教学优化算法(TLBO)是一类新型群智能算法,模拟了教师教学过程,具有参数少、收敛速度快、实现简单等特性。本文对TLBO算法及其在化工过程建模中的应用进行了较为深入的研究,主要工作内容如下:1)综述了教学优化算法的发展状况,并介绍了化工过程建模方法。2)提出了一种混合粒子群教学优化算法(HPTLBO)。粒子群算法(PSO)概念简单、易于实现、收敛较快,具有可追溯记忆以及较强的全局搜索能力;TLBO算法在每次迭代中都会采用贪婪策略,局部搜索能力较强,能够对适应度值进行比较并记录当前最优解。分别在PSO算法中引入交叉操作来增加种群的多样性,采用变权重速度更新使搜索能快速逼近最优解;在TLBO算法中采用优选策略以减少算法中可能冗余的运行时间,引入课外学习机制利于发现更优个体,减少算法陷入局部最优的可能,将两者混合后得到HPTLBO算法。通过典型测试函数的测试果表明HPTLBO算法具有良好的寻优效果。将HPTLBO算法用于精馏塔支持向量机优化建模,仿真实验结果表明了所建模型的有效性。3)提出了一种受鱼群行为启发的教学优化算法(MFTLBCO)。将人工鱼群算法(AF)中的拥挤度因子用于定义教师对学生的把控程度或约束力,拥挤度范围内的学生个体向教师附近聚集,部分难以约束的学生执行追尾行为追随优等生。通过AF算法中的邻域搜索策略来增强TLBO算法的局部搜索能力。所提MFTLBO算法提高了 TLBO算法在高维问题中的寻优性能。将MFTLBO算法用于催化裂化反应-再生过程RBF神经网络优化建模,仿真实验表明了所建模型的有效性。