非线性规划(NLP)是过程系统工程的重要工具。计算机技术与数值方法的发展使过程工程师可以考虑求解更大规模、更复杂的系统。如何实现大规模NLP问题的高效、稳定求解成为研究重点。简约空间方法适合过程系统优化命题的高维、低自由度特征,并可利用问题结构和近似二阶信息求解,是该类优化命题的良好求解途径。本论文的目标是设计并实现适于大规模NLP问题求解的简约空间算法,特别是为实现稳定求解以及权衡计算代价与求解精度提出解决方案,在理论上分析其特性,并通过各类NLP问题求解测试其应用性能。本文讨论的简约空间算法包括简约空间SQP算法(rSQP)和简约空间内点法(rIPOPT)。提出了这两种算法可用的求解策略。为了高效求解空间分解系统,引入一种近似求解方法并相应调整求解计算顺序。在不满秩系统求解中,为实现系统分解和数值稳定性,提出必要的维数变化方法。此外,在求解过程中还需要检测系统秩变化及(局部)不可行性。这可以通过高效应用稀疏系统求解器来实现。为了促进算法全局收敛,本文提出基于障碍法和投影梯度法的两种可行性恢复算法,并对无可行性恢复阶段的鲁棒算法进行了探讨。基于收敛深度的收敛准则能够权衡计算代价与求解精度,为用户提供可接受近似解,控制优化进程适时终止。本文的理论探讨包括不满秩(特别是不相容)系统的障碍法可行性恢复问题求解方法;投影梯度可行性恢复算法的全局收敛性及收敛速度分析;无可行性恢复阶段的鲁棒算法全局收敛性分析;基于收敛深度的收敛准则性质证明等。作为通用NLP问题求解器,本文通过CUTE/COPS/MITT标准算例库求解,测试了MATLAB环境下rSQP算法的性能,并将其与MINOS和SNOPT两个求解器的性能进行了比较。在过程系统优化应用中,乙烯生产过程联塔系统优化显示出简约空间算法的优越性。FORTRAN环境下的rIPOPT算法在不满秩系统求解、全局收敛性测试和不可行性识别中表现出良好性能。收敛深度控制准则的有效性,通过rSQP算法应用于标准算例库求解、变负荷联塔系统优化、催化剂混合优化等数值实验得到体现。