当今社会，企业发展依赖成本控制，从而使效益提高。然而持续增长的能源价格、日益严格的环境控制、全球化的产品竞争成为日益困扰企业发展的难题。随着科技的发展，优化技术正是解决这一难题的有效途径。目前，经典的数学规划方法已经无法解决实际复杂的化工问题，所以，基于智能优化技术得到快速发展。　　本文以克劳斯(Claus)硫磺回收为研究对象，介绍了Claus硫磺回收工艺的反应原理、工艺流程，影响变量等，为了提高Claus硫磺回收生产装置的生产效率、节能减排的水平而研究Claus硫磺回收过程的多目标稳态优化问题。首先对Claus硫磺回收过程建立数学模型，由于Claus硫磺回收过程是一个复杂的过程，存在诸多影响质量指标的变量，如果利用全部变量或者只选取少些关键变量进行建模，则会增加系统的复杂度或者存在建模变量选取不完整的问题，从而降低模型的精确度。所以针对这个问题，本文采用离散粒子群(PSO)算法，在建模之前进行模型变量的选择，然后利用最小二乘支持向量机(LS-SVM)和偏最小二乘(PLS)建模方法根据选择变量对Claus硫磺回收过程建立精确的数学模型，并且根据最大泛化误差和均方根误差比较两种建模方法在Claus硫磺回收仿真实验中的优劣，模拟结果取得了良好的效果。　　优化方面，由于Claus硫磺回收过程是一个非常复杂和多样的系统，在生产过程操作中对操作变量进行设计时，为了使生产过程中硫磺转化率最大、生产所需的燃料量最小，需要在两者之间进行权衡。本文把Claus硫磺回收过程的硫磺转化率和生产所需的燃料量作为优化目标，实际生产状况和数学模型作为约束条件，构造Claus硫磺回收工艺过程的多目标稳态优化问题。对改进的非支配排序遗传算法(NSGA-Ⅱ)在Claus硫磺回收过程中的应用进行了研究。NSGA-Ⅱ与传统的遗传算法相比，引入了非支配排序和拥挤度比较算子，并且采用精英选择策略，目的就是使得非支配解持续向Pareto前沿逼近，进而使解集具有良好的多样性和分布性。采用该算法求解得到Claus硫磺回收过程的多目标稳态优化问题的Pareto最优集，并且定性分析了温度、风气比、摩尔比等操作条件对转化率以及生产燃料量的影响。根据计算结果表明，运用该算法可以优化Claus硫磺回收的生产操作条件并得到满意的优化结果，根据求解得到的Pareto最优解，利用模糊综合评价法，采取先搜索后决策的方法，提出了切合实际的Claus硫磺回收系统的操作条件，为合理的决策提供有效的支持。从而提高硫磺产量、节约成本、减少尾气污染。