大多数化工过程是动态过程,对其实施动态优化有益于提高生产效率、确保操作安全等。同时,实际生产中通常需同时优化多个目标,从而带来复杂的多目标动态优化问题。传统的转化为单目标问题的方法不能反映优化目标间的关系,无法根据不同情况灵活决策。如何寻求有效算法解决实际工业过程优化问题越来越受到国内外学术界和工业界的重视。本文首先针对无约束动态多目标优化问题,提出了多目标骨干粒子群算法(MBBMOPSO),通过改进的自适应变化位置更新策略、变异策略和基于循环拥挤度的外档集维护策略提高了算法搜索性能和分布性,案例仿真表明MBBMOPSO在多目标动态优化问题的求解中表现出更好的应用前景。对于带复杂约束动态多目标优化问题,提出一种结合pareto支配和ε约束支配技术的双档集机制约束处理方法,利用局部搜索和混合变异策略有效提高了算法探索能力,并采用分段线性函数参数化方法,提出一种动态约束多目标骨干粒子群算法(cBBMOPSO),仿真实验表明cBBMOPSO与NSGA-II和自适应差分进化算法相比表现出更好的收敛性和分布性。最后,以碳二加氢反应过程为例,通过控制反应器每段的温度实现最大化乙烯和最小化副产物乙烷两个优化目标,运用动态多目标优化算法进行求解,结果表明,优化后乙烯产量增加的同时乙烷的产量减少达到了优化的目的。