现实世界的一些生产制造业中,通常存在一类配有恒速传送带的生产中心,工件随机到达生产中心进行必要的加工。通常,为了提高生产线的柔性生产,加工站配置一个有限容量的缓冲库用于临时存储工件,这类源于福特生产线的生产模型叫做传送带给料加工站(Conveyor-Serviced Production Station,简称CSPS). CSPS可以被视为生产自动化过程中的抽象模型,例如机器人生产线。作为一类智能生产模型,CSPS被广泛用在现实生产中。因此研究该类系统的最优控制问题,具有重要的现实意义,也是工业工程中的一个重要领域。现今,由于在供应链管理(SCM)时代经济发展的影响,实时的生产可能会极大地受到影响了市场,因此本文主要研究产销一体化模式下传送带给料加工站系统的优化控制,该类系统被视为一个连接到销售中心的生产中心,加工后的成品流入销售中心的成品库,本系统的特点是随机的工件到达和顾客到达,随机的加工时间和有限的缓冲库和成品库容量。所以类似这类产销一体化模式下CSPS系统的控制策略受生产和销售水平的共同影响。本文主要目标是随机控制问题的建模和提供解决方法以得到平均和折扣准则下的最优前视控制策略。这部分首先为产销一体化模式下CSPS系统建立详细的以缓冲库和成品库剩余量为联合状态的半Markov决策过程,在系统参数精确已知的情况下可以通过数值迭代和策略迭代求解该问题。为了避免理论优化算法中“维数灾”和“建模难”的问题,文中给出基于模拟退火的Q-学习算法以推导近似解。最后仿真结果表明,通过我们建立的模型和给出的优化算法,在缓冲库和成品库容量设计合理的情况下,系统可以得到最优或者次优前视控制策略。现实生产中,生产加工站的服务率是决定系统运行效率的关键之一,因此对服务率进行合适地控制可以提高系统的生产率,减少等待时间和周期时间,从而使系统在一定条件下达到最优。因此本文研究服务率可变的产销一体化模式下CSPS系统的优化控制,主要目标是对随机优化控制问题进行建模和提供解决方案。首先,以缓冲库和成品库剩余容量为联合状态,以站点前视距离和工件服务率为行动变量,将该优化控制问题建模为半Markov决策过程。因此,可用策略迭代和基于模拟退火思想的Q-学习算法等方法进行求解,获得系统在平均准则或折扣准则下的最优前视距离和服务率。