动态优化,是解决实际生产过程瓶颈问题、实现最优控制的有效手段,广泛应用于生产生活的诸多领域,受到国内外众多专家学者的关注与研究。控制向量参数化(CVP)方法是其中的一种主流计算方法,通过对控制变量进行离散,将原动态优化问题转化为一个新的非线性规划(NLP)问题来求解。目前,如何以较低的计算成本获得较高的求解质量是CVP方法中的研究热点之一。本文以自适应CVP方法为框架,针对其两个求解阶段,即控制变量离散化和NLP问题求解,着重于效率的提升,进行了一定研究。本文的主要创新性工作如下:(1)针对如何高效求解动态优化问题这一研究热点,提出了一种具有一般性的自适应CVP动态优化框架。以该框架为基础,采用一定的分析方法,可由粗糙的时间网格自适应地得到经济、合理的时间网格,从而提高求解效率。(2)以基于小波分析的自适应CVP方法为基础,提出了 一种重要时间节点优化方法。该方法可以准确探测出重要时间节点的所属区域,并进行针对性优化,从而以较小的代价实现对重要节点的精确逼近,尤其对于含有跳变时间节点的问题十分有效。(3)从改善目标函数值的角度,提出了一种基于灵敏度分析的自适应CVP方法,并进一步将重要时间节点优化方法引入其中。该自适应方法只在能够显著改善目标值的区域插入新节点,减少了时间网格中的不必要节点,大大提高了求解效率。实例测试表明,该方法还具有较高的鲁棒性。(4)针对带约束NLP问题,提出了一种新的非单调过滤线搜索技术,并将其引入Wachter-Biegler内点法框架中,获得良好数值表现。所提出的非单调技术使得步长搜索更加灵活、宽松,对于算法整体性能的提升起到重要作用。