区间优化算法将传统的“点变量”用“区间变量”进行代替,把结果在允许范围内可接受的响应函数曲线都包含进来,在实际控制中选择其中一条实现函数进行控制。区间算法能对控制系统进行全局优化,很适于解决控制理论中的某些非线性和参数不确定性问题。本文将已有的区间粒子群算法进行了改进,研究了基于非占优排序的多目标区间粒子群优化算法；根据谷氨酸发酵过程特点采用动态神经网络建模,在此基础上对谷氨酸发酵进行单目标和多目标的优化控制。论文主要包括以下几个方面：首先,对区间算法进行综述,对目前国内外区间算法的研究进行分类总结。对区间算法的基本概念和基本思想进行了详细的介绍,同时对传统区间优化算法——区间二分法进行介绍和算例仿真。其次,对已有的单目标区间粒子群算法进行改进,分别从区间大小比较方法、区间粒子群迭代公式、以及决策区间变量的收敛性改进区间粒子群算法。采用算例进行仿真验证算法的有效性。再次,将NSGA-Ⅱ范式应用于多目标区间粒子群优化算法中,采用区间可信度定义解的占优关系,利用进化个体的拥挤距离指导优势个体的选择,同时采用粒子群算法生成新一代个体。用两个带约束非线性多目标优化的算例进行仿真,验证算法的有效性。最后,根据谷氨酸发酵过程的特点,建立区间动态神经网络模型；将发酵过程分为两个阶段,分别进行单目标和多目标优化,其中单目标优化分别采用滚动优化和整体优化进行,多目标优化采用整体优化方法进行。仿真结果表明改进后的算法可以有效地满足发酵过程两个阶段优化控制的需要。在论文最后,本文还提出了基于上述研究成果的接下来进一步的研究方向。