废钢铁是一种可循环利用的再生资源，与铁矿石原料相比，具有明显的资源和低碳优势。在国家节能减排背景下，积极推动废钢铁再制造是钢铁工业实现低碳发展的重要途径，也是目前我国钢铁工业发展的主要方向。我国于2017年12月底启动了碳排放交易市场，将钢铁行业列为首批8个重点行业之一，该举措成为加快钢铁行业节能减排的有力“推手”。随着碳减排措施在具体生产环节中的不断落实，碳排放已然成为企业在制定生产调度方案时不得不考虑的关键因素之一。因此，在低碳环境下，研究如何科学地制定废钢铁再制造生产调度方案，以实现核心生产工序间的有效协调及子系统之间的高度协调运作，从生产调度层面降低二氧化碳排放，推进钢铁产业绿色循环发展，将具有重要的学术价值和实践意义。
　　本文以废钢铁再制造系统为研究对象，以实现经济效益和环境效益的统一为再制造生产调度的优化目标，基于再加工子系统和再熔炼子系统中能源消耗和碳排放的关键生产环节，对低碳环境下废钢铁再制造生产调度优化展开研究。主要研究内容如下：
　　（1）针对废钢铁再加工与电弧炉配料整个生产过程，考虑工艺约束、物料平衡等因素，设计了碳排放计量方法，构建了最小化经济成本与碳交易成本总和的低碳调度优化模型。将该模型与只考虑经济成本的模型进行比较，从理论方面论证了该模型在碳减排方面的可行性与有效性；进一步通过数值实验探讨了碳限额、碳价及碳交易对总成本、碳排放和最优调度方案的影响。该研究实现了废钢铁再加工子系统与再熔炼子系统之间的高度协调运作，从整体上减少了物质损耗和碳排放。
　　（2）针对废钢铁炼钢模铸生产过程，设计了碳排放计量方法，构建了最小化makespan与碳排放的双目标优化模型。针对该模型等待时间受限的特征，提出了一种采用概率更新机制的种群增量学习算法。该算法结合炼钢模铸生产工艺要求将标准的2维概率矩阵扩展为3维矩阵，建立新的更新机制，利用概率模型产生每代种群；由于对解的基因位执行概率选择操作，算法能够对优质解的排列信息进行快速有效学习，可在较短时间内求得高质量的调度方案。通过仿真实验分析了影响碳排放的主要因素，以及makespan与碳排放之间的关系，从而为企业依据生产任务和碳排放环境选择综合目标最优化的生产调度方案提供有效方法。
　　（3）针对工艺路径相同的废钢铁炼钢连铸生产过程，设计了碳排放计量方法，考虑工艺约束因素，构建了最小化makespan与碳排放的双目标优化模型。针对该模型炉次驻留时间受限、连铸阶段批量生产、准时开浇的强约束特征，提出了改进的种群增量学习算法。该算法利用改进的概率模型产生每代种群，对问题解空间执行较高效率的全局搜索；设计了融合时间窗后向推移法的局部搜索算法同时优化双目标；由于在全局和局部搜索之间达到了较好平衡，算法有能力获得问题的优良解。仿真结果表明，与只考虑经济指标最优化的调度结果相比，该优化模型可以在优化经济指标的同时有效降低碳排放，且调度方案满足驻留时间上限，从而有效降低了重调度风险造成的碳排放。
　　（4）针对复杂工艺路径的废钢铁炼钢连铸生产过程，设计了碳排放计量方法，构建了最小化 makespan、碳排放、炉次最大等待时间的多目标优化模型。针对该模型中目标种类多，目标之间相互矛盾等问题，提出了求解此问题的快速非支配排序遗传算法。该算法结合复杂工艺路径特征和工艺约束条件，设计了四层染色体编码方式，采用基于操作顺序的倒推解码方法，利用逆向计算安排炉次加工时间并消解时间冲突；快速非支配排序的个体评价及基于拥挤距离的多样性保持策略使算法达到了较好的求解效果。仿真结果表明，该优化模型的求解既能为调度决策者提供各目标有效均衡的折中方案，又能提供不同碳排放政策下的满意调度方案。
　　本文的研究工作有利于丰富和完善废钢铁再制造的相关研究理论和方法，为废钢铁再制造企业在低碳环境下制定科学合理的生产调度方案提供决策依据。