冷轧生产是钢铁企业生产过程的重要环节之一，高效的冷轧生产计划对于钢铁企业保证生产连续性、降低生产成本具有重要意义。以往研究的冷轧生产计划问题主要是决策已知合同在各个工序的加工顺序，优化空间有限。若能够预知未来合同需求，并将预测得到的合同需求提前排入冷轧生产计划，可以有效提高计划的可编制性，从而降低生产成本。
　　本文以钢铁企业冷轧生产过程为背景，研究了基于需求预测的冷轧生产计划问题，采用数据解析技术对未来合同需求进行预测，通过将预测合同与已有合同同时排入冷轧生产计划，增加冷轧计划的优化空间，达到降低生产切换成本、保证各机组生产连续和负荷均衡的目的。本文主要工作如下所述:
　　1)针对冷轧合同需求预测问题进行了研究。对钢铁企业的合同需求历史数据进行分析，按照材料组别对合同进行分类，并采用多核学习方法建立需求预测模型，对不同类别的合同需求量进行预测。设计了差分进化算法对多核学习预测模型中的参数进行优化，提出了变异和交叉操作的改进策略，有效减少了预测模型的求解时间。通过数值实验，验证了所提出预测模型及参数优化方法的有效性。
　　2)针对基于需求预测的冷轧生产计划问题建立了混合整数规划模型。该问题的任务是同时决策预测合同与已知合同在冷轧阶段各个工序上的加工顺序。以最小化各机组切换费用、最小化生产负荷偏差、最小化需求预测偏差为目标，以机组分配要求、加工时间要求、生产切换要求等实际工艺为约束，建立了混合整数规划模型。最后通过标准求解软件CPLEX对模型的正确性进行验证。
　　3)针对基于需求预测的冷轧生产计划问题设计了分支价格最优求解算法。通过分析问题的结构特征，将混合整数规划模型转化为Set-Packing模型，并采用列生成算法获得问题的下界。在列生成算法中，将价格子问题看作是TSP问题的变型，设计了动态规划算法对价格子问题进行最优求解。同时，根据问题的工艺特征，提出了一种加速策略加快子问题的求解速度。针对不同规模的问题，通过对随机产生的算例进行测试，并与标准优化求解软件CPLEX进行比较，验证了所提出算法的有效性。
　　4)针对最优求解算法无法求解大规模问题的难题，提出了冷轧生产计划问题的工程优化求解方法。提出了两种有效的工程优化策略:(1)基于合同聚类的模型降维策略，通过将属性相同或相似的合同聚类成一个合同进行排产，有效减少变量的个数从而降低问题求解规模;(2)基于列生成算法的近优求解策略，在求解线性松弛问题时所生成的全部进基列的基础上，通过设计合同的列选择策略快速获得问题的近优解。通过数值实验，可以看出上述工程优化方法可以在较短的时间内获得冷轧生产计划的整数近优解。
　　5)根据钢铁企业的实际生产要求和计划人员的操作习惯，针对合同需求预测和冷轧生产计划制定进行了需求分析和系统设计。嵌入了本文提出的模型和算法，开发了基于需求预测的冷轧生产计划决策支持系统，能够自动生成冷轧各机组的生产计划方案。