生产计划是流程工业CIMS的核心部分，居于CIMS五个层次的中间，上面连接决策层，下面连接生产过程的监督控制层，将企业决策和实际生产联系起来，起着承上启下的纽带作用。生产计划问题是NP-Hard问题，求解比较困难。流程工业生产计划问题和高效求解算法的研究一直是学术界的热点课题。量子粒子群算法(QPSO)是一种新兴的群体智能优化算法，采用波函数来描述粒子的状态，每一个粒子能以某一确定的概率出现在搜索空间中的任一位置，可以在整个可行解空间中进行搜索寻找全局最优解，具有较强的全局搜索能力、原理简单、容易实现等特点，逐渐成为国内外研究的热点。本文结合QPSO算法来研究流程工业生产计划问题。论文的主要工作归纳如下：　　 1．针对QPSO算法求解约束优化问题易陷入局部极值、容易早熟的缺陷，提出了一种基于概率分布变异操作的量子粒子群算法。改进算法能够增加种群的多样性、提高算法的全局搜索能力，从而防止陷入局部极值。通过对基准函数的仿真测试验证了改进算法的可行性和有效性。　　 2．针对算法运行时间长、运算速度慢的缺陷，提出了一种改进的并行QPSO算法。改进算法在GPU的CUDA(Compute Unified Device Arcbitecture)平台土运行，引入了GPU部分并行、CPU和GPU并行、GPU全并行三种不同的并行模型，使算法能够并行地计算适应度、更新等操作。通过对基准函数的仿真测试验证了基于GPU全并行模型的改进并行算法是一种高效的算法，能够极大的提高算法的运行速度。　　 3．针对流程工业生产计划问题，以某化工企业电化厂为研究对象，建立了以最大化全年利润为目标函数，综合考虑储罐容量、物料平衡、设备能力、产量计划等多约束条件的生产计划问题模型，并采用基于概率分布的改进QPSO算法和基于GPU的改进QPSO算法对该问题进行了求解。结果证明了模型的可行性以及算法的有效性和高效性。　　 4．在上述理论工作的基础上，结合化工企业的实际生产情况，设计并实现了化工企业生产计划与车间智能调度系统。　　 最后，对论文的研究内容进行了总结，展望与分析了量子粒子群算法与流程工业生产计划理论研究和应用前景。