一种基于双生自迁移模型的间歇过程分层优化方法，在上层优化中，利用DODE方法生成建模数据集，建立全局RSM；引入MA来补偿模型，通过求解基于RSM的优化问题，得到满足收敛的次优解并作为下层优化的初始优化点；在下层优化中，通过PLS和SVR建立次优解附近的局部模型；考虑两模型相似但不相同的特点，将两模型函数通过权重在在线学习过程中动态组合成双生自迁移模型；依据梯度信息采用批次间自调整优化调整操作轨迹；同时判断下层优化进程是否具有实现预期目标的能力，若不具有，则返回上层并重新为下层寻找次优解；若具有，则继续下层优化，直到满足目标。该方法能在无相似过程数据和少数据情况下实现间歇过程稳定、高效的优化。