炼钢连铸批量计划是钢铁生产计划与调度领域急需解决的重大关键问题之一，科学合理的批量计划方案可以提高生产效率并降低生产成本。目前对炼钢连铸批量计划的模型不够精确，算法的精度与速度也需要提高。基于此，本文在分析炼钢连铸生产工艺的基础上，研究了炼钢连铸炉次计划问题、浇次计划问题、考虑板坯宽度及重量柔性的炉次计划问题以及考虑炉次宽度柔性的浇次计划问题。通过分析各问题的性质，将其抽象为具有生产实际特征的组合优化问题，建立了相应的数学模型，并设计了针对具体问题的混合改进交叉熵方法。最后，结合交叉熵方法及协同学中自组织概念，构建了批量计划自组织优化算法。本文的创新之处主要体现在分别建立了柔性炉次计划和柔性浇次计划基于带有收益的容量约束路径问题以及广义车辆路径问题的模型，基于初始状态转移概率矩阵对交叉熵算法进行了改进以及构建了基于竞争因子、协同算子及序参量的批量计划自组织优化算法。具体内容概括如下:　　在炉次数量未知的条件下，将所有炉次的中心订单与该炉次中其他订单的钢级、宽度及交货期差异惩罚费用之和作为炉次差异惩罚，建立了炉次数量未知的炉次计划问题旅行商模型，并通过改进交叉熵算法进行求解。改进交叉熵算法根据订单间钢级及宽度差异对初始交叉熵法的状态转移概率矩阵进行了改进，实际炉次计划数据的仿真计算结果表明，改进的状态转移概率矩阵可以有效提高算法的速度与精确度。　　为得到最优浇次计划，包括浇次数量及各个浇次内炉次的选择与排序，建立了以最小化开浇费用、炉次间连浇惩罚费用及未被选炉次惩罚费用为目标的浇次计划旅行商问题模型。利用钢级连浇启发式规则和根据炉次间连浇惩罚费用大小赋值的改进初始状态转移概率矩阵，构建了混合启发式-交叉熵算法。实例验证结果表明，与交叉熵方法相比，混合启发式-交叉熵算法能够得到相同或更优的最优目标函数值，运行时间短且稳定性更高。　　基于带有收益的容量约束路径问题，建立了订单具有柔性宽度和重量的炉次计划模型，并通过混合改进的交叉熵法对其进行求解，通过实际生产数据验证了模型与算法的有效性，通过与遗传算法等智能算法的比较，表明了算法的优越性。　　基于广义车辆路径问题，建立了炉次具有柔性宽度的浇次计划模型，并基于局部-全局方法的思想，通过混合改进的交叉熵法和可达算法，分别获得炉次顺序以及炉次宽度，从而得到柔性浇次计划的最优解，实验数据表明了本文模型及算法的有效性。　　针对交叉熵方法存在的随机性较大等问题，结合交叉熵法与协同学中自组织的概念，构造了基于竞争因子、协同算子及序参量的炼钢连铸批量计划自组织优化算法。仿真实验结果表明，竞争因子及协同算子的引入，能够有效加快自组织优化的收敛速度，提高求解稳定性，特别是对于较大规模的批量计划问题，自组织优化方法可以在更短的时间内获得更高质量的批量计划方案。