1．目的及意义

1.1 研究目的及意义

随着工业的房展，制造的商品也日益剧增，每年消耗的资源总量也日益增加，更新换代报废的产品也越来越多，加上越来越严格的保护环境法案和公众的环保意识不断提高^[1]，生产者开始回收寿命终结(End of Life,EOL)的产品^[2]来制造新产品。而且，再利用产品、部件可以为生产者带来较为客观的经济利益。

产品回收利用旨在通过从旧的或者过时的产品中回收可利用的材料来减少被送去垃圾站的废旧物数量。产品回收利用是采用拆卸，循环再利用，再制造的方式，从废旧或淘汰的产品中获得零部件和材料。循环再利用是通过必要的拆卸、分类、化学处理方式来重新获得原材料。再制造则是保持产品或零件的特征，并经过必要的拆卸、分类、重新修复、装配使得回收的产品符合质量要求。拆卸是重新使用、制造、回收、存储以及合理处理产品关键的第一步^[3]。拆卸线柔性差，但是生产率较高，适用于大型产品或者小型产品大批量的情形，并且容易实现拆卸过程自动化。拆卸线的效率影响了后续的处理过程，高效的拆卸线尤为重要^[4]。因此研究拆卸线平衡问题具有重要的理论意义和实际价值。

1.2 国内外研究现状

拆卸线平衡问题（Disassembly LineBalancing, DLBP）首先在Gungor和Gupta的论文中提出^[5]。DLBP问题是多目标优化问题，涉及工作站数目、空闲时间均衡指标、需求指标、危害指标和拆卸成本等多个目标^[6]。Gungor和Gupta提出了一种利用最短路径的解决办法，分析了DLBP的影响因素，根据拆卸线的特点，建立了DLBP数学模型。McGovern和Gupta在2004年比较了许多在DLBP上使用的组合优化技术，在2006年将两种启发式方法结合起来求解线性平衡问题。首先利用贪婪算法，在满足尽早拆除高需求与有危险的情况下，找到一个任务分配方案，最小化工作站数，然后利用2-Opt算法对先前的方案进行再平衡，以寻求进一步减少工作站的数量^[7]。启发式方法思想简单，但是求解精度不高。Ding et al在2010年提出一种创新的多目标蚁群优化算法^[8]，利用这种算法可以得到Pareto最优解。启发式方法还有鱼群算法、遗传算法^[9]、粒子群算法等。除了启发式方法外，还有利用整数规划的方法来解决DLBP。这类方法使用AOG来定义这类问题。Altekin等提出一种基于混合整数规划模型的P-R方法，求解有任务缺陷的拆卸线再平衡问题。Koc等认为DLBP是ALBP的相反问题，提出通过线性规划和整数规划来求解DLBP，并提出了一种转换的AND/OR图(TAOG)^[10]。

多目标优化问题也称向量优化问题或多准则优化问题，可将多目标优化问题描述为：满足所有约束条件的同时，在决策空间内寻求使所有目标函数最优的决策变量^[11]。MOEA/D方法由Qingfu Zhang和Hui Li等在2007年首次提出^[12]，是利用数学规划中的分解方法，将多目标问题转换为多个单目标问题，子问题求解完成后得到的解集合并为多目标问题的Pareto前沿，同时也可以应用多样性保持策略，进化种群由各个子问题的当前最优解组成。MOEA/D算法使用简单的分解方法就可以逼近或者超过MOGLS和NSGA-II算法的性能，在每一个群落的计算复杂度更小^[13]。加权法、Tchcbycheff法、BoundaryIntersection法是常见的三种分解方法。MOEA/D 比其它多目标进化算法的计算复杂度低的原因为：子问题相互之间还存在相邻子问题的权重^[14]向量，使得每一个子问题都有两个权重向量作用在各自身上。经过迭代后，每个子问题的权重向量产生变化，但是子问题相互之间的权重向量不会改变，这样就可以通过定义子问题相互之间的权重向量来控制群体收敛的方向，从而减少计算复杂度和解的随机性^[15]。{title}

2. 研究的基本内容与方案

{title}

2.1 研究目标

(1)分析拆卸线平衡问题的特点，研究建立一种针对平行站拆卸线平衡问题的多目标最优化数学模型。

(2)完成基于CPLEX最优化软件的单目标的最优化问题的最优解求解。

(3)对MOEA/D_TCH算法进行研究，研究并建立一种针对所研究问题的多目标进化算法，并完成该算法的性能分析工作。

2.2 研究内容