本文以上海宝钢益昌薄板有限公司罩式炉退火过程为背景，研究了资源受限多步工序并行机器调度问题的建模和优化问题，结合退火炉车间生产调度的实际需要，进行了退火炉优化排产系统的设计和开发。 本文在分析了现有遗传算法不足的基础上，提出了一种新的带有参数自适应调节的改进遗传方法。该方法通过引入收敛性因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节，解决了遗传算法大范围粗糙搜索与小范围精细搜索之间的平衡问题，即种群的多样性和算法收敛速度之间的协调问题。这种改进方法不仅提高了遗传算法全局搜索能力，而且很好的提高了搜索速度。通过仿真实例比较，验证了本文算法的有效性。 通过对传统的离散事件仿真方法的研究，本文提出了基于条件事件分类法的仿真新方法。按具有相似条件限制事件归类的规则，把事件表分成若干个条件事件表，避免了每次事件扫描都要遍历所有事件导致搜索速度慢的缺陷。该方法特别适合于条件类型少，活动事件很多的仿真，其效率明显高于传统的仿真方法。 本文在综合国内外对于罩式炉调度研究的基础上，将罩式炉退火过程优化排产定义为资源受限多步工序并行机器调度问题，并定义了优化目标评价函数；将面向对象的离散事件建模仿真方法和智能优化方法相结合建立了退火炉优化排产模型。将本文提出的带有参数自适应改进遗传算法和条件事件分类方法应用于优化排产模型，寻优效率高，优化效果明显，优化排产形成的生产计划准确、详细。 最后本文系统地介绍了罩式炉优化排产的软件设计，提出了罩式炉退火调度通用软件的设计方法。