污染负荷分配是总量控制的核心，并且与环境综合整治方案的制定、排污布局规划以及跨界水污染纠纷的解决等问题密切相关。公平与效益是污染负荷分配的基本原则，但两者通常难以取得一致。本文分别从公平、效益和多目标优化3个角度出发，建立多种污染负荷分配模型，运用公平理论与神经网络、遗传算法等优化技术以及多目标决策方法求解，为污染负荷分配的优化决策提供科学依据。论文分为五章：第一章为绪论，对研究进展作了总结，并分析存在的问题；第二章提出了3种基于公平原则的污染负荷分配方法，以广州-佛山河网为研究实例，解决两市的水环境污染纠纷问题；第三章为基于效益的优化分配，分别对环境风险容量的优化分配、感潮河流环境容量的计算以及逐日环境容量的预测等问题展开研究；第四章为综合公平与效益的多目标分配，设计多目标规划求解方法，建立污染负荷分配的多目标优化模型并应用于广州-佛山河网；第五章为全文总结。 论文的主要研究成果归纳如下： (1)提出了3种基于公平原则的污染负荷分配方法：公平区间法、多准则决策法与群决策法。公平区间法从公平含义的模糊性出发，考虑排污者的各种差异，根据公平区间确定允许排放量；多准则决策法针对公平观点的多元化特点，允许排污者自由选择分配准则，通过协调获得公平分配方案；群决策法在保障分配过程公平的基础上，由排污者集体决策产生最终方案。将公平区间法与多准则决策法应用于广州-佛山河网，研究结果表明，两种方法的分配结果有一定差别，但整体上较为接近；污染控制单元根据其人口数量、经济发展水平以及产业结构等差异，承担不同程度的污染削减责任。 (2)根据河流水环境系统的不确定性特征，建立了多排污口的环境风险容量优化分配模型，分别采用遗传算法和混合智能算法求解。研究结果表明，如果环境风险容量优化分配模型耦合的水环境模拟模型较为简单，遗传算法能够顺利求解；但如果模拟模型结构复杂并且计算时间长，则需要采用结合遗传算法与人工神经网络的混合智能算法加以求解。混合智能算法为解决各类复杂的污染负荷优化问题提供了有效工具。 (3)针对感潮河流水质潮汐波动以及污染负荷随机变化的特点，建立了潮周期达标率的环境容量优化模型。研究结果表明，环境容量随水质达标率要求的提高而降低，各排污口的污染负荷分布也发生较大变化，与传统仅考虑潮平均浓度的线性规划模型的计算结果相比有着较大差异。对于感潮河流，根据潮周期达标率确定环境容量，水质目标要求更明确和严谨，对于加强环境保护、提高管理水平也有着现实意义。 (4)结合数值模拟手段与神经网络，建立日环境容量预测模型，根据水文条件与环境背景浓度的变化，确定河流的当日环境容量。计算结果表明，训练后的神经网络预测结果与水环境数学模型的计算结果十分接近，而且具有速度快和使用方便的优点，为环境容量的迅速预报提供了有效手段。 (5)设计了2种多目标决策方法：交互式混合智能算法(IHIA)与基于保留度的多目标进化算法(ALTP)。研究结果表明，如果决策者能够提供准确的偏好信息，IHIA利用神经网络进行映射，能够迅速求得最满意解；如果决策者仅愿意从若干非劣解中选择相对满意的一个，则ALTP是更合适的选择。 (6)综合公平、效益与水质，建立了污染负荷分配的模糊多目标优化模型，并应用于广州-佛山河网。研究结果表明，如果在公平性与水质上略作妥协，分配方案的效益会有显著提高。模糊多目标优化结果比单目标优化更具弹性，有助于制定科学合理的分配方案。