镁及其镁合金由于自身的优点，在各个领域中得到了广泛的应用，带来了明显的技术经济效益。对皮江法炼镁还原工艺参数进行优化设计，可以提高生产效率，降低生产成本，提高生产效益。但与传统数学优化不同，作为一个实际生产问题，其中关系很复杂无法建立明确的数学关系模型，这就决定了它难以用常规方法实现。本文在对皮江法炼镁生产工艺研究的基础上，针对皮江法炼镁还原工艺参数优化这一复杂的实际组合优化问题，以出镁率作为最终优化目标，基于人工神经网络和遗传算法建立了皮江法炼镁还原工艺参数的优化系统，从而可以获得最优的工艺参数组合。 分析了皮江法炼镁的基本原理，阐述了皮江法炼镁的热力学原理，其还原工艺的反应机理及宏观动力学。说明了皮江法炼镁在还原过程中所必须达到的条件以及这些条件对还原过程的影响。确定了还原工艺的优化参数。 人工神经网络抛开了传统的建模方法，它可以从大量的离散实验数据中经过学习训练，提取其领域知识，并将这些知识表示为网络联结权值的大小，从而建立相应的数学模型。因此采用人工神经网络作为建模的核心算法。 遗传算法是一种有效地解决最优化问题的方法，是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。其有简单通用、鲁棒性强、适于并行处理及高效等显著特点。因此选择遗传算法来完成寻优的工作。 正交实验设计法运用数理统计技术对工业生产进行试验控制，从而大大减少试验次数，缩短试验周期，有效降低试验和生产成本。 基于混合人工神经网络和遗传算法建立了皮江法炼镁还原工艺参数的优化系统，获得最优工艺参数组合并进行了实验验证。该优化结果可以较好的满足皮江法炼镁还原过程中对生产效益的要求。在新炉试生产对工艺参数的确定起到较好的指导作用。