堆场垛位优化问题对于高效率的物料装卸和出入库，以及保证合同交货期均起着至关重要的作用。板坯库作为一类存在于钢铁企业中的生产物资堆场，高水平的出入库垛位决策为生产计划的顺利实施提供保障。本文围绕堆场垛位优化问题展开研究，并结合板坯库的实际背景，针对现有板坯库管理中存在的问题，对其本身的性质进行了深入分析，并进一步探讨了结合问题特征的有效求解机制和方法，主要研究内容包括以下几方面：　　 (1)针对仓储作业中的一般倒垛问题，建立0-1非线性整数规划模型，根据模型特点将其归结为具有问题特征的可扩展广义指派问题，构建了比例缩放编码方式的单亲遗传算法对亥问题进行求解，同时为保持群体的多样性，嵌入启发式突变算子进行扰动。实验结果显示，改进后的算法更具有效性。　　 (2)研究了钢铁生产中受热轧计划约束的板坯倒垛问题，建立基于轧制位置与板坯库内板坯多对多对应关系的问题模型，根据同规格板坯在垛内连续堆放的特点，提出一种具有动态屈性的二维度Sequence邻域概念，并通过两阶段的寻优替换对问题进行求解。仿真算例表明，模型和算法是可行和有效的。　　 (3)分析了堆场优化管理中的一类同时具有位置约束和顺序约束的入库堆垛问题，将其归结为带顺序约束的A型装箱问题。借助约束满足的求解技术，通过建立问题的约束满足模型和设计嵌入经典装箱启发式的约束满足算法对其进行求解，并比较了不同变量排序规则下算法的求解性能。对于复杂约束下的大规模堆场问题，该算法较现有的装箱启发式有一定程度的改善。　　 (4)针对钢铁企业热轧厂板坯入库堆垛问题，通过分析将其归结为一类半在线A型装箱问题，建立最小化总倒垛次数的优化模型。根据天车在相邻入库过程中存在空闲作业量的特点，设计了一种前序板坯允许移动的动态堆垛策略，结合堆垛约束后嵌入到经典装箱启发式算法中，并通过仿真算例验证了该策略的有效性。