发酵过程的优化控制是提高发酵生产质量、实现经济效益的有效途径。传统的优化控制方法在解决复杂过程的优化问题时难以求出理想解,随着人工智能技术的发展,多目标智能优化算法的搜索过程具有全局性和多向性,有利于实现发酵过程中各指标的最优权衡。粒子群优化算法具有原理简单、收敛速度快、设置参数少的优点,成为国内外的研究热点。群体间进行信息交流的协同搜索方式有助于提高收敛速度,增强粒子群算法的全局搜索能力。因此,研究基于协同粒子群算法的发酵过程优化控制方法具有重要的理论意义和应用价值。本文在分析粒子群优化算法协同机制的基础上,给出一种基于连接向量更新的粒子群优化算法,并对其有效性进行测试；对多目标分解策略及粒子的搜索方式进行分析,设计了基于分解的协同多目标粒子群优化算法,引入一种动态权值向量法提高了非劣解集的多样性及分布性；在此基础上,利用连接向量更新的粒子群优化算法对青霉素发酵过程模型参数进行优化,采用基于分解的协同多目标粒子群优化算法对工业酵母发酵过程补料速率进行优化控制。实验研究表明,基于连接向量更新的粒子群优化算法可以得到更加收敛的测试函数适应度值,且算法稳定性较好；基于分解的协同多目标粒子群优化算法较基本的分解多目标粒子群优化算法的收敛性及分布性有明显提高；基于连接向量更新的粒子群优化算法对青霉素发酵过程模型进行参数优化可以得到与实际比较接近的状态曲线,基于多目标粒子群优化算法的工业酵母发酵过程的优化控制方法可以获得最优补料速率曲线,为发酵过程的优化控制提供一种有效方法。