本文以提高钢铁企业无委托板卷利用率的实际需求为背景,以双边匹配理论为研究框架,结合数据解析与优化技术,研究了无委托板卷的优化充当问题。该研究不但是对数据解析与优化技术结合的探索,同时是对经济学中双边匹配理论在钢铁制造领域的具体应用和扩展,其应用对于提高板卷利用率、提高客户满意度、提升企业利润空间具有显著意义。与以往无委托板卷充当问题的研究不同,本文建立了基于板卷和合同满意度的双边匹配数学模型,并将预测的合同交货期作为评价板卷匹配满意度和合同容量满意度的关键指标引入双边匹配数学模型。设计了基于匹配满意度偏好的启发式算法和基于历史匹配信息的启发式算法获得问题可行解,并提出了基于双边匹配稳定性理论的改进差分进化算法对问题进行快速近优求解。基于提出的模型和算法,开发了板卷充当与合同管理决策支持系统。具体工作如下:(1)针对合同完成时间预测问题,将其转化为合同在冷轧各个阶段生产时间的预测。通过分析冷轧生产过程,以合同主档数据、合同制程数据和质量管理数据三类影响冷轧生产时间的关键生产参数作为输入变量,采用多核学习机方法建立合同冷轧生产时间预测模型,并应用差分进化算法优化模型参数。考虑冷轧生产时间受工艺、人为等多因素影响,提出了输入变量二次选择策略,将不同时间段内与预测精度无关或者负影响的数据自动滤除,进而提高预测精度。(2)针对无委托板卷充当问题,根据双边匹配思想,考虑板卷匹配满意度、板卷利用率满意度、合同匹配满意度、合同容量满意度,以板卷匹配比例为决策变量,建立板卷合同双边匹配数学模型。其中,将预测得到合同完成时间作为板卷匹配满意度和合同容量满意度的衡量指标加入到数学模型中,并通过引入预测风险因子降低预测不准确给匹配方案带来的影响。采用商业优化软件CPLEX对模型进行测试,通过数值试验,验证了基于预测的板卷合同双边匹配模型的有效性。(3)针对常规优化软件无法求解实际规模无委托板卷充当问题的局限性,基于稳定性匹配理论,定制化设计了基于历史匹配信息的启发式算法、基于匹配满意度偏好的启发式算法、改进的差分进化算法。在差分进化算法中,将两个启发式获得的质量较好的初始解与随机生成的匹配方案一起作为初始种群,提出了去整求余的变异操作和基于历史迭代信息的变异选择策略,设计了带基因片段交叉的改进交叉操作,并依据稳定匹配理论提出了基因值搜索改进策略。与经典差分算法和商业优化软件CPLEX的求解结果进行比较,验证了所提出算法及改进策略的有效性和适用性,能够快速获得实际规模无委托板卷充当问题的近优解。(4)根据钢铁企业的实际需求和计划人员的操作习惯,针对无委托板卷充当过程进行了需求分析和系统设计,设计并开发了板卷充当与合同管理决策支持系统。系统中嵌入数据下载、参数设置、算法运行、合同管理和板卷历史匹配情况管理等功能模块,能够有效地为计划人员提供无委托板卷充当决策支持,提高计划人员的工作效率。