聚合反应釜作为化工控制领域的重要分支,一直是国内外研究的热点。聚合反应过程具有强烈放热的特点,具有非线性、时变、时滞等特点,属于难控系统,且反应过程中釜内的温度和浓度变化对产物的质量影响较大,因此产品生产过程的每一个环节都要保证其温度、浓度的平稳过渡。而优化方法为其提供了一个良好途径。智能优化算法的发展,为优化理论提供了新的思路和手段,已应用于工业、国防等各个领域。粒子群优化算法是一种基于种群搜索策略的随机算法,其概念简单、易于实现,需调整参数少且不需梯度信息,在优化方面表现出巨大潜力。针对基本粒子群的理论研究工作逐渐深入,对于复杂的多峰值优化控制问题以及高维问题,算法易陷入局部极值。文章分析了粒子群基本的原理及优缺点后,采用协同进化思想对算法进行了改进,改进的算法广泛地收集种群中的最优解,是最优解的特性范围更广。与传统粒子群优化算法相比,解空间具有更好的全局覆盖能力,从而降低了粒子陷入局部极值的概率,提高了算法的搜索效能。通过采用标准测试函数进行验证,比较了改进算法与标准粒子群算法,遗传算法的寻优效果。结果表明改进后的算法在计算速度和精度方面都有显著提高。利用改进的粒子群算法通过优化冷剂流量解决了连续搅拌釜(CSTR)两稳态间的最优过渡问题。