作为一种高鲁棒性和宽适用性的全局优化算法,进化算法具有优良的寻优特性,且不受具体问题条件的约束,从而能有效地解决一些传统的智能优化算法难以解决的复杂问题,在众多领域获得了广泛的应用。分布估计算法作为进化算法中近期的一个研究热点,在处理多维、非线性、非凸问题上均表现出良好的寻优效果,近年来得到了广泛的研究。本文针对分布估计算法(estimation of distribution algorithm,EDA)做改进性研究,并结合改进算法进行具体化工过程优化方面的应用研究。主要完成如下工作：1、通过引入云模型理论提出了一种新型的构建种群个体解空间分布的概率模型方法,利用正态云模型的正／逆向云发生器分别来实现EDA算法概率模型的构建与采样,形成云模型EDA算法；并且为了使建模更加精确,结合亲和聚类传播的思想提出了混合云模型EDA算法。该改进算法与基于类似建模思想的高斯概率模型EDA算法比较,能够实现优化前期的快速收敛,后期种群多样性增加,且不易陷入局部最优。算法具有寻优速度快,寻优精度高的特点。2、将预测精度较高的Kriging代理模型应用于改进EDA算法。根据具体的Kriging模型,通过模型预测的极值点与种群最优个体进行竞争组合,通过最优替代的思想加快进化过程,改善算法的收敛速度和寻优能力。3、结合具体化工领域的生产流程优化问题,提出了一些解决优化问题的新思路。将改进的云模型EDA算法应用于工业过程优化中,用云模型EDA算法实现烯烃聚合体系的热力学二元交互参数的寻优计算。该方法用于超临界配位聚合体系的PC-SAFT状态方程二元交互参数的求解,所得结果用于状态方程参数化,能准确地描述组分间汽液相平衡；将结合Kriging代理模型的改进EDA算法用于苯乙烯的流程优化中,有效地化解了精度和效率之间的矛盾,优化结果显示,寻优效果良好。