在当前资源日益紧张、环境压力倍增、环保政策不断收紧的形势下,钢铁企业要实现节能减排的目标,进一步的提升企业的核心竞争力以适应社会的发展。要实现节能减排,必须要清晰企业生产中物流的变化。目前的高炉炼铁工艺在建模的过程中,主要考虑的是高炉的顺行和温度的控制,较少的考虑工业代谢物的变化、反应情况,对其中的污染物的考虑也不多,因此需要构建更加全面的高炉模型。通过对高炉内部物质的运行情况分析,构建工业代谢网络,由于代谢网络属于复杂网络,在求解上比较复杂,而人工智能研究中的多智能体对复杂网络的求解具有很好的优势,因此在代谢工程中建立起通量预测模型,在S系统方程基础上构建交互关系,搭建多智能体仿真系统。该系统不再是根据以往的黑箱模型,而是更加全面的考虑其中反应过程的建模方法,通过仿真,可以预测高炉物料的浓度以及反应的速度,在此基础上,进行工业生产的调控,在保证高炉顺行的前提下,提高生产效率,降低能源物质的消耗,减少污染物的生成排放,实现绿色高效发展。首先,阐明了代谢理论在工业系统中的应用基础,证明了其在工业系统中的可行性,通过对高炉炼铁过程的工艺流程分析,建立起完整的代谢网络,并在此基础上建立通量预测的数学模型。其次,分析了多智能体系统的建模与仿真方法,在系统中构建多个Agent,利用工业代谢通量预测的数学模型搭建Agent之间的交互关系,建立起多智能体仿真模型,在预定的输入量、仿真条件下运行,得出预测结果。最后,对高炉炼铁系统的多智能体仿真模型进行分析,并对其发展前景做出展望。该方法为高炉炼铁的生产预测提供了相对准确的方法,在此基础上可以实现工业过程的调控,达到高效节能的生产。