近似线性规划算法是众多求解非线性问题的算法之一,它主要通过将非线性规划问题进行一阶泰勒展开得到近似线性规划问题,通过对近似线性规划问题求解得到原问题的近似最优解。但该算法在实施过程中存在很多缺陷,如：迭代点不满足某些约束条件或不能使目标函数减少时算法边界调整的判定条件以及边界调整步骤过于粗略简单；算法最优解的判定条件无理论依据支持；求解新迭代点依赖其他算法；实施过程中受到诸如初始点、步长限制量、缩小系数等人为设置因素影响较大等,这些因素都从不同程度上影响着算法的精度以及收敛性。基于对近似线性规划算法的研究分析,本课题主要从下列三个方面分别对近似线性规划算法进行改进并提出近似线性过滤规划算法：1)采用最速搜索的思想来取代近似线性规划算法依赖其他线性规划方法求解新迭代点；2)采用评价函数来确保所求迭代点具有良好的方向性和空间性,并引入线性过滤集的思想加强算法的收敛性与可靠性；3)引入移入/移出向量来克服人工设定步长限制量和缩小系数的人为因素干扰,并且细化了边界调整判定及步骤。文中采用大量的非线性问题对近似线性过滤规划算法进行测试,测试结果表明近似线性过滤规划算法具有较高的精度和良好的收敛性。为验证近似线性过滤规划算法在实际优化问题中的应用效果,本课题分别建立了锅炉清洗调度和苯与甲苯闪蒸分离过程的优化模型,将近似线性过滤规划算法优化的结果与现有的结果进行比较得知,经近似线性过滤规划算法优化的结果更具有实际意义。