本文以宝钢2030冷轧单元的罩式炉生产线为背景，研究了罩式炉批量计划问题。罩式炉批量计划问题就是在N个等待退火的板卷中，依据它们之间物理性质的差别以及它们和罩式退火炉之间的匹配关系挑选出n(n≤N)个板卷组成m个装炉单元进行生产。由于罩式炉退火生产工序的年产量占2030冷轧单元年产量的60％以上，而且生产周期长、能量消耗大、资源约束多，所以罩式炉生产批量计划的编制非常复杂。目前现场主要以人工编排为主，人工编排水平的差别以及人处理复杂信息的局限性，使得罩式炉生产批量计划难以科学准确，从而难以保证生产优化运行。本文采用最优化建模和智能优化求解技术来研究生产批量计划问题，以期达到提高机组产能、资源优化配置和降低能耗的目的。 本文主要研究工作如下：对生产批量计划问题建立了数学规划模型，该模型是带有0/1变量的整数线性规划问题。在建立模型时考虑到不同板卷的物理性质(如重量、宽度、外径等)和退火曲线存在许多差异，要尽量把退火曲线和物理性质相同或是相近的板卷组成一垛，防止过火和欠火的情况出现，保证产品的质量，同时考虑了炉容约束，提高产量。 针对问题求解NP-难特点，分别提出了三种启发式算法，为优先级法、最小增益法、分系列法。优先级法以优先级系数的降序作为板卷的编排顺序，使优先级系数大的板卷能够被优先编排，这里的优先级系数的制定方法来源于实际生产情况，将罩式炉生产线的管理模式进行量化，通过算法求解来解决问题；最小增益法是以目标函数的增量为依据，优先编排使目标函数增益最小的板卷的方法；分系列法中按照退火曲线约束将板卷分成若干个组，在每组中使用优先级法进行求解。是将优先级法中的判断板卷退火曲线是否匹配的步骤提前到原始数据处理阶段。 在仿真试验中，在CPU为PentiumIV主频2.4G，512M物理内存，WindowsXP操作系统的计算机上，在VC++6.0开发环境中，使用C编程语言进行编译，分别对从实际生产中采集的6组真实数据进行了求解。从结果可以看出，提出的三种启发式算法结果皆优于宝钢人工编排的结果。其中分系列法在装炉量和目标函数值上得到了最多的当前最好解，优先级法次之，因为从算法思想上看，分系列法可以看作是改进了的优先级法，所以分系列法的结果要由于优先级法。虽然最小增益法没有在结果数据上显示出优势，但是由于其对目标函数惩罚值的变更有很大的敏感性，所以在通过改变惩罚值来控制计划属性的时候，使用最小增益法最为合适。 把罩式炉批量计划问题看作是钢铁企业整个物流过程的一个单元，考虑板卷动态到达的情况，提出了动态罩式炉批量计划问题，本文将其归结为动态批处理问题，建立了数学规划模型，该模型也是带有0/1变量的整数线性规划问题，依然具有求解NP-难的特点。与静态问题相比，目标函数和约束条件都增加了时间属性的相关项。本文利用最小增益法对目标函数值比较敏感的特点，针对该问题对6组实际数据进行了仿真试验，求得近优解，与相同情况下的静态问题的结果进行比较，装炉量和目标函数有明显的优势。