本文针对如何降低芳烃抽提过程中的丁烷消耗问题，提出优化过程操作参数的解决方法。其中优化问题的模型用人工神经网络来描述，优化方法采用遗传算法。文中介绍了控制自变量的选取、数据的采集、人工神经网络建模和遗传算法寻优的过程和步骤，用MATLAB语句编制了相应的程序，并得到了优化结果。 芳烃抽提工艺是利用二甲基亚砜常温常压下将芳烃分离出来，再利用丁烷将含在二甲基亚砜中的芳烃萃取出来的过程。实际生产中，丁烷的单耗一直超过设计值，最多时超标三倍多。由于芳烃抽提是一个复杂的工艺，质量要求高，影响丁烷消耗的自变量很多，一个自变量所起的作用常常不在本单元操作内，甚至于整个装置，采用孤立变量的方法无法找出各变量之间的关系。具有集体运算能力和自适应学习能力的人工神经网络为模型的建立提供了一种手段，具有固有的并行性、鲁棒性好、搜索效率高、对目标函数限制少的遗传算法使寻优成为一种可能。本文运用MATLAB编程，有效地将人工神经网络的训练结果和遗传算法结合起来，实现化工过程的优化控制。