,提出了一种多种群文化差分进化算法(MCDE)。MCDE算法在文化算法框架中引入了多种群的思想,每个种群基于文化算法的双层进化(种群空间和信念空间)模型独立的对问题空间进行搜索。同时,种群之间通过定期的知识交流来实现信息的全局共享。为了降低种群陷入局部极小值的风险,引入了文化融合的概念,提出了自适应的种群多样性保持机制,有效避免了早熟收敛现象。MCDE算法经过11个典型约束优化问题的测试,表现出了较好的性能。基于HPSODE-LSSVR优化模型,将MCDE算法用于求解氨合成过程中氨净值最大化问题,计算结果验证了算法的可行性。(5)将协同进化的思想引入文化算法框架中,提出了一种竞争型协同文化差分进化算法(CCCDE)。借助于多个种群间的竞争关系,建立了一种分“三步”的种群多样性评判标准,判断出早熟收敛的种群和不活跃的个体,从而帮助种群跳出局部极小点并重新激活不活跃的个体。经过典型约束优化问题的仿真研究,显示了CCCDE算法对处理约束优化问题的适用性。将CCCDE算法应用于丁烷化工业过程中效益最大化问题的研究,所得结果验证了算法的有效性。(6)针对实际的合成氨生产流程,设计开发了氨合成塔操作优化系统应用软件。应用软件的功能包括与现场DCS连接、在线计算合成塔出口氨含量、计算放空气流量的建议值、计算最佳的操作参数和相应的阀门开度以及计算结果的在线显示和报警、电子生产报表的生成和查询等。该应用软件自实际投运以来取得了较好的效果。