计算机控制系统等先进技术大量应用到生产制造行业，使现代生产企业越来越具有混杂生产系统的特性。通过对具有混杂生产特性的现代工业系统的研究，推动工业生产中先进科学技术的发展和应用，是研究混杂系统的主要目的。钢铁企业的生产介于离散生产过程和连续生产过程之间，具有典型的混杂生产特性。一体化生产管理水平的高低决定着企业的市场竞争力，是钢铁企业生产管理的主体。生产计划与调度是企业一体化生产管理的核心内容和关键技术，其主要内容包括热轧计划、炉次计划和浇次计划。此外，TSP问题模型是生产计划编制中经常遇到的组合优化问题。本文围绕这四个问题展开研究，主要内容和创新点如下：　　 (1)针对带钢热轧轧制计划编制的问题。带钢热轧轧制计划的编制是钢铁企业生产的主要内容，由于其具有特殊的生产工艺约束，因此计划编制问题比较复杂。本文建立了该计划编制问题的数学描述，并采用基于并行策略的多旅行商问题(MTSP)热轧轧制计划模型。该模型不但考虑了板坯在宽度、厚度和硬度跳变时的约束，还考虑了同一轧制单元内轧制板坯数量的约束。并设计了新的Meta-heuristics算法求解此模型，该算法设计了邻域搜索方法实现遗传操作的交叉算子，这种邻域搜索算法是一种改进的LK算法，能够更好地适应描述热轧计划编制问题的TSP模型，并且采用一种适合单亲遗传的MUT3算子作为变异算子。通过对某热轧带钢厂生产数据的仿真实验，表明该方法能有效地给出满意的生产计划编制结果，并且具有较高的执行效率，从而验证了模型和算法的有效性。　　 (2)针对求解对称TSP问题。本文提出了多种群协进化Memetic算法(MCMA，multi-population co-evolutionary Memetic Algorithm)。该算法以MAs算法为基础，采用3个子种群协同进化的方式，克服了MAs算法由于缺乏种群多样性而产生早熟收敛的缺陷。MCMA算法中对3个子种群分别采用了2-exchange、3-exchange和PCV三种不同的邻域搜索结构，非常有效地保持了种群的多样性。通过实验仿真，对于若干TSP问题实例，与SGA、SMAs和GGA算法进行了比较，该算法能够给相当满意的结果，从而说明了该算法的有效性。　　 (3)针对炉次数目固定的炉次计划编制问题。本文建立了基于多目标优化的数学模型，并设计了P-MA(Pareto-based Memetic Algorithm)算法。基于多目标优化的数学模型能更好地反映炉次计划的工艺约束，可以得到多个Pareto非支配解，为一体化生产的动态协调和调整提供了更多的炉次方案，使整个生产过程具有更大的灵活性。P-MA算法采用SPEA2的框架并结合了基于Pareto支配性的自适应网格存档(AGA，Adaptive Drid Archiving)策略来评价邻域解的质量，以确定是否接受这个新解。通过对实际生产数据的仿真实验验证了P-MA算法在求解多目标炉次计划编制问题上是有效的。　　 (4)针对炉次数目不固定的炉次计划编制问题。本文建立了基于多目标优化的数学模型。并且定义了描述该问题的具有冲突约束与惩罚因素的Bin-Packing模型(The Constrained Bin-Packing with Penalization)，在此基础上设计了贪婪启发式算法GFFDmP(Greedy First-Fit-Decreasing with minimumPenalization)来求解该模型。通过对实际生产数据的仿真实验验证了本启发式算法在求解多目标炉次计划编制问题上是有效的。　　 (5)针对浇次数目不固定的浇次计划编制问题。描述了连铸生产工艺以及对于浇次计划编制的工艺约束，在此基础上针对炉次数目一定、浇次数目不固定的情况建立了浇次计划编制的整数规划模型。该模型在满足工艺约束的前提下，使浇次数和额外成本最小化。并且本文采用迭代自组织聚类算法解决了该优化问题，通过对实际生产数据的仿真以及与文献中的仿真结果比较，验证了本文模型和算法的有效性。