近年来,随着钢铁工业全球化进程的不断加快,客户需求越来越多样化,呈现出多品种、小批量、复杂化的特点。另一方面,钢铁企业由于生产工艺和设备的限制,使其必须采用大规模的批量生产方式,这就造成了与客户的小批量合同需求之间的不可避免的矛盾。为了削弱这种矛盾带来了影响,钢铁企业的计划人员必须更加合理地对板坯进行设计和匹配,本文就围绕这两个问题分别进行了研究,具体研究内容如下：(1)板坯设计问题是将特征相同或相近的合同(包括物理和化学特征)映射到一块大板坯上。以完成合同数最大化、生产板坯数最小化为目标,并尽量减少余材。基于聚类思想和背包思想设计两种启发式算法进行求解,使用该钢铁企业的实际生产数据对算法进行了测试,计算结果表明基于背包思想的启发式能够产生较好的解。(2)板坯匹配问题是使用库存板坯匹配给合同订单以减少生产成本。以往文献中的板坯匹配问题都是研究单产线的板坯匹配,问题的对象是没有合同的无委托板坯。而本文研究的板坯匹配问题与以往不同,是多产线板坯与重点合同匹配问题。其主要特点是多条产线的板坯和合同数据规模非常大,并且产线之间存在耦合现象,问题的对象是重点合同(计划人员提出的需要优先重点匹配的合同),面对的板坯包括无委托板坯和已经建立了合同关系的全委托板坯。本文针对多产线板坯与重点合同匹配问题建立了多目标0-1整数规划模型,模型以提高板坯与合同的匹配质量、提高板坯利用率为目标,同时考虑了板坯优先级、合同优先级、合同完整性等方面。(3)针对问题规模大、条件复杂等特点,本文采用新兴的分散搜索算法与嵌入迭代局部搜索算法的分散搜索算法对问题进行求解。首先通过设计不同的启发式算法构造初始种群(包括根据板坯匹配工艺Know-how构造的初始解),选择质量较好的和分散性较好的解作为参考集,从参考集中选择二元子集组合新解,设计了迭代局部搜索算法对新解进行改进,搜索邻域采用基于交换邻域和插入邻域的混合邻域,采用静态更新策略更新参考集。为验证改进后的算法的有效性,采用该钢铁企业的实际生产数据对算法进行了测试,并对Know-how启发式算法、分散搜索算法、及嵌入迭代局部搜索算法的分散搜索算法的结果进行了比较,计算结果表明混合算法要好于其他两种算法。(4)以嵌入的模型与混合算法为核心,本文设计开发了板坯匹配决策支持系统,该系统目前已在国内某钢铁企业试运行。系统能够有效地提高板坯与合同的匹配质量,提高板坯利用率,减少板坯的余材及切割量,并为企业带来较好的经济效益和社会效益。