La presente tesis doctoral aborda el análisis y modelización de los problemas de programación en el corte de perfiles estructurales de acero, así como la propuesta de diferentes metodologías y algoritmos basados en técnicas heurísticas que permiten resolverlos de manera óptima. En concreto se profundiza en los siguientes temas: - Se estudia la problemática concreta en el corte de vigas estructurales en una empresa de transformados metalúrgicos. Dicho estudio motiva y justifica todo el trabajo posterior, a la vez que proporciona un contexto concreto en el que aplicar de forma práctica los resultados obtenidos con los algoritmos desarrollados. - Se modeliza matemáticamente el Problema del Corte de vigas a partir de perfiles estructurales. - Se presenta una metodología que resuelve de manera eficiente, mediante el uso de patrones, el Problema del Corte para satisfacer la demanda de vigas en un periodo concreto. A tal efecto se desarrolla: un primer algoritmo genético que genera patrones de corte idóneos (fase 1); un segundo algoritmo genético que determina las frecuencias de uso de cada patrón para minimizar tanto el desperdicio como la sobreproducción (fase 2); y cuatro algoritmos adicionales que mejoran la solución obtenida en la fase anterior (fase 3). - A fin de evaluar la metodología propuesta, se desarrolla un generador de problemas que a partir de unos parámetros de instancia obtiene distintos problemas de test. - Se propone otro algoritmo genético para resolver el Problema multiobjetivo de Secuenciación de Patrones optimizando dos objetivos: minimizar las necesidades de espacio para el apilamiento de pedidos en curso y minimizar la extensión temporal requerida para procesar los pedidos. - Finalmente se propone una metodología para la resolución del Problema Global de Corte y Secuenciación. / Gracia Calandin, CP. (2010). Métodos y Algoritmos para resolver problemas de Corte unidimensional en entronos realistas. Aplicación a una empresa del sector Siderúrgico [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/7530