热轧生产作为钢铁生产中的一道重要工序,其生产调度影响到炼钢,连铸生产的计划编制;轧制计划完成情况的好坏,直接决定产品质量、产量、交货日期和企业的生产效益。合理的生产调度可以提高生产效率,降低能耗和成本,从而提高企业的竞争力。热轧生产调度是一个复杂的约束组合优化问题,其生产约束条件包括连续轧制板坯的宽度、厚度和硬度跳变要求,轧制计划的最大长度,产品库存及交货期等。本文针对热轧问题的目标和约束,建立了单轧制批次和多轧制批次调度的优化模型。模型不仅考虑了轧制计划中板坯在宽度,厚度,硬度上的跳变,相同宽度板坯连续轧制长度约束,而且还考虑了轧制中烫辊材和主体材的合理安排,能够编制出满足一定规格的“双梯形”的轧制计划。其中,多轧制调度模型考虑了多个轧制计划,采用并行策略,更具有研究价值和实际应用前景。在轧制调度模型的基础上,通过对遗传算法的各种改进方法的比较和分析,本文提出了局部搜索混合遗传算法。通过在遗传算法中引入其他搜索算法,既发挥了遗传算法自身的优势,又利用其他搜索算法来弥补遗传算法的不足。在实际的生产调度系统中存在很多随机的和不确定的因素,仅仅靠静态调度的结果,远远不能满足实际生产需要。因此有必要在静态调度的基础上,建立动态调度系统,以处理热轧生产中的各种动态事件。在热轧静态调度模型的基础上,提出了热轧动态调度框架,在此框架内建立了重调度规则与优化算法。重调度策略是建立在热轧调度领域知识上的启发式规则,包括修补策略与完全重调度策略。不同的调度策略用于应对不同的动态事件,策略与优化算法,构成了完整的热轧动态调度方案。基于本文所研究的模型和优化调度算法,开发了热轧调度系统,仿真数据表明,该系统能提供满意的解决方案和调度性能。