自动在线识别火焰燃烧状态是确保城市固物焚烧(Municipal　solid　waste　incineration,　MSWI)过程稳定运行进而解决高污染排放、高设备磨损和低运行效率等问题的关键技术手段之一.本文面向深度特征与模型超参数协同优化,提出基于强化学习(Reinforcementlearning,RL)-长短期记忆网络(Longshorttermmemory,LSTM)-并行差分进化(Parallel　differential　evolution,　PDE)算法优化的火焰燃烧状态识别模型构建方法。首先,将ViT-IDFC燃烧状态识别模型的特征选择与超参数优化问题转化为面向PDE算法的编码设计和优化求解问题;然后,将PDE算法的变异因子和选择因子等控制参数作为LSTM的建模对象,利用LSTM模型预测输出PDE的最优超参数;接着,LSTM的参数在PDE优化ViT选择特征和IDFC模型超参数的过程中使用策略梯度RL获得;最后,通过ViT-IDFC识别模型的特征选择参数和模型超参数得到优化的燃烧状态识别模型.基于工业现场图像数据的验证结果表明,所提方法能够有效提升识别模型的精度.