区间优化算法是一种以区间分析理论为根本基础、变量是区间的优化算法。相对于点优化算法,区间优化算法能够为复杂的工业过程提供更宽的可行域,可以有效降低噪声和扰动的影响,适用于解决具有不确定性的工业过程的优化问题。为降低区间计算中过度扩张问题的影响,尽量使求得的区间解接近正确值,现有的区间优化方法会尽量将区间宽度处理地很小,这在算法研究上是可以接受的。在实际工业过程控制中,由于控制要求或者控制回路的跟踪精度等限制,对区间变量宽度一般都有一定要求,不能接近于点,此时传统的区间算法由于无法有效抑制过度扩张问题,有可能求得有较大偏差甚至是错误的解从而导致算法无效。针对这个问题,本文在分析现有理论和区间算法后,提出了一种区间积分逼近的办法来克服过度扩张问题,并提出区间变量宽度受限的区间优化算法,以满足区间变量宽度受限时对区间优化算法的需求。然后对谷氨酸发酵过程进行控制优化。本文的主要工作如下:(1)介绍区间优化算法大体内容,对目前区间算法的研究进度与方向进行总结:介绍区间数概念、区间运算规则、区间扩张形式、区间运算性质等区间理论的基础知识;介绍和分析现有的区间优化方法:区间二分法、区间粒子群算法。(2)分析当区间变量宽度受限时,以上两种区间优化方法无法有效解决优化问题的原因,在此基础上提出区间积分逼近法来解决区间计算的相关性问题,并对以上两种区间算法进行改进。(3)介绍和分析多目标优化算法的基本知识,利用区间占优、区间拥挤距离等区间概念,给出适用于区间变量宽度受限的多目标区间粒子群优化算法。(4)分析谷氨酸发酵过程并利用人工神经网络对其进行建模。在建立发酵模型的基础上,分两阶段分别利用改进的单目标和多目标优化算法对整个发酵过程进行优化,得到区间控制变量轨迹。