聚合反应过程是一种典型的化工过程，具有反应机理复杂、耦合性和非线性强等特点。这给聚合反应过程建模、控制和优化等方面的研究带来了极大困难，而各种智能技术的飞速发展为解决此类问题提供了一条比较可行的途径。 神经网络的反向传播(BP)训练算法具有收敛速度慢的缺点，在训练过程中会出现“锯齿形”现象，并且越靠近极值点附近其收敛速度越慢。提出了几种改进训练算法，如附加动量的BP算法、自适应学习速率调整法、弹性BP算法、FR共轭梯度法、BFGS—拟牛顿法和L—M法等，仿真实例结果证明了L—M法的收敛速度最快。 由于神经网络的BP训练算法具有易陷入局部极值的缺点，因此提出了一种全局优化训练算法—微粒群算法(PSO)。通过对基本PSO进化方程的分析，提出了改进PSO的四种途径：微粒参数改进、变量离散化、引入遗传思想和提高种群多样性。仿真实例结果证明了PSO算法的良好性能。 进行了氯乙烯悬浮聚合反应过程建模和优化研究。在氯乙烯悬浮聚合过程反应机理和动态特性分析的基础上，建立了氯乙烯悬浮聚合反应过程的PSO—神经网络模型，并成功应用于二元复合引发体系优化研究中，可达到充分利用聚合反应系统的冷却能力、缩短反应时间