随着过程工业对经济指标和控制性能指标的要求越来越高,目前基于化工过程静态模型的静态优化方法已经不在适用,而对于实际的化工生产过程,其过程状态往往是动态的,是随着时间和空间而改变的,具有维数规模大、非线性程度强和反应机理复杂等特点,因此,必须要有一种更有效的动态优化机制来对其进行优化。目前应用在化工动态优化问题中的智能算法并不多,本文即以一种新型的基于文化算法框架的混合进化算法作为研究的重点。本文针对化工动态优化问题的命题特点,提出了一种具有“软约束”特性的新型染色体编码方式,同时本文结合“正交设计法”的思想提出了一种在进化过程中从全局角度获取个体隐含信息的新方法,并从该方法的合理性和有效性层面加以分析；最后,本算法通过在进化过程中有效管理个体的隐含信息,实现了对一类终端时间给定,状态无约束动态优化问题的有效求解。为了验证本文算法在解决化工动态优化问题中的普适性,本文选取了几种动态特征各不相同的案例进行应用分析,分别为：具有非线性动态特性的数学问题；“批式反应器”最优温度控制问题；“管式反应器”催化剂最佳分配问题；Park-Ramirez生物反应器中蛋白质补料的最优流率问题；具有高维和复杂反应特性的Non-linear CSTR化工动态优化问题。结果表明,本文算法能够有效地统筹在进化过程中的个体多样性和寻优效率之间的矛盾,对解决化工过程的动态优化问题具有普适性。最后,本文总结了研究成果以及对未来智能算法在化工动态优化的研究方向进行了展望。