در این پایان نامه به بررسی یک مسئله کاربردی کنترل آلودگی هوا با استفاده از برنامه ریزی نیمه-نامتناهی پرداخته شده-است. غلظت دود تولید شده توسط هر دو دودکش در هر نقطه، با ارتفاع آن رابطه عکس دارد. بنابراین مسئله آلودگی هوای مورد بحث به مینیمم نمودن ارتفاع دودکش های کارخانجات صنعتی می پردازد. مسئله مینیمم نمودن ارتفاع دودکش ها برای کنترل آلودگی هوا به صورت یک مسئله برنامه ریزی نیمه-نامتناهی غیرخطی مدل می شود.روش های گسسته سازی، جایگزینی و کاهشی برای حل مسائل برنامه ریزی نیمه-نامتناهی با ارائه مثال هایی در این زمینه بیان شده است. یکی از مراحل همه الگوریتم های معرفی شده حل یک مسئله بهینه-سازی (خطی، غیرخطی، درجه دوم، شبه محدب و غیر محدب) است، لذا به بیان روش های شبکه عصبی بازگشتی برای حل مسائل برنامه ریزی خطی، غیرخطی و درجه دوم پرداخته شده است. مثال هایی با استفاده از روش های شبکه عصبی بازگشتی ارائه شده، حل شده است. از آنجا که روش های شبکه عصبی بازگشتی تا کنون در حل مسائل برنامه ریزی نیمه-نامتناهی استفاده نشده اند بنابراین استفاده از این روش برای حل مسائل نیمه-نامتناهی یک نوع نوآوری در این پایان نامه است. در فصل آخر یک مسئله واقعی آلودگی هوا ارائه شده است که این مسئله، به دست آوردن مینیم ارتفاع دودکش های کارخانجات صنعتی در یک ناحیه محدود است . نتایج عددی این پایان نامه با استفاده از روش گسسته سازی با استفاده از الگوریتم sqp با نرم افزار matlab 8 به دست آورده شده اند.