优化技术越来越被现代企业视为提高生产效率，降低生产成本，增加市场竞争力的一种不可或缺的手段。对化工过程而言，当生产流程已确定、生产设备已建成的条件下，这是应该首先尝试的一类方法。 特别是研究生产操作条件与产品投入产出的关系，从生产过程中所存在的波动中找规律，建立数学模型，进而根据模型进行操作变量的优化调整，更具有实际意义。 化工过程中所涉及各种自变量与因变量间关系的复杂性对目前已有的过程建模优化方法提出了挑战，各国研究者也正致力于寻找、开发新的方法来更好的解决复杂的化工过程的建模及优化。本文正是对化工过程建模、优化及其应用的一种研究与探讨，主要包括以下工作： 1)论述了偏最小二乘回归方法(PLSR)与多元的循环子空间回归方法(MCSR)，讨论了径向基函数神经网络(RBFNN)，分析了遗传算法(GA)及其应用中的不足。并用试验对比的方法对以上分析进行了验证。 2)提出了集成地应用径向基函数神经网络与多元的循环子空间回归两种不同类型方法相结合的RBF-MCSR建模方法。为复杂非线性问题的建模提供了一种新的方法。 3)针对常规遗传算法在处理规模和复杂性大的问题时所表现出的缺陷和不足，引入智能体的思想和技术，构建用以实施遗传算法的多智能体系统并提出了基于多智能体的遗传算法(MA-GA)，有效地提升了遗传算法在处理复杂优化问题时的性能。 4)针对二甲苯异构化过程，运用前面提出的RBF-MCSR方法进霉浙江大学博士学位论文行建模，并对所建模型应用MA一GA算法进行操作优化，取得了良好效果，为该方法在复杂化工过程的建模与优化中的应用提供了一个实例。