1.1 研究目的

随着经济发展和时间推移，现代市场环境发生了很大改变，客户对于产品的需求有了多样化与个性化的特点，制造企业为了迎合市场需求、竞争市场份额纷纷由生产型制造向服务型制造转变，生产模式也由大批量生产方式向多品种小批量的生产模式转变，从而赢得客户与市场。

本文的研究重点在于采用优化算法对混流装配线投产排序问题进行优化，从而提高混流装配线的生产效率，减少对市场需求的响应时间。

1.2 研究意义

对混流装配线的投产排序的问题的研究有很多好处，如保障生产线上的产品数量品种的均衡、平衡装配线上各个工作站的负荷，避免有忙有闲的情况出现、降低装配线产品生产切换时产生的时间和成本等，因此该问题的研究对于混流装配线的效率和成本效益有重要意义。

1.3 国内外研究现状分析

1.3.1 国外研究现状：

从上世纪初亨利·福特创建第一条装配线以来，装配线的平衡优化问题就应运而生，但是直到19世纪五十年代才由BrytonB首次提出了这个问题，然而仅仅只能对单一品种的装配线进行优化求解。但随着经济的发展，市场需求的多样性使得单一品种装配线发展到了混流装配线，在1963年，Kilbridge和Wester首次提出研究混流装配线的排序问题。4年后，Thomopoulos采取了启发式算法，对自己建立的最小化装配线总空闲时间和超载时间为目标的数学模型进行了求解。到上世纪八十年代，日本的学者对著名的丰田模型采用目标追踪法并且成功求解，该算法虽然简单易懂，所需的时间较短，但是得出的结果并不是特别理想。在1994年，Bard^[1]成功的运用分支界定法计算出较小数量的装配线投产排序问题的最优解。1997年，Monden等人使用加权多属性代价函数主要讨论了JIT模式下的混流装配线中零件利用率的平滑和产品负载的平滑两个准则，但是使用这个方法的难点在于如何才能取得一个适当的权重系数。

21世纪初，McMullen^[2]提出了基于启发式算法的模拟退火算法，求解负荷和零部件平衡的投产排序数学模型。而Mansouri^[3]提出的多目标遗传算法优化了上述模型，并且这个方法比模拟退火算法更易取得优解。2009年，Hwang^[4]针对U型混流装配线，提出了一种多决策遗传算法，对生产线效率进行了检验。2014年，Mellouli^[5]等人对当地一家真实的汽车电缆公司进行装配线的优化，结果表明他们所采用的基于遗传算法方案和局部搜索程序的混合遗传算法（HGA）对该公司的装配线生产优化十分有效。同年，Tahriri^[6]等人对混流装配线的最小化总制造时间以及最小化设置数为优化目标，提出了一种改进算法——模糊自适应遗传算法，与传统遗传算法相比增强算法动态调整种群大小，世代数，竞赛候选者，交叉率和突变率，最终求解结果表明该方法比标准的遗传算法更加有效。