现今社会，钢铁作为现代化工业最重要和应用最多的金属材料，广泛应用于国民经济各部门和人们生活的各个方面。钢铁工业在国民经济中占有极重要的地位，是社会发展的重要支柱产业。我国跃居世界第一产钢大国以来，钢铁用原材料，尤其是铁矿石的需求量逐年递增，国内铁矿石供给不足的问题日显突出，使钢铁生产所用铁矿石的来源构成发生了很大的变化，铁矿石进口比例不断提高，进口地区也日益多元化。为了保证烧结矿的质量，在选用矿石、如何配矿方面提出了新的挑战。合理的配矿方案既要满足不同种类的铁矿石的化学成分，将原料矿进行合理的搭配，使混匀矿的化学成分符合烧结生产的要求，又要使烧结矿中产质量指标达到最优化。针对烧结配矿的特点，建立了由化学成分约束和产质量优化组成的烧结配矿模型，很好地解决如何配矿可以比较经济的满足烧结矿生产化学成分要求及在一定的产质量指标要求下如何得到最优配矿方案的难题。针对烧结过程中水分、制粒时间、透气性、配碳、料层、烧结原料及其配比、烧结负压、物化性能以及软化性能等因素不仅相互影响，而且相互制约，其中任何一种因素的改变都会对烧结矿的性能指标产生较大的影响。通过对试验数据的分析与研究，在BP神经网络的基础上提出了广义回归神经网络，提高了模型的精度。运用广义回归神经网络建立了配矿模拟模型，采用合适的优化设计方法，不仅可以有效地减少试验次数，而且还可以提高试验效果，并能较为准确地预测烧结矿的产、质量。同时，利用遗传算法实现了该优化模型。最后通过试验数据的分析和处理，实现对工艺参数的最佳组合。采用基于窗体和面向对象的Delphi作为开发工具，综合运用面向对象、可视化编程、ADO数据库接口和混合编程技术，实现了对烧结配矿优化模型的开发，编制出了烧结优化配矿的系统应用软件。该软件系统具有很强的实用性和通用性。