粒子群优化算法(PSO)作为一种群体智能算法,它为复杂优化问题的解决提供了一种新的思路。虽然PSO算法已在许多领域得到了应用,但其发展历史尚短,在其理论系统化、规范化方面还未取得成熟,而且PSO算法还存在易早熟、局部搜索能力较差等缺点。针对上述情况,本文进行了基于混沌粒子群算法的闪蒸过程优化研究。首先阐述了化工过程优化的必要性以及当前所面临的问题,对遗传算法、粒子群算法、蚁群算法和模拟退火等几种人工智能优化算法的原理及其应用进行了详细综述,其中重点阐述了PSO算法的研究现状,并分析了当前PSO算法在应用中所面临的难题,对基本PSO算法的原理和流程进行了详细阐述。针对PSO算法易陷入局部最优的缺点,提出了一种改进优化算法——混合混沌粒子群优化算法(HCPSO)。该算法将混沌搜索融入到PSO算法当中,利用混沌搜索所具有的随机性、遍历性来提高算法的全局寻优能力。建立了HCPSO的早熟收敛判断和处理机制,当发现算法有早熟迹象时,则利用单纯形搜索进行局部搜索,而当单纯形搜索没有找到更好的解时,则对种群中的该部分粒子进行混沌映射,以帮助种群摆脱局部最优。将所提出的HCPSO算法应用于苯与甲苯闪蒸过程的优化研究。首先建立了闪蒸计算模型、绝热闪蒸计算模型和苯与甲苯闪蒸机理模型,并在此基础上建立了苯与甲苯闪蒸过程的优化模型,并分别采用HCPSO算法和CPSO算法对该优化模型进行求解。与CPSO算法所得到的优化结果相比,HCPSO算法能更好地找到闪蒸温度与压力的最优值,该优化结果更具实际的操作性和实用性。