乙烯和丙烯是石化工业中最重要的单体,其生产主要通过以石脑油或烷烃为原料的热裂解生产过程进行。蒸汽裂解炉是热裂解生产过程的主要装置,该装置是石化工业中生产能力最高,同时也是能耗最大的装置之一。石脑油热裂解生产过程包含大量复杂的烃裂解化学反应,是一个具有高度非线性、强耦合的复杂过程。在热裂解生产过程中,乙烯收率的提高必然会导致丙烯收率的降低,其生产过程的操作水平将直接决定产品收率以及生产成本。因此,本文针对石脑油热裂解生产过程的多目标操作优化问题进行深入研究,以帮助石化企业提高双烯收率和经济效益。具体的研究内容包括:(1)针对石脑油热裂解生产过程反应复杂难以建立精确机理模型的问题,依据生产过程的历史数据,提出了基于最小二乘支持向量机(LSSVM)与进化算法相结合的数据驱动建模方法,得到双烯收率模型,进而建立了最大化乙烯和丙烯收率的热裂解生产过程多目标操作优化模型。(2)针对传统多目标差分进化算法未充分考虑种群分散性的问题,提出基于记忆机制的多目标差分进化算法。该算法通过记忆搜索过程中所获得的高质量解,再使用一个考虑层间分布的拥挤距离来构建下一代种群。基于标准测试问题的实验结果表明该算法要优于当前文献中的一些高性能多目标优化算法。(3)针对传统MOEA/D算法中解的进化方向过于随机的问题,提出基于自适应缩放因子的改进MOEA/D算法。在该算法中,每个子问题维护一个子种群,再利用子种群中每一维决策变量与通过聚合函数所转化成的单目标问题解的相关性来更新个体的进化方向与速度。基于标准测试问题的实验结果表明该算法要优于传统的MOEA/D和文献中的一些高性能多目标进化算法。(4)将所提出的改进多目标差分进化算法与改进MOEA/D算法应用于求解热裂解生产过程多目标操作优化问题,并与其它多目标进化算法进行了比较。结果表明所提出的算法在解的质量上要优于其它进化算法,并且具有较好的实际应用价值。