冷轧作为钢铁产品生产的关键工序之一,在整个钢铁产品生产流程中处于最下游,对钢材的交货期起着至关重要的作用,其大规模、多工序、多机组的连续生产过程具有很大优化空间。每个工序设备的排程结果将对全局合同计划排程起着重要的优化作用。多工序多机组冷轧排程问题在组合优化研究领域类似于带时间窗的旅行商问题（Travelling Salesman Problem,TSP）,实质是决策问题,决策材料所选设备以及生产时间,时间窗则在一定程度上限制了材料在设备上的加工顺序和位置。本文根据冷轧钢卷生产特点研究多工序多机组冷轧排程的优化问题,通过决策优化钢卷所生产设备、所属集批以及在设备上生产顺序,进而提高设备利用率、排程质量、合同兑现率、设备偏好、以及减少过渡卷的使用数量。本文针对多工序多机组冷轧排程优化问题进行研究,主要工作如下:（1）针对多工序多机组冷轧排程问题建立了混合整数规划模型。借鉴计划排程员的经验知识设计了启发式算法用于生成初始解。通过钢铁企业的实际数据进行了实验测试,结果表明初始解KPI在大多数情况下都优于排程员所给计划KPI。（2）为了进一步优化模型目标KPI,设计了禁忌模拟退火算法对初始解进行优化,并设计了多次实验,对初始解改进效果明显,用传统的优化算法良好的解决了多工序多机组冷轧排程问题。（3）设计了迭代贪婪算法对初始解进行改进,加入与禁忌模拟退火算法的比对实验,检验两种不同算法在多组相同入口数据下对初始解的提升程度。（4）基于以上优化算法开发了多工序多机组冷轧排程优化系统,将初始解与优化算法封装到系统内,并设计甘特图用于对排程结果可视化展示。本文针对多工序多机组冷轧排程问题,建立数学模型并设计启发式算法生成初始解,同时利用禁忌模拟退火算法以及迭代贪婪算法进行优化,在满足所有时间窗等硬约束的前提下,对机组间设备偏好性等软约束也做相应处理,解决了多工序多机组冷轧排程问题且大幅提升结果KPI,并检验两种优化算法的优缺点。