补料分批发酵是目前发酵工业中最流行的发酵方式,在补料分批发酵过程中,基质或营养物通过间歇或连续的方式加入发酵液中。补料速率的控制对于发酵产量具有重要的影响,传统工艺中一般是根据经验选择一个恒定补料速率进行补料,而微生物发酵过程在不同的阶段体现不同的特性,这种恒速的补料方式具有很大的局限性,无法适应不同时段发酵过程的养料需求,因此选择合适的优化算法对每个时段的补料进行优化,从而获得一条适宜微生物发酵补料方案对提高产物产量具有重要的意义。粒子群算法是一种新兴的群智能优化算法,算法机理简单,鲁棒性较强,适应于各种优化问题。但是传统粒子群算法粒子运动目的性较强容易导致多样性消失,从而陷入局部极值点,另外,算法迭代后期粒子无法对其邻域进行的精细搜索,局部搜索能力较差。本文针对这两个缺点提出三点改进策略：1、为提高初始种群的多样性,采用一种基于Logistic混沌序列进行初始种群的生成,从而保证初始粒子的遍历性；2、为避免粒子速度消失而导致的种群多样性消失,采用一种白适应的速度变异策略,对陷于停滞的粒子进行激励,从而保证算法逃离局部极值点；3、在粒子群算法中引入人工免疫算法中的克隆选择机制,对优质粒子附近进行精细化搜索,从而提高算法的局部搜索能力。将三种策略进行整合提出一种自适应变速的免疫粒子群算法,理论上改进算法具有更好的搜索性能与摆脱局部极值点的能力。采用三种经典测试函数对算法进行优化仿真,本文所提改进算法在单峰与多峰优化问题中都体现了更好的优化性能,从而初步验证了算法的有效性。发酵过程优化控制一般有两种优化策略。白箱优化追求每个时刻的产量最大化,是一种贪心算法思想,黑箱优化忽略发酵过程中的产物产量而只关注发酵最终的产量。针对白箱优化和黑箱优化,分别引入改进粒子群算法进行补料速率的寻优,通过人体乳头菌病毒(Human Papillomavirus,HPV)蛋白与白介素-2的发酵数据进行优化仿真,与其他算法对比发现,本文所提优化算法在两种优化策略中都取得了更好的产物产量,而算法的收敛速度也明显优于其他算法,其中白箱优化策略由于自变量维数较低,优化过程相对较容易,其中每种优化算法都取得了一定的优化效果,而黑箱优化中自变量维数较高,本文所提改进算法优化结果明显由于其他优化算法,而传统粒子群算法由于优化性能有限无法取得优化的效果,从而证明了算法在发酵过程优化控制中的工程使用价值。