生产计划与生产调度是流程工业企业经营管理与生产管理的两个核心部分，二者对于提升企业的经济收益与核心竞争力有着极为重要的意义。生产计划与生产调度关系十分密切，如果对两者进行单独优化，所得结果常常存在相互冲突的情况，所以应对两者进行综合集成优化。综合集成后的模型与优化问题，具有多目标性、多约束性与大量的设计变量，因此在该问题求解优化方面亟需一种有效的算法。本文基于协同优化算法对生产计划与生产调度在流程工业中的优化问题进行了相关研究。主要研究内容如下：
　　(1)针对复杂的流程工业生产计划与生产调度进行模型建立，结合生产计划所涉及部门与相关费用建立了相对应的生产计划模型；结合生产调度层级具体内容与工艺约束建立了相对应的生产调度模型。进一步统筹分析两者关系，结合协同优化算法的思想与架构，改进了生产计划与生产调度的模型，并建立两者的集成模型；
　　(2)针对协同优化算法目前阶段存在的问题，提出了一种改进的的协同优化算法(AdvancedCollaborativeOptimization,ACO)。在系统级引入全新的分阶松弛因子，通过对迭代优化处于不同阶段的判断，来选取动态或静态的松弛因子。优化初期动态松弛因子可以使整体优化快速收敛，优化后期静态松弛因子可以进一步加快整体收敛速度，提高学科间一致性，保证了问题的求解结果。通过对经典数值案例与减速器案例进行仿真，将ACO算法与标准松弛CO算法以及动态松弛CO算法进行对比，分析仿真结果可知ACO算法可以快速平稳地收敛于全局最优解且具备较好的鲁棒性；
　　(3)结合基于CO算法的生产计划与生产调度集成模型与ACO算法，将其应用于间歇式化工企业的算例当中。通过不同市场订单量情况下的仿真研究，将ACO算法的求解结果与纯调度优化算法、标准松弛CO算法进行了对比，验证了ACO算法在求解实际流程工业生产计划与生产调度问题的可行性与高效性。