钢铁作为工业生产中不可或缺的原材料,为世界经济的高速发展提供了基础保证。同时,由于钢铁行业也是能源消耗大户,因此亟需从制造工序优化、生产组织优化等多方面入手,实现节能减排。炼钢-连铸生产是钢铁制造的核心环节,主要包含炼钢、精炼和连铸三道工序,实现铁水、钢水到铸坯的物料形态转换。该过程主要涉及到两个子问题:生产调度和钢包选配。其中,生产调度旨在确定所有炉次在各阶段的机器分配及其操作时间,并生成调度方案;而钢包选配旨在协调所有加工炉次的运载设备分配,以保障生产调度方案的顺行。然而,现阶段的相关研究主要聚焦于生产调度层面,忽略了钢包选配对整个生产过程的影响。因此,本课题重点探索了炼钢-连铸生产调度与钢包选配的集成优化模型及方法,以保证兼顾生产效率的同时,有效地降低生产成本和能源消耗。该研究具有重要的理论价值和实际意义。本课题针对上述问题,主要研究工作如下:首先,针对带可重入精炼工序的炼钢-连铸生产静态调度问题,建立了以总流经时间最小化为目标的混合整数规划模型,并提出了一种有效的增广拉格朗日乘子法（Augmented Lagrange multiplier method,e-ALM）。在该算法中,通过松弛设备资源约束和工序操作优先级约束、以及设计有效的松弛惩罚项,将原问题模型分解为易于求解的多个子问题。进而,通过融合惩罚系数和拉格朗日松弛特性,提出了一种基于次梯度偏转方向的拉格朗日乘子动态更新策略,以加快算法的收敛速度。与数学优化软件CPLEX和其他现有拉格朗日算法求解结果相对比,eALM在相同计算时间内能获得更好的可行解、以及更小的对偶间隙。其次,针对给定生产调度方案下的钢包选配问题,在满足炉次对钢包材质要求、受钢温度要求及转炉出钢时间等约束下,以最小化钢包转运总能耗为目标,建立了钢包选配问题的混合整数规划模型,并提出了改进候鸟迁移优化算法（Improved migratory birds optimization algorithm,IMBO）。在算法中,结合问题特性,设计了基于钢包选配规则的解码机制和启发式初始化方法;同时,结合MBO算法独有的V形结构,提出了基于特定问题的邻域搜索策略和竞争机制,增强算法的协同搜索能力;并结合MBO算法独有的分享和收益机制,提出了一种动态接收准则,以平衡算法的全局搜索和局部搜索能力,进而提高算法的性能。通过与多种已有的智能算法以及在实际生产中所采用的人工钢包选配方法进行对比,验证了所提算法的有效性和优越性。随后,综合考虑炼钢-连铸生产过程中的生产调度与钢包选配问题,建立了炼钢-连铸生产调度与钢包选配的能效集成优化模型,并提出一种增强的候鸟迁移优化算法（Enhanced migratory birds optimization algorithm,EMBO）。在该算法中,结合问题特征设计了融合钢包选配规则的三层启发式解码方法和相应的初始化方法;提出了联合邻域搜索策略、动态接收准则和竞争机制,增加算法的协同搜索能力;并在竞争机制中,引入种群重组和队列间交换策略,通过V字型左右队列间的信息交换来增加种群多样性。通过与其他高效的智能算法的实验对比,验证了所提EMBO算法的有效性和优越性。最后,针对国内某钢铁企业炼钢车间的实际工程案例,验证本文所提出的理论和方法。根据该车间生产实绩和钢包选配实际情况,采用生产调度与钢包选配序次优化和集成优化两种方法求解。结果表明,在所提出的能效集成优化方法下制定的生产调度方案明显优于现场采用的序次优化方法,即总流经时间更短、制造周期更短、能耗更低。同时,由于钢包选配规则的应用,提高了现场红包（温度高的钢包）的利用率和周转率,减少了钢包烘烤能耗。