冷轧带肋钢筋由于自身的优点，在建筑等领域得到了广泛的应用，带来了明显的技术经济效益。但在生产中也存在着一些问题，因此有对冷轧工艺优化和控制产品质量研究的必要。现代优化方法包括禁忌搜索、人工神经网络、模拟退火、遗传算法及拉格朗日松驰等方法；这些方法涉及物理进化、人工智能、数字物理科学、神经系统和统计力学等概念，适合解决一些不能单纯用数学方法来解决的实际问题。本文在对冷轧钢筋生产工艺和产品质量研究的基础上，针对冷轧钢筋工艺参数优化这一复杂的实际组合优化问题，以产品的抗拉强度和延伸率作为最终优化目标，找到了一条多目标优化的合理途径，基于人工神经网络和模拟退火—改进遗传算法建立了冷轧带肋钢筋工艺参数的优化系统，从而可以获得最优的工艺参数组合。对人工神经网络中的BP算法进行了深入研究，针对其缺点从结构和算法上对标准BP算法进行了改进。利用改进BP算法，建立了冷轧带肋钢筋工艺的现代优化方法的建模和仿真预测子系统，其中可以建立高精度、高稳定性的关系模型，可以较准确地预测冷轧带肋钢筋产品的力学性能，建立的关系模型将作为工艺参数优化的知识源。在对标准遗传算法认真研究的基础上，提出了一个遗传算法的改进策略。在分析改进遗传算法和模拟退火算法在各自的优势后，提出了一种高效综合的模拟退火—改进遗传算法。在建模和仿真预测子系统的基础上，建立了基于模拟退火—改进遗传算法的优化子系统，此系统针对多工艺参数和双目标函数的冷轧优化问题，可以进行准确、高效的工艺优化。论述了质量控制的背景和意义以及质量控制的必要性，在对冷轧带肋钢筋产品质量问题和产生原因分析的基础上，经过理论分析和实际生产的探索，提出了一些有建设性的冷轧带肋钢筋产品质量控制方法。