本文以某钢厂冷轧单元的罩式炉生产线为背景,研究了罩式炉优化排产问题。该问题可以描述为,N个等待退火的板卷,依据它们之间的物理性质的差别挑选出n(n<N)个将其组为m个装炉单元进行处理。由于罩式炉退火生产工序的生产周期长、能量消耗大、资源约束多,所以罩式炉生产批量计划的编制非常复杂。目前现场主要以人工编排为主,人工编排水平的差别以及人处理复杂信息的局限性,使得罩式炉生产批量计划难以科学准确,从而难以保证生产优化运行。本文采用最优化建模和智能优化求解技术来研究生产批量计划问题,以期达到提高机组产能、资源优化配置和降低能耗的目的。本文主要研究了一下内容:对生产批量计划问题建立了数学规划模型,该模型是带有0/1变量的整数线性规划问题。在建立模型时考虑到不同板卷的物理性质(如重量、宽度、外径等)和退火曲线存在许多差异,要尽量把退火曲线和物理性质相同或是相近的板卷组成一垛,防止过火和欠火的情况出现,保证产品的质量,同时考虑了炉容约束,提高产量。针对问题求解NP-难特点,提出了启发式算法。主要思想为:以优先级系数的降序作为板卷的编排顺序,使优先级系数大的板卷能够被优先编排,这里的优先级系数的制定方法来源于实际生产情况,将罩式炉生产线的管理模式进行量化,通过算法求解来解决问题。由于启发式所得解有一定的局限性,所以本文还采用了智能优化算法——禁忌搜索对其进行进一步的优化。在仿真试验中,在CPU为Pentium IV主频2.4G,512M物理内存,Windows XP操作系统的计算机上,在VC++6.0开发环境中,使用C编程语言进行编译,分别对从实际生产中采集的6组真实数据进行了求解。从实验可以看出,启发式的编排结果无论从时间和装炉量方面均优于人工编排结果,且应用智能优化算法后,结果明显得到改进。最后,在VC++6.0开发环境中开发了罩式炉优化排产系统。