大型复杂流程工业的生产计划调度已经成为控制界研究的前沿和难点。由于实际工业过程中存在的复杂非线性特性给计划优化带来了模型求解效率低下,难以在可接受的时间内优化得到合理的生产决策等一系列严重问题,一直制约着过程优化领域的发展与应用。本论文针对这些问题,基于电石法生产聚氯乙烯(PVC)的工业过程,在考虑全流程范围下的物料生产系统与公用工程系统的情况下,建立了以最小化总成本为目标函数的多周期计划优化模型,并在建模过程中引入分片线性(PWL)逼近技术处理非线性特征,提出了基于分片线性化的PVC优化模型,提高了模型求解效率;针对模型规模庞大的MILP模型求解问题,提出了基于离线组合的模型分解算法,提高了求解的速度与稳定性;针对实际生产过程中的不确定问题,提出了一种时变不确定情况下的鲁棒计划优化方法。论文所提出的算法及模型均在聚氯乙烯生产过程中进行了验证,并取得了良好的效果。论文主要工作归纳如下:针对实际工业过程中存在的复杂非线性特性为计划优化问题带来的模型求解效率低下问题,论文引入分片线性逼近技术,用分片线性模型替代生产过程中的非线性特性,直接在建模阶段避免非线性的问题。采用链接超平面(HH)模型,利用HH模型的局部线性全局非线性的特点,将原来的大规模混合整数非线性规划(MINLP)问题模型转化为基于分片线性逼近的混合整数线性规划(MILP)模型。相比于MINLP模型,改进的MILP模型的优化算法更加成熟,求解效率更高。经案例比较,基于PWL的改进模型的求解时间可以缩短97%以上,得到的最优目标函数的值也更优于MINLP模型。针对分片线性逼近技术得到的MILP模型规模庞大问题,论文在改进的MILP模型的基础上,进一步提出一种基于离线组合的模型分解算法来加速求解过程:将大规模计划模型分解为两层,第一层在对生产设备以最优能耗点进行层级划分得到离线模型的基础上优化一个等价的MILP问题,确定表征设备操作状态的二值变量;第二层以PWL模型为基础,在二值变量确定的情况下,代入计划优化模型调整设备的工作点,最终确定模型的最佳决策方案。最后,由相同案例分析验证算法的有效性。针对在实际生产过程中市场需求波动、原料价格波动等不确定因素,论文结合实际生产数据进行分析,提出一种在长周期下呈时变特性的不确定分布情况,利用随机规划理论和机会约束规划建立不确定计划优化模型,并用确定性模型转化的方法,得到在某置信水平下的确定性等价模型,研究时变不确定情况下的鲁棒计划优化。该鲁棒计划优化方法的有效性也在聚氯乙烯工业生产过程中得到了验证。