热处理炉次计划是一个在复杂约束条件下的不相容铸件排产问题,是铸造企业生产计划的重要一环。由于热处理具有时间长与能耗高等特点,且大部分铸造企业采用的是面向订单的多品种小批量生产模式,因而热处理炉次计划要考虑炉设备利用率、不同订单之间的合炉工艺约束与交货期等多种复杂因素。而现有的人工排产模式耗时费力、设备利用率低、且难以综合考虑复杂因素得到较优的炉次计划。为此,本文研究了基于改进教与学算法的铸造企业热处理炉次计划建模与求解方法,开发了算法辅助排产模式的热处理炉次计划系统,并应用于铸造企业。首先,分析了铸造企业热处理炉次计划现状,建立了铸造企业热处理炉次计划模型,该模型包括工艺信息模型与炉次计划数学模型。工艺信息模型用于建立不同订单中铸件的热处理作业工艺信息,是炉次计划数学模型的信息输入。炉次计划数学模型是基于炉设备利用率、合炉约束及交货期三个因素建立的0-1整型规划模型,是热处理炉次计划求解的模型基础。其次,提出了基于改进教与学算法的热处理炉次计划分步求解方案。分步求解方案将原问题分为两个阶段:第一阶段基于工艺约束将铸件任务集生成任务候选集;第二阶段采用改进教与学算法对每个任务候选集求解,最终选取所有候选集中的最好解作为炉次计划,从而实现算法辅助排产模式。通过在教与学算法中引入历史种群,设计了连续型和离散型两种不同的改进教与学算法,用以求解任务候选集。通过仿真实验验证了热处理炉次计划分步求解方案的可行性以及改进教与学算法的求解性能。最后,设计并开发了算法辅助排产模式的热处理炉次计划系统,并应用于铸造企业。该系统包括热处理工艺库模块、热处理工艺细则模块以及热处理炉次计划模块,具有热处理工艺管理、炉次计划制定与验收等功能,并可与铸造企业信息管理系统集成。选取国内某典型砂铸企业进行系统应用验证,结果表明:对比人工排产模式,该算法辅助排产模式能够比较显著提升排产效率、获得更优的炉次计划以及提高热处理炉设备的利用率。