烧结矿一直是国内外高炉炼铁的主要原料,烧结矿质量的优劣将直接影响到炼铁生产的质量、产量及能源消耗。实际生产证明,烧结配料水平的高低,会直接影响烧结矿的质量和产量,进而影响高炉炼铁的顺利进行。因此,铁矿石烧结配料对我国的钢铁工业有重要意义。目前,由于烧结生产过程所用原料数量大,品种多,来源广,粒度及化学性质极不均一等造成配料过程复杂和配料效果难以评价,以及现有烧结配料算法存在收敛速度太慢甚至难于收敛、无法保证收敛到全局最优点等问题。因此,针对以上情况,本文设计烧结配料优化方案,以及在以下三方面进行了主要研究。(1)采用BP算法建立神经网络烧结矿质量预测模型预测烧结矿的铁品位和碱度,同时从选取训练算法和合理的激励函数等方面改进BP神经网络,建立精度较高的预测模型,以及基于预测模型和配料生产经验,采用专家规则确定配料优化模型的化学成分约束范围。(2)建立了烧结配料优化模型,并且采用基于预估校正法的大规模优化算法作为烧结配料优化算法求解。根据算法需要将配料优化问题转换为标准的线性规划问题后,详细设计预估校正法的算法思想和框架,以及从线性规划问题的转换、初始点的设置、迭代停止原则和主要迭代过程方面介绍了预估校正法的具体实现过程。(3)通过研究步长参数和中心参数,从理论上证明预估校正法具有多项式时间复杂度和超线性收敛性,以及通过分别采取预估校正法和其他配料优化算法求解一般工业标准下的一配优化模型和第二章的优化配料模型的仿真结果表明,在满足烧结矿质量指标要求的条件下,预估校正法获得的生产成本更低。