多目标优化算法广泛应用于化工领域,诸如过程控制与操作优化、化工设备设计、环境工程等。近年来,越来越多的学者将多目标优化算法与流程模拟器相结合解化工优化问题。由于流程模拟需要花费大量时间进行收敛计算,因此,优化算法必须能够在较少的目标函数评价次数的情况下,也能快速达到收敛。非支配遗传算法是多目标优化领域应用最广的算法,但其必须经过上万次的目标函数评价才能得到较好的结果,而且其本身也存在容易过早收敛、局部搜索能力不强等缺点。因此,本文旨在提出一种高效的多目标优化算法,将其应用于化工过程的优化。本文的工作主要有以下几个方面:(1)阐述了多目标优化算法的研究背景和意义,从科学研究和工程应用两个方面,介绍了多目标进化算法的发展,并对列队竞争算法的研究和应用进展进行了简单介绍;(2)介绍了多目标优化问题的相关概念与定义,详细描述了列队竞争算法LCA和非支配遗传算法NSGA-II的计算流程与关键算子,引入了解集收敛性和均匀性评价指标;(3)提出了一种多目标列队竞争算法MOLCA,采用多种策略,在降低目标函数评价次数的同时达到快速收敛。对MOLCA主要参数的设定进行了讨论,然后利用经典测试函数对MOLCA进行测试分析,与NSGA-II相比,该方法表现更优秀。将MOLCA应用于催化裂化主分馏塔的操作参数优化,以总经济效益和系统能耗为两目标,给出了优化的操作方案;(4)针对NSGA-II存在容易收敛于局部最优解和计算时间久的问题,提出了一种基于多目标列队竞争算法和非支配遗传算法的混合算法MOLCA-NSGA-II。经过经典测试函数的测试分析表明,该算法在运算时间、收敛性和分布性方面都要明显优于NSGA-II。将MOLCA-NSGA-II应用于甲醇制烯烃分离过程优化,结果给出了一系列Pareto最优解,可以根据不同的生产要求,综合考虑能耗和收率,选择适宜的操作条件。