随着工业生产过程中操作环境和条件控制的要求逐渐提升,工业优化中体现出强非线性、高纬度等特性。动态优化方法正是克服这些特性的有效手段,逐渐受到各行各业的关注和重视,已广泛应用于化工生产、航空制导、机械制造等多个领域。作为数值分析的经典计算方法之一,控制向量参数法将控制变量在时间区域内近似离散表示为参数化的基函数,从而将标准的无限维动态优化问题转换为有限维的受状态约束的数学规划问题。基于群智能的进化计算方法因其简单易于编程实现、可分布计算、全局搜索能力强且具有较强的健壮性等优点,成为优化领域新一轮的研究热点。本文主要研究基于控制向量参数化的启发式智能优化算法求解无约束和含约束的动态优化问题,以及在化工动态系统上的应用。论文的主要工作有:(1)在阐述动态系统模型的基础上,通过分析群智能算法的特性,提出以控制向量参数化为基础的群智能算法求解化工动态系统的基本算法结构。(2)根据上述算法结构,将三种基于群智能的进化算法(入侵杂草优化算法、花授粉算法以及萤火虫算法)分别与控制向量参数化方法结合,并应用于求解间歇反应器等化工实例,测试和分析结果表明三种启发式智能优化方法具有良好的收敛性能。(3)针对智能算法在处理强非线性化工动态优化问题时易陷入局部极值的缺点,通过分析入侵杂草算法和花授粉算法的收敛特性,基于依据种群状态动态改变参数的思想,提出方差自适应入侵杂草优化算法和概率自适应花授粉优化算法,化工生产测试实例表明改进的算法可以在整个迭代周期内有效平衡全局探索和局部开拓能力,寻优性能和结果精度有明显提升。(4)针对含有路径约束和终值约束的动态系统求解问题,提出两种结合控制向量参数化方法的智能约束优化算法。基于罚函数的自适应入侵杂草算法将状态约束作为附加项加入性能指标函数中,得到带有增广性能指标的无约束动态优化问题,依据多阶段配置函数,算法在搜索过程中动态改变惩罚因子的取值;基于梯度修正的自适应入侵杂草算法利用约束的梯度信息矫正不可行个体,使群体在寻优过程更大的可能趋向可行域中。含约束的化工测例结果表明两种约束算法在满足约束条件限制的情况下拥有较好的收敛性能。