冷轧是对热轧板材进行深加工的过程,冷轧产品是汽车、家电等行业的主要原料,其轧制质量将直接关系到企业的经济效益。冷轧单元由于存在着大宗原燃料搬运,故其内部的物流量非常之庞大,由此带来了巨大的物流成本。本文从冷轧调度入手,选取热镀锌机组作业计划的编制为突破口,寻求通过优化机组作业计划的编制来降低库存、减少返修、减少交叉物流,从而降低成本。文章首先介绍了物流及物流成本的相关概念,分析了钢铁企业内部存在的物流种类及物流成本状况,进而对冷轧区域的物流概况进行了展示,对冷轧区域存在的物流种类、物流量及相应的物流成本进行了探讨。随后通过对各项物流成本的细化、分解,找出了机组作业计划编制对物流成本的影响因素,决定以热镀锌机组作为突破口,通过机组作业计划编制的优化来降低冷轧区域的物流成本。为了更好的优化机组作业计划编制,文章介绍了热镀锌生产工艺及生产流程,通过对热镀锌生产工艺全过程的了解,找出热镀锌机组作业计划的编制与一般冷轧调度的异同点,确定了影响热镀锌作业计划的三=个关键因素:宽度、厚度和镀层量。通过分析,找出了热镀锌机组作业计划编制过程中的工艺约束和调度的要求,这是建立数学模型的基础。通过分析发现此过程的要求与PCTSP模型相似,结合热镀锌生产的特点,建立了热镀锌机组作业计划编制问题的模型。该模型考虑了钢卷的宽度、厚度和重量的限制,以及客户对于镀层量的要求,调度的目标是使得相邻钢卷的宽度、厚度和镀层量的跳变惩罚值最小,并且镀层量满足客户要求程度最高。极值优化算法来源于自组织临界理论,从BS模型发展而来的一种动态优化算法,不是全局算法,是对解的局部调整,将最差部分优化提升,并且具有非平衡性。遗传算法是基于整个种群的搜索和进化的过程,具有多样性。将这两种算法相结合,把设计的极值优化算法作为遗传算法的变异算子,按照这种方式设计出适合热镀锌调度问题的混合算法,将极值优化算法对调度结果局部调整策略与遗传算法多样性特点和基于整个种群搜索的特点相结合。文章最后运用某钢厂实际生产的数据,在VC++平台上仿真验证所设计的调度算法。仿真的结果表明该混合算法能够有效的解决冷轧调度问题,以此实现对热镀锌机组作业计划进行优化,从而为降低物流成本提供了基础和保证。