动态优化,作为解决工业实际生产过程中各种困难问题的有效工具,现已经广泛应用于电力系统、石油化工、生物工程、清洁能源等领域,实现节能、减耗、增效等目标。因其具有巨大的实际应用价值,引起国内外众多著名专家学者的广泛关注和大量深入的研究。控制向量参数化（Control vector parameterization,CVP）是直接求解动态优化问题的主流计算方法。使用该方法离散化原问题得到转化后的数学规划问题规模较小,易于求解,并且求解精度较高。但与此同时,控制向量参数化仍有一定的不足和难点:（1）时间网格的划分只能在问题求解前人为设定,且在问题求解过程中不会变化;（2）难以处理不等式路径约束;（3）等式路径约束的存在可能会导致微分代数方程的高阶问题,难以求解。控制变量的分段逼近策略和网格划分的疏密程度会直接影响求解结果对最优控制轨迹的逼近程度。一般来说,控制变量的分段逼近策略越灵活、时间网格划分的越精细,越能较好逼近最优控制轨迹,同时也会大大增加求解问题的维数规模和求解时间,从而使得求解效率变差。针对这些问题,本文针对具有不等式路径约束的微分代数系统,首先利用控制向量参数化方法将无穷维动态优化问题转化为决策变量有限而约束无限的动态优化问题,然后利用逐点离散化方法处理不等式路径约束的思想来研究其动态优化。本文主要研究内容和创新点归纳如下:（1）针对具有不等式路径约束的微分代数方程（Differential-algebraic equations,DAE）,首先采用后向差分法（Backward differentiation formula,BDF）直接求解微分代数方程,然后利用逐点离散化方法提出一种处理具有不等式路径约束的微分代数系统的动态优化算法。该算法经过有限次的迭代得到最优解,并且能保证路径约束的违背满足用户指定的精度。最后本文对三个经典测试案例进行仿真,并与文献中的方法进行了比较,仿真结果表明了本文方法的有效性。（2）在此基础上,针对CVP常量近似策略和等分时间段的问题,采取了线性连续近似策略,并基于线性连续策略自适应地更新时间节点对算法进行改进。首先,采用线性连续近似逼近策略代替单一的常量近似策略对控制变量进行逼近,来研究具有不等式路径约束的微分代数系统的动态优化,并在经典DAE化工案例中通过仿真研究比较了这两种近似策略,仿真结果说明了线性连续近似策略的优势。然后针对等分时间段的问题,提出了线性连续近似策略的自适应控制向量参数化的微分代数系统动态优化。最后通过DAE实例进行了仿真验证,仿真结果验证了所提方法的有效性。