催化裂化作为炼厂中重要的二次加工工艺,主要生产汽油、柴油和液化气等产品。反应再生系统是催化裂化生产过程中的核心装置,在原料油和催化剂类型确定的前提下,其操作变量设定值不同,则各产品的收率不同。现有的反应再生系统操作优化方案大都是针对单一产品油进行设计的,并未根据市场需求考虑产品分布结构,这将影响炼厂的经济效益。其次,催化裂化反应机理十分复杂,很难用精确的机理模型描述各产品收率与操作变量之间的关系建立收率模型;而现有的数据模型不能在线更新,且收敛速度慢,易陷入局部最优。此外,现有的反应再生系统操作优化算法并没有结合实际生产过程的特点进行一定设计,其在优化质量和效率方面难以满足催化裂化反应再生系统操作优化的要求。因此,在满足市场需求的产品分布下,建立准确的产品收率模型,设计有效的操作优化算法,实现反应再生系统的操作优化具有重要意义。本文依托国家自然科学基金项目“炼油生产过程全局协同优化运行理论与实现技术（61590992）”,开展了催化裂化反应再生系统操作优化研究,主要工作如下:（1）催化裂化反应再生系统操作优化问题描述。结合催化裂化反应再生系统的工艺流程,介绍了反应再生系统操作优化的决策过程,从而明确了本文的操作优化问题及其相应的约束条件和操作变量,然后给出了操作优化模型的数学描述,最后分析了上述操作优化问题的重点和难点。（2）提出了一种改进集成随机权在线学习算法JADE-ERNN,并基于该方法分别建立了汽油、柴油和液化气收率模型。JADE-ERNN算法以随机权神经网络作为个体网络,采用负相关的方法集成各个体网络,并在集成网络中引入正则化项,防止算法过拟合。此外为了简化模型参数的确定过程,本文提出采用带有外部存储文档的自适应差分进化算法JADE优化集成随机权网络中的集成规模、惩罚系数、正则化参数、个体网络的隐含层节点数、以及激励函数中参数值;最后利用在线学习机制更新模型,提高了模型的精度。基于上述改进集成随机权在线学习算法,分别建立了汽油、柴油、液化气收率模型,并将本文所提出的JADE-ERNN算法与现有的集成学习算法ERNN以及产品收率模型建模方法GA-BP和RBF进行了对比仿真实验研究,实验结果表明本文所提出的方法建立的收率模型具有更好的精度。（3）结合本文操作优化问题的特点,提出了一种改进差分进化算法iDE。针对FCC操作优化中约束多和不同操作变量的可行范围差异大的特点,引入了一种协同交互变异策略进行个体变异,以提高算法的开发和探索能力;其次,针对FCC操作优化算法中变异和交叉因子的更新,提出了一种具有修复功能的参数自适应策略。此外,考虑到FCC操作优化具有时效强的特点,提出了对每一代种群中最好个体实施加强搜索的方法,以提高算法的收敛速度。基于上述建立的各产品收率模型,设计了 10个不同的FCC反应再生系统操作优化测试案例,通过求解这10个测试案例,将本文提出的iDE算法与现有的代表性的一些差分算法和FCC操作优化算法进行仿真实验研究。实验结果表明:iDE算法具有较强的全局寻优能力、鲁棒性以及较快的收敛速度。