20世纪50年代以后,优化在化工领域得到广泛的应用,在优化开始运用的同时,人们就认识到不确定因素几乎是不可避免的。确定性优化研究一般是将这些不确定参数用其平均值来代替,但是将这些不确定参数当作确定值处理时,可能会导致设计过于保守。因此,考虑不确定因素的影响,在不确定环境中进行优化研究具有十分重要的理论和现实意义。本论文主要进行考虑不确定因素的化工分离过程优化研究。(1)论文对化工分离过程中的不确定因素的来源和分类进行了研究,并提出了相应的处理策略。针对化工分离过程的特点,结合化工分离过程不确定因素的性质,提出了带补偿的二阶段随机规划和机会约束规划混合的随机规划策略进行过程优化。对经济目标提出带补偿的随机规划策略,并针对不确定因素给出了具体的补偿措施;对环境目标提出机会约束规划策略。(2)论文提出的改进的蒙特卡罗(Monte Carlo)积分和Benders分解的混合算法能够有效求解带补偿的二阶段随机规划模型。蒙特卡罗积分和Benders分解算法所生成的可行域约束数目随不确定参数的数目和抽样点规模的增加而呈指数增加,针对这个计算难点,本论文提出寻找积极约束的策略进行约束松弛。本算法不但降低了计算负荷,而且能处理大规模的随机规划问题。算法测试结果表明本改进算法具有较高的计算效率和很强的收敛能力。(3)本研究提出的带补偿的二阶段随机规划和机会约束规划混合的随机规划策略应用于乙烯齐聚生成己烯-1的实际分离过程优化。对于备选方案,考虑了中低压蒸汽价格的波动、新型催化剂的应用以及生产能力扩张等不确定因素,进行了过程的经济目标和环境目标的优化研究。考虑不确定因素的优化结果与确定性优化结果比较研究,发现不确定因素对最优决策以及方案决策变量的确定都有很大的影响,说明了进行不确定优化的必要性。