板坯库是钢铁生产过程中连铸与热轧的中间环节,其物流作业主要包括入库、倒垛、出库和整理操作,这几种物流操作交替执行,并且入库板坯动态到达,板坯库内高效的物流调度能够降低钢铁生产过程中的物流成本。综合考虑多种物流操作以及入库板坯动态到达的特性,提出了动态板坯空间位置决策问题,对板坯的移动顺序以及分配位置进行决策。入库板坯动态到达是指入库板坯在板坯提取过程中到达,在入库板坯到达之前不知道入库板坯到达的阶段以及类型等信息。考虑问题具有的强时空耦合性,建立了时空网络模型。针对问题大规模、多阶段以及具有的动态特性,提出了基于模型的强化学习算法。本文的主要研究内容如下:1)针对动态板坯空间位置决策问题建立时空网络模型。添加入库动态变量表示入库板坯的到达情况,以最小化板坯移动次数为目标,考虑堆垛约束、倒垛约束等现实条件约束以及时间窗约束。由于存在动态变量无法求解,假定入库板坯到达阶段已知,将动态问题转化为静态问题,通过CPLEX进行测试,验证了模型的正确性与有效性。2)提出了基于模型的强化学习算法。针对实际规模问题,由于动态板坯空间位置决策问题属于序贯决策问题并且具有动态特性,因此提出基于模型的强化学习算法进行求解。强化学习算法将问题按照阶段降维,分解成为一系列的单阶段问题,针对单阶段问题,入库板坯在该阶段是否到达成为已知,动态问题转化成为了静态问题,为了解决维数灾问题,采用近似值函数替代马尔科夫决策过程中的最优值函数,针对不同物流操作对库区状态产生的影响,设计了基于物流操作的值函数,并进一步考虑相同物流操作之间的顺序调度,设计了基于垛位选择的值函数,同时对值函数中的参数及更新方式进行了设置,并通过数值实验验证了提出算法的有效性。3)基于上述研究的模型和算法,设计并开发了动态板坯空间位置智能决策系统,该系统可以在板坯堆存和提取过程中为板坯分配合理的位置,还提供了数据解析与数据维护的功能,对板坯库的各项信息进行不同维度的统计分析以及管理。