智能优化计算通过模拟或揭示某些自然现象和过程而发展起来，为优化理论提供了新的思路和手段，并在科学、经济以及工程领域得到了广泛应用。 粒子群优化算法(Particle Swarm Optimization，PSO)源于鸟群和鱼群群体运动行为的研究，是一种基于群智能方法的演化计算技术，是演化计算领域中一个新的分支。本论文较为详细地论述了PSO算法及其各种研究成果，并且针对基本粒子群算法易陷入局部极小点，搜索效率不高等缺点，提出一种新的基于高斯白噪声扰动变异的粒子群优化算法，提高了粒子群种群的多样性，从而提高了算法全局寻优的能力。用一些经典的标准测试函数，与原始PSO算法和另一种改进算法进行了比较分析，结果表明：新算法能够有效的跳出局部最优，其全局搜索能力增强了很多，对测试函数的达优率比较理想。 目前在PTA生产中，加氢精制环节结晶器和浆料预热换热器的一些关系到产能消耗的关键参数缺乏有效的检测手段。因而，本文在Aspen plus平台中建立了5级结晶器模型，并对现有的工况进行了模拟，模拟精度良好。之后建立了换热器模型和结晶器．换热器综合模型，并对改造后期望达到的工况进行了模拟，以供节能降耗改造进行参考。 最后实现了Matlab对PSO的调用，通过加权和方法，确立了优化的目标函数，用改进的粒子群算法对结晶器．换热器综合模型进行寻优，得到了一组该优化目标下的新的结晶器操作温度。在新的结晶器操作温度下，待优化的生产目标均有较大程度的改善，提高了换热器JE10182的出口温度，增加了结晶器JD301的闪蒸蒸汽剩余量，实现了对能源的最大化利用，节能的效果比较明显。