科学技术是第一生产力。随着科技的进步,带来的全球资源过度消耗和环境问题也日益严峻。在当前可持续发展的战略目标下,企业在扩大生产规模和增加效益的基础上,还要降低成本、减少环境污染。烧结作为钢铁生产中重要工序之一,对含铁矿石原料的需求量大,生产成本高。又由于国内矿产资源的加剧减少,铁矿石种类来源不稳定,企业需要从国外进口铁矿石,进口的铁矿石种类多且成分不一,要不断地对铁矿石的配料比例进行调整。因此,研究出满足上述要求的烧结配料配比意义重大。本文的研究内容主要有:(1)通过分析烧结配料过程的特点和烧结配料工艺过程,首先搭建了基于线性规划(LP)的烧结一次和二次配料优化模型,前者根据物质守恒原理获得,后者在预配料优化模型的基础上,通过烧损率和代数变换得到。该数学模型不仅致力于降低烧结总成本,还力求减少含硫物质排放,同时在化学成分指标的约束条件下,保证生产的烧结矿化学成分符合要求,冶金性能达到预期状态。(2)基于建立的配料优化模型,分析现有的烧结配料优化方法的优缺点,提出了鸡群优化算法,该算法拥有强大的寻优能力,能够准确且快速地找到最优解。通过深入分析鸡群算法的工作过程,发现该寻优算法虽然已经表现出良好的寻优性能,但是存在容易陷入局部最优的缺点,寻优速度也有待进一步提高。基于此,本文提出了一种改进策略,通过精英反向学习策略提高算法的收敛速度和寻优精度,应用自适应柯西变异策略来避免算法在迭代后期陷入局部最优,即自适应柯西变异的精英反向学习鸡群算法。(3)通过测试函数验证改进算法的寻优性能,仿真实验的数值分析说明了该改进算法具有比其它改进算法更强大的寻优能力。另一种对鸡群算法的改进方式是将遗传算法和鸡群算法结合,分析其工作过程,通过测试函数证明了改进的遗传鸡群混合算法具有更强的寻优能力,应用在烧结配料优化模型中,搜索一、二次配料优化模型的最佳原料配比,与其它方法得到的配料配比方案进行对比,对比结果证明了该智能混合优化算法应用在烧结配料配比优化中,效果更好,具有理论上的可行性及实践上的可靠性。