害虫的控制问题一直是林木业及农业管理中的一个重要并且热门的研究课题,经典的优化控制理论通常是基于一组封闭的微分方程展开讨论的。尽管传统的基于常微分方程的优化理论已经相当成熟,但是常微分方程只为我们提供了一个泛泛的描述,没有考虑随机因素的影响,并且基于传统的优化算法计算负载较大,算法效率低。参数估计是随机过程模型优化工作的前提,本文研究了随机过程模型的参数估计方法,并给出了马尔可夫过程模型的回归优化算法。第二章我们研究了生物化学反应系统的参数估计问题,提供了几种常见的参数估计算法。本文利用最小二乘方法对由常微分方程构成的确定模型进行参数估计,并将其应用于随机过程模型中,常微分方程的构建也是通过统计方法推导建立的具体过程见附录。以蚜虫种群数量为研究对象,我们要估计蚜虫的出生率和死亡率,蚜虫的迁移率,认定其为常数。最小二乘参数估计方法应用非常广泛,然而参数不可辨识问题是最小二乘法参数估计中最常见的障碍。MCMC与似然函数相结合的参数估计方法可以有效的规避上述问题且算法效率较高。第三章,我们研究了基于马尔可夫过程模型的优化控制问题,控制手段为喷洒农药和释放不育昆虫。希望找到合适的农药喷洒比例和不育昆虫的释放比例使得害虫的控制效果最佳。以棉蚜为例研究了具有脉冲干扰的随机模型最优控制问题。本文采用了一种新的计算方法来解决这个问题。该方法的关键是建立控制变量及相应状态的函数关系。我们的研究中假设两者之间存在着对数线性回归关系。然后利用Gillespie算法模拟得到训练样本,用最小二乘法估计约束的回归系数,建立新的目标函数。仿真结果表明,该模型的预测误差较小说明回归模型建立合理,基于回归模型的控制效果优于基于矩封闭方程的控制方法。最后探讨了 目标函数中的参数对最优策略的影响。