本文从种群行为上模拟生物进化过程，着重种群竞争对进化过程的推动力作用，提出了一种全局优化搜索新算法——列队竞争算法。算法在模拟进化过程中，始终保持着独立并行进化的家族，通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式，使群体快速进化到最优或接近最优的区域。算法中提出了竞争推动力的概念，并给出了竞争推动力的定量描述。根据家族的目标函数值大小排成列队，并按家族在列队中的地位不同获得不同的竞争推动力，使得各个家族在列队中的位置发生动态的变化，从而使得局部搜索与全局搜索达到均衡和个体间的竞争与协作达到统一。 用列队竞争算法解一组典型的测试函数的全局优化问题显示出超乎寻常的搜索能力，比较解的质量和收敛速率列队竞争算法比遗传算法和模拟退火法明显优越。用列队竞争算法解化工过程系统中的混合整数非线性规划问题，包括较大规模的多产品间歇最优设计问题，获得了比文献报道的结果更优的解。实例计算结果表明列队竞争算法是求解非凸非线性规划问题和混合整数非线性规划问题的一种非常有效的算法。 本文给出了用列队竞争算法解组合优化问题的框架，并提出了确定变异邻域的两条原则，依据这两条原则，对不同的组合优化问题(包括背包问题、旅行商问题、管路网络综合问题、换热网络综合问题和分离序列综合问题等)确定了相应的变异邻域。用列队竞争算法分别解这些问题，显示出解的质量高搜索速率快的优良特性，多数问题获得了比用其他算法求解更好的结果。通过对不同组合优化问题的成功求解充分说明列队竞争算法具有解组合优化问题的极大潜力。 将列队竞争算法与神经网络结合，提出了神经网络降维分析法，此方法将多维空间的样本数据降维映射到二维平面上，并生成目标函数和约束方程的等值线，由此可直观地确定最优操作点或最优操作区域，由本文提出的逆映射算法可将其还原到多维空间。此方法将计算机的计算与人的直观分析结合起来，能更深层次地揭示出操作对象的规律和特性。实例研究表明：神经网络降维分析法在过程系统的操作优化中有重要的应用价值。