乙烯工业是石油化工行业的重要支柱,裂解炉是乙烯工业的关键设备。如何使乙烯裂解炉高效、安全地运行,格外重要。然而在实际生产中,裂解炉往往并不能够处在优化的运行状态；对裂解炉的管理还停留在经验操作上,往往不能合理地调整裂解炉的操作条件；尤其在裂解原料产生变化的情况下,不能及时改变生产调度和策略,造成了不必要的浪费和损耗。本文解决了裂解炉在实际运行中遇到的两个问题。一、在进料发生改变时,不能合理地调节裂解炉的操作参数；针对这一问题,本文建立了双烯收率优化模型,该模型以现场实际的输入输出数据为样本,应用神经网络进行建模,利用改进的群搜索算法对模型进行寻优处理。其中,在原有群搜索算法的基础上,本文提出了差分群搜索算法和量子群搜索算法,提升了群搜索算法的寻优性能。二、在裂解炉一个运行周期的切料过程中,不能合理地对切换时间和相关操作变量进行处理；针对这一问题,本文应用CoilsimlD软件预测裂解炉全周期的操作变量进行建模。针对模型中的非线性约束问题,在原有的双适应值法和罚函数法的基础上提出了改进策略,通过经典的测试函数仿真验证,本文提出的算法具有良好的鲁棒性和较快的收敛速度,在与其他一些经典的算法比较中,显示出了良好的寻优性能。最后,以某乙烯厂裂解炉实际的运行情况为研究实例,应用本文提出的模型和算法,在进料发生改变时更合理地调整裂解炉的操作参数,在裂解炉进料调度过程中,可以得到合理的进料调度方案。这样,裂解炉的生产效率得到明显改善,生产效益得到了显著提高,从而为现场的操作人员提供了理论依据。