本文采用统计模式识别的主成分分析法(PCA)、偏最小二乘法(PLS)、最优判别平面法(ODP)和共享K近邻法(SKNN)的算法为基础，结合BP神经网络技术，在MATLAB语言和环境下，针对钢铁冶金过程的特点研制和开发了钢铁冶金过程人工智能优化软件，并以实际生产热轧硅钢片牌号优化问题为研究对象，对所开发的软件进行了验证。 研究工作的技术路线为：对采集样本数据进行预处理；利用统计模式识别方法进行分类图映射并给出定性优化方案；在分类理想的基础上，利用SKNN法求优类样本中心和差类样本中心并进行定量分析；再利用神经网络对优化方案进行预报和验证。 所开发的优化软件采用模块化结构设计，具有较好的易读性和可扩展性，并利于对程序的调试和检测。 研究表明本文所采用的由定性优化到定量优化，最终用神经网络预报和验证优化方案的研究方法，对于多影响因素且反应机理复杂的钢铁冶金生产过程的优化问题的分析研究具有科学性、可靠性和实用性。