板坯是由炼钢-连铸生产出的半成品,通过热轧加工成板卷。无委托板坯是由于填充炼钢大型设备满批容量而生产的没有用户合同要求的板坯。无委托板坯匹配是根据板坯与用户合同的钢级、宽度、长度、重量等属性要求,将无委托板坯合理地分配给有欠量的用户合同。无委托板坯是否及时、合理地分配将影响材料利用率和合同完成率,因此无委托板坯匹配问题日益受到学术界和工业界的重视。本文针对上述问题,从生产计划角度,对具有板坯动态到达、匹配模式多样、板坯产出量和客户需求随机等不同特征的板坯匹配问题进行建模和优化方法的研究；从生产管理角度,为了评价板坯匹配对运作管理的绩效影响,采用基于模型预测控制的方法对绩效逻辑进行分析；从实际应用角度,开发了热轧并行多产线板坯合同优化匹配决策支持系统和钢铁运作管理绩效决策支持系统。本文的主要研究内容如下：1) 研究了热轧并行多产线的动态板坯匹配问题,考虑炼钢-连铸工序板坯动态产出与期货合同、潜在合同、自拟合同三种匹配模式。以板坯选择匹配模式和合同为决策变量,考虑期货合同完整性、交货期和安全库存等实际约束,建立0-1整数规划模型,目标为最小化板坯-合同匹配费用、库存存储费用、超量供货的折扣费用、合同欠量的惩罚费用、自拟合同的启动费用等加权费用。设计基于三基因结构编码策略的分散搜索算法对问题进行快速近优求解,引入多邻域局部搜索机制和随机扰动策略来增强算法的深度和广度搜索能力。仿真数据的实验结果显示所提出算法与商业求解软件IBM ILOGCPLEX相比,能够快速获得高质量解；实际数据的实验结果显示所提出算法优于钢铁企业采用的手工排产方法。2) 研究了动态板坯匹配问题中的匹配参考时间推荐问题。为由成分规格适配性导致暂时无法分配给期货合同的难配板坯决策最大等待时间(在此之后板坯必须分配给自拟合同)。以历史板坯和合同数据为输入,采用基于最小二乘支持向量机的数据解析方法来建立板坯匹配参考时间预测模型。为提高预测结果的准确性,提出了分散搜索算法对数据解析模型中的参数进行优化。计算实验结果显示使用分散搜索算法进行参数改进后最小二乘支持向量机预测模型的均方根误差为2.40%。3) 研究了多阶段情形下板坯产出量和客户需求不确定的随机板坯匹配问题,来克服单阶段确定性板坯匹配问题只顾短期效益而放弃长远目标的局限性。以板坯分配量为决策变量,满足库存平衡、生产和库存能力等约束,以最小化生产和库存费用为目标,采用场景树刻画随机需求的方法,为随机板坯匹配问题建立随机混合整数规划模型。针对场景树建模导致模型规模大而难以求解的问题,提出了场景聚合的模型降维方法。设计带有随动邻域的导向性局域搜索的分散搜索算法对问题进行求解。计算实验结果表明,提出的改进分散搜索算法能够求得中小规模问题最优解,对于大规模问题,求解时间和求解质量均优于商业求解软件IBM ILOG CPLEX。4) 开发了热轧并行多产线板坯合同优化匹配决策支持系统。对某钢厂热轧并行多产线的板坯匹配计划进行详细需求分析,以设计的多产线板坯合同匹配模型和优化算法为核心,开发了热轧并行多产线板坯合同优化匹配决策支持系统,系统包括数据管理模块、板坯匹配计划编制模块、参数设置模块等,系统提供了柔性化和个性化的人机交互界面。该系统已成功应用于国内某大型钢铁企业,有效提高了无委托板坯的利用率和合同完成率,降低库存和生产物流成本,提高了工作效率。5) 开发了钢铁运作管理绩效决策支持系统,用于评价板坯匹配等对运作管理绩效影响。通过分析板坯匹配与运作管理绩效关系,确定板坯匹配、钢铁其他生产材料及合同的关键业绩指标。以板坯匹配相关指标为例,采用模型预测控制的思想对钢铁运作管理的绩效逻辑进行研究。开发了钢铁运作管理绩效决策支持系统,系统包括数据管理模块、绩效管理模块等,该系统已应用于国内某大型钢铁企业。系统可以准确、及时地反映生产过程各项工作的当前状态,为提高绩效水平而做出工作计划调整提供依据；通过对历史数据统计分析,为管理者制定合理的绩效指标提供参考。