钢铁企业一体化生产工艺下合同计划是为了适应当前市场特点，改进企业管理模式的一种方法，其目的是面向市场和客户需求，并考虑本企业生产能力和特点，最优化生产管理，以求得经营和生产的优化运行，达到产品交货快、质量好和成本低的目的，从而提高企业的竞争能力。合同计划是生产计划中一个贯穿各个生产工序的决定生产能否顺利有效完成的重要因素。合同计划是一类Flow Shop问题，当问题规模较大时，很难找到问题的精确解，如何建立适应当前市场要求及企业生产的合同计划模型并设计有效的算法从而在较短的计算时间内获得较好的解，成为现阶段研究的重点。 ACOgb.rmin算法是一种改进的蚁群算法，是针对具有组合优化性质的极小化问题而被提出的。蚁群算法是受自然界中蚂蚁觅食行为的启发而发展起来的一种元启发式优化算法，是一种本质并行的算法，全局搜索能力强。蚂蚁之间通过信息交流加速了进化过程，利用了正反馈原理和学习机制，具有较强的搜索较优解的能力。蚁群算法在二次分配(QAP)、网络路由、车间调度(JSP)、车辆路径(VRP)等组合优化问题的求解中取得了很好的效果。 本文研究以国家自然科学基金项目--《基于MTO的混合流程制造业柔性合同计划方法研究》为背景，首先分析并研究了现在钢铁企业生产工艺的流程，深入研究了钢铁企业炼钢-连铸-热轧-体化生产的工序特点和工艺约束；然后研究了钢铁企业生产组织过程，分析了现在钢铁企业生产计划编制流程，根据现阶段生产编制存在的问题，深入研究了钢铁企业-体化生产流程中各工序的排产目标、约束和方法；论文重点研究了钢铁企业一体化合同计划的编制方法和数学建模，分析了合同计划编制的流程、构架和目标。基于钢铁企业有限产能的合同排产目标，建立了以最大化产能和最小化拖期提前总惩罚为目标的合同计划模型，综合考虑了工序前序关系、工序产能和库存的约束。将生产合同与生产工序组合成节点图，从而将合同计划问题抽象成一种改进的TSP模型。 ACOgb.rmin算法作为一种改进的蚁群算法，被用来解决具有组合优化性质的极小化问题。本文根据模型和问题的特点对ACOgb，rmin算法进行了进一步的改进，加入交货期启发因子，结合ACOgb,rmin算法的信息素调整机制，兼顾了算法收敛的速度和全局性。最后，进行了大量的数据仿真实验。研究了在不同参数组合下改进ACOgb,rmin算法性能的变化，确定较好的参数组合和取值范围。对比了加入交货期启发因子的改进算法与ACOgn,rmin算法在算法的收敛速度和解的质量的不同。并以钢厂实际合同为例进行实验，结果表明，蚁群算法获得的最好解和计算成本都比较令人满意，模型和算法是有效的。