1.1 研究目的及意义

随着构建和谐社会和可持续战略的实施，再制造作为循环经济体系中非常重要的一个环节，日益受到政府和社会的重视。拆卸作为再制造过程中关键的一个环节，通过一系列操作，系统地从废旧产品中提取出有价值的零部件和原材料。只有通过拆卸才能实现材料的回收和可用零部件的再制造。面对大规模的产品拆卸，为了提高拆卸效率，推动产品拆卸产业化，以流水线作业进行生产组织的拆卸线开始得到重视和应用。流水线连续作业存在作业过程不均衡的现象，因此拆卸线的平衡问题成为一项非常重要和迫切需要解决的问题。

拆卸线平衡(DLB)问题是将一组分解任务分配到一个有序的工作站序列的过程，以优化一些性能度量(例如，站点数量、危险组件数量、周期时间和工作负载)。产品拆卸操作是一种系统的方法，它从产品中移除一部分或一组零件或部件，或将产品分解为一个给定的目标，指从产品中系统地分离零件、组件、部件或其他零件集合体的过程，产品只有经过拆卸才能实现材料的回收和可用零部件的再造。拆卸作业的完成既可以在单个拆卸工作站或拆卸工作单元上进行，也可以在产品拆卸流水线上进行。双边拆卸线在大型EOL产品拆卸与回收过程中得到广泛应用，较单边提高了效率，但更为复杂。双边拆卸线是在单边拆卸线基础上，将其原来的工位(单边作业)一分为二，具有以下优点：缩短拆卸线的长度，进而缩短产品的拆卸时间；提高工装设备、人员等利用率，降低生产成本。

近十几年来，进化算法已成为解决多目标优化问题的理想方法。IBEA是由Zitzler和Kunzli于2004年提出的一种比较新颖的多目标进化算法，IBEA分配适应度的方法独特且计算简单，不使用传统的多样性保护技术，算法收敛性好且适合求解目标维数较高的问题，该算法具备比较突出的优点。

本课题重点研究双边拆卸线平衡问题，在对该问题进行理论建模和分析的基础上，基于IBEA算法这中多目标进化算法，研究并提出解决该问题的多目标进化算法，针对产品双边拆卸线的特点，构建了产品拆卸线平衡问题的优化模型，并利用IBEA算法对模型进行求解，提高了拆卸效率。

1.2 国内外研究现状

随着制造业在世界范围内的发展，人们对于工业生产已经有了很深的认识。随着对拆卸线的研究的不断深入，Gungor和Gupta在2001年提出了拆卸线平衡问题，分析拆卸线平衡问题的复杂性和其中的不确定性。随后他们利用分支定界法介绍了分层拆卸树方法结合拆卸目标函数产生可拆卸序列^[1]，主要考虑了零件拆卸的优先顺序得到近似最优的拆卸序列，其中考虑的拆卸目标为最小化拆卸方向和拆卸工具的改变、尽早拆卸危险零件、尽早拆除高需求零件。

同年，Gungor和Gupta在任务失效的条件下拆卸线平衡问题分析一文中^[2]，介绍了拆卸工作站、拆卸单元和拆卸线，文中分析了在拆卸时间、零件优先顺序、零件拆卸需求为已知，研究在待拆卸件零部件存在缺陷的条件下进行拆卸线平衡分析，通过简历不完整状态网络模型来产生最经济的拆卸现任务分配。

2000年，Kim提出基于一种遗传算法的双边装配线平衡问题^[3]，构建双边装配线模型，并用算法实现，对双边拆卸线平衡问题有借鉴意义。2002年，Güngouml;r 研究了产品回收中的拆卸线问题^[4]。2003年Kim、Lee和Xirwchakisl等建立了多种产品的拆卸线平衡问题模型^[5]，考虑了拆卸工作站的组织成本、运营成本、库存成本为优化目标。利用基于线性松弛规划法的启发式算法来解决这一问题。同年，Gungor和Gupta建立了基于贪婪算法的拆卸线平衡问题模型^[6]，首先利用贪婪算法搜索到靠近最优解的最有序列，算法中考虑的优化目标是在满足优先拆卸需求和危害零件条件下，最小化工作站数。同年，McGovern和Gupta等利用基于遗传算法的组合优化技术方法来解决大型产品拆卸的问题，为产业自动拆卸线提供了理论基础，其研究目标为拆卸线工作站数和空闲时间^[7]。

2004年，Zitzler 和Kunzli提出了基于指标的多目标选择研究^[8]。同年McGovern和Gupta利用元启发式解决拆卸线平衡问题，其中研究的问题主要针对完全拆卸问题^[9]，并将蚁群、遗传算法和H-K启发式算法与贪婪算法进行比较，考虑的拆卸目标为线平衡率和工作站数。