乙烯是石油化学工业中重要的基础原料之一，其产量和技术水平一直以来被作为衡量一个国家石化工业发展水平的标志。裂解炉是乙烯生产装置的关键组成部分，对裂解炉工艺流程的模拟和优化成为一种有效提高乙烯工业经济效益的辅助手段。由于裂解炉系统的复杂性，基于过程机理和严格物性计算的裂解炉数学模型具有大规模、非线性等特点，导致基于裂解炉机理模型的优化命题求解需要耗费大量时间，随着计算机科学技术的不断发展，利用并行计算技术提高此类优化问题的求解效率成为引人注目的热点。由于分布式计算的趋势，在并行优化领域的研究主要集中在开发大粒度的并行算法上，粒子群算法是一种重要的非数值并行算法,其优良的天然并行性为开发大粒度的并行算法提供了有利条件。本文以乙烯裂解炉分布式并行优化为研究课题，主要研究工作包括：（1）结合Kumar分子反应动力学和结焦动力学模型，基于拟稳态假设条件，建立了具有参数校正模块的SRT-III型石脑油裂解炉辐射段运转全周期稳态工艺数学模型并进行了仿真，模型仿真结果与实际生产工况吻合，可以真实反映裂解炉的操作特性。（2）在比较各种并行计算机体系结构的基础上，利用Linux集群系统构建了高性能计算平台，给出了集群系统的具体设计方案。通过基于HPL(High Performance Linpack)的集群性能测试结果，总结出对集群系统性能进行改进的方法。（3）为满足开发大粒度并行算法的需要，提出了一种基于主从通信模式的并行协同粒子群优化算法（LPC-PSO），提出的算法通过基于MPI消息传递接口的Linux集群系统并行实现，利用五个常用基准测试函数对其性能进行了验证，并研究了通讯周期和处理器数目对于并行算法性能的影响；仿真结果验证了算法的有效性和可靠性，尤其对于复杂的高维多模态函数具有较好的优化性能，并且表明通讯周期的选取对算法收敛性能有较大影响。（4）研究了裂解炉全周期内调整操作参数的一类优化命题，以裂解全周期内乙烯和丙烯平均收率和为目标函数，选取全周期内各拟稳态出口温度（COT）作为决策变量，建立了全周期操作优化模型，基于所建立的高性能计算Linux集群系统，利用LPC-PSO算法进行了分布式并行优化求解；与串行优化结果比较表明，对裂解炉进行分布式并行优化可以显著提高优化计算的效率，并且乙丙烯平均收率和比优化前提高了3.95%,表明对裂解炉实行全周期操作优化可以显著提高经济效益。