1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着现代化进程的发展，物质资源极大丰富化，但同时也面临着大量寿命终了的机械、汽车、电器等产品等待回收处理问题。另一方面，当前资源、能源短缺问题日趋严重，传统的高投入、高产出模式难以持续，社会环境与资源问题日益突显，加之公民环保意识的不断增强，所有这些都在推动寻求废旧机电产品的新出路．废旧机电产品的回收资源化处理是构建静脉产业的必由之路，在产品的回收过程中，产品拆卸过程是重要的环节，无论是对于具有众多零部件的大型产品还是对于回收数量很多的小型产品，实现拆卸过程的流水作业，在极大提高产品回收效率的同时，能有效降低拆卸成本，因此，受到了越来越多企业的重视。为解决流水化拆卸过程中拆卸任务分配不均衡等问题，学术界对拆卸线平衡问题展开了深入的研究。

拆卸线平衡问题（disassemblylinebalancing problem，dlbp）是一个np（non-deterministic polynomial）完全问题，问题的求解难度会随着任务规模的增加呈几何级增长，传统的数学规划方法不适用于对大规模问题的求解。常需要考虑最小化工作站数，均衡各工作站的工作负荷，零件优先级和需求指数等问题。对于这种多维度大规模的问题，我们采用基于分解的多目标进化算法来进行模拟。

2. 研究的基本内容与方案

2.1研究目标

基于分解的多目标优化算法moea/d是优秀的多目标优化算法，该算法将多目标优化问题被转化为一系列单目标优化子问题，然后利用一定数量相邻问题的信息，采用进化算法对这些子问题同时进行优化。拆卸线平衡问题是一类典型的多目标优化问题，包括最小化工作站数，均衡各工作站的工作负荷，零件优先级和需求指数等问题。本课题主要完成基于moea/d算法的拆卸线平衡问题的研究，能够通过仿真验证算法的可行性和准确性。

本研究(设计)要实现的要求有：

3. 研究计划与安排

(1) 第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2) 第4－5周：掌握matlab的基本原理和使用方法，了解moea/d算法的相关理论知识。

(3) 第6－9周：学习拆卸线平衡问题的相关知识，完成整个系统的前期设计工作。

4. 参考文献（12篇以上）

[1] mcgovern s m, gupta s m. a balancingmethod and genetic algorithm for disassembly line balancing[j]. europeanjournal of operational research, 2007, 179(3):692-708.

[2] zhang q, li h. moea/d: amultiobjective evolutionary algorithm based on decomposition[j]. ieeetransactions on evolutionary computation, 2008, 11(6):712-731.

[3] mcgovern s m, gupta s m. a balancingmethod and genetic algorithm for disassembly line balancing[j]. europeanjournal of operational research, 2007, 179(3):692-708.