区间优化算法是一种以区间数为变量的优化方法,因为区间数能够表示数据的不确定性,能够提供数学意义上严格的运算结果,还能够为复杂的工业过程提供更多的选择空间,从而避免噪声和扰动对系统的影响,使得区间优化算法很适合解决具有干扰和不确定参数的工业过程的优化问题。基础自动化控制回路具有一定的跟踪精度,因此无限缩小给定值的设定区间没有实际意义。针对以往的区间优化算法不能设定值最优区间解宽度的问题,本文提出了一种定区间粒子群优化算法。然后根据谷氨酸发酵过程特点采用BP神经网络进行建模,并在此基础上对谷氨酸发酵过程进行单目标和多目标的优化控制。本论文研究工作主要包括以下几个方面:首先,介绍了区间数的基本概念及基本运算法则、区间扩张函数的基本概念及形式区间等基本区间理论知识,分析了传统区间优化算法-区间二分法及区间粒子群优化算法。然后,提出了用区间积分逼近法来解决区间计算相关性问题,设计了控制算法多样性的方法,采用内逼近区间扩张函数与外逼近区间扩张函数来确定当前区间值的最小适应度函数值的范围,并基于上述关键技术,构建了单目标定区间粒子群优化算法。其次,介绍了多目标优化算法的基本概念,分析了已有的多目标区间粒子群优化算法,对其个体拥挤距离的计算方法进行了改进,并对多余非劣解的删除策略进行了改进,提出了一种多目标定区间粒子群优化算法。最后,对谷氨酸发酵过程进行人工神经网络建模,再对其进行区间扩张,谷氨酸发酵过程可以分为两个阶段,分别用上述单目标和多目标优化算法对其进行优化,最终得到最高产酸率,并得到各个变量的最优区间值。论文的结尾给出了进一步的研究建议。