随着生产工艺的日益复杂与对生产要求的日益提高,大工业过程优化控制成为重要的研究课题。在进行大工业过程优化控制时,由于环境变化、生产条件波动等原因,实际过程的数学描述发生着缓慢的变化,它的数学模型很难准确地得到,因此不可避免地存在着数学模型与实际过程数学描述之间不符的情况,模糊模型是处理这一问题的有效方法。同时,如何有效利用大量的过程数据与优化控制经验对于实现大工业过程优化控制也具有重要的理论与实际意义。本文首先针对基于模糊模型的大工业过程优化控制问题所涉及的模糊优化求解问题,提出一种具有单纯形算子的差分进化算法,以充分发挥单纯形法很好的局部搜索能力以及差分进化算法良好的全局搜索能力,从而提高优化算法的整体性能。通过对分别采用关联平衡法、关联预测法和混合协调法实现基于模糊模型的大工业过程优化控制问题实例的仿真研究,验证了方法的有效性。通过上述基于模型的优化控制方法实现大工业过程优化控制,在实际工业过程中,经过一段时间的运行与前期积累,往往会有大量的过程数据,这些数据蕴含着大量的优化控制经验。为了能够有效地利用实际生产过程的信息,本文将模型与数据进行结合来求解大工业过程的优化控制问题。在基于模型的优化控制方法基础上,根据历史优化控制数据建立大工业过程的案例库,通过案例匹配实现案例决策,当匹配失败时利用基于模型的方法实现优化控制并同时积累案例；当部分匹配时,将相似案例作为基于模型优化的初始值从而加快寻优速度。另外,基于专家补偿经验建立补偿案例库实现决策补偿,仿真研究验证了方法的有效性。