摘　　　要：在實際的間歇過程優(yōu)化控制中面臨著模型參數(shù)不確定性的問題，并且基于梯度的優(yōu)化控制技術(shù)在處理具有多個局部極值的目標函數(shù)時，往往會陷入局部極值點。針對該問題，提出一種基于微粒群優(yōu)化算法的間歇過程產(chǎn)品質(zhì)量迭代學習策略。結(jié)合間歇過程產(chǎn)品質(zhì) 量控制問題的特點和各種約束條件，利用微粒群優(yōu)化算法在非線性問題求解及大尺度空間搜索上的優(yōu)勢，來改變間歇過程魯棒優(yōu)化收縮控制變量的搜索域，并用迭代法以迭代方式消除誤差，從而使優(yōu)化性能指標漸次達到較優(yōu)。在理論研究的基礎(chǔ)上...