建立准确的模型对化学工程的理论研究和实际应用都有重要的意义。由于很多化工对象都比较复杂，而且机理也不甚明了，因此，很难直接通过机理建立准确的模型。另一方面，完全的经验模型太依赖于样本数据，当样本数据不足，或者包含有噪音，粗差等，无法准确全面地反映建模对象的特性时，就会降低模型的可靠性，甚至违反对象的机理。机理分析与经验分析相结合的方法建模可以较好地解决上述两类方法的不足，一方面由理论分析得到一定程度的简化机理方程，另一方面采集实际观测数据，然后采用优化方法确定其中的模型中的参数，共同建立可靠的模型。本文重点研究了基于所建模型作优化计算。主要内容有： 1) 提出了基于优进策略的差分进化算法，它是一种改进的差分进化算法。此算法不但能根据寻优过程中的信息，智能的调节算法中参数的设置。而且还加入了单纯形寻优操作和重布操作。测试函数表明此算法能有效的解决了简单差分进化算法搜优过程进展的缓慢和比较容易出现的“早熟”。同时，此算法还成功应用于化工模型中的参数估计。 2) 提出了判断种群大小的函数，此函数能有效的衡量搜优过程中是否有“早熟”的趋势，以便预防。作者还提出了只有三点组成的简单的单纯形，在寻优效果变化不大的情况下，解决了由于多维情况下难以找到凸型而使单纯形法难以应用的情况。 3) 用多元方差分析的方法分析了简单单纯型寻优精度和重布操作中的最小尺度对寻优结果的影响。结果显示：在用优进差分算法寻优过程中，应根据具体的函数不同，选用合适的参数。同时，通过方差分析结果，能初步的了解所要优化的函数的特性。 文章最后对所做的工作进行了总结，并在此基础上，提出了差分算法应该和神经网络、专家系统相结合的研究方法。