1．目的及意义

科技的迅速发展使产品换代的速度加快，导致废弃产品日益增多；与此同时，随着人类社会文明的进步，环境污染、资源缺乏等问题日益严重，我们将更加关注经济的可持续发展和高质量发展而不是快速发展。可持续生产整合了生产和逆向生产，即闭环生产。对寿命终结（end of life,EOL）的产品回收再利用不仅能够防止自然资源的迅速消耗，而且能够有效应对传统废弃产品处理方式带来的环境污染问题。因此，拆卸线平衡问题在国内外受到了广泛关注。

产品拆卸是指从EOL产品中系统的分离零件、组件、部件或其他零件集合体的过程。产品拆卸流水线，简称产品拆卸线，可以实现自动拆卸和流水线操作，拥有工作效率高的特点，尤其适用于大型废弃产品和大批量的小型废旧产品。废旧产品只有经过拆卸才能够实现回收再利用以解决资源和环境问题。产品拆卸是实现废弃产品回收再利用的重要方式，是实现产品生命周期完整性和封闭性的必要环节。

Gungor和Gupta最早提出了拆卸线平衡问题，并且对于在一定程度上存在产品缺陷导致拆卸任务不能顺利进行的情况，设计了一种关于拆卸线的平衡算法，该算法以最小化总空闲时间、有限拆卸有危害、高需求的零件和最小化拆卸方向改变次数为优化目标，建立了完全拆卸条件下的多目标模型。在拆卸线平衡问题的早期研究过程中，主要以启发式算法为主。虽然启发式算法原理简单，能够迅速求出可行解，但是由于该可行解完全依赖启发式规则，具有不确定性，因此不能够保证该可行解的质量。McGovern和Gupta证明了拆卸线的平衡问题和装配线的平衡问题相似，均为NP-hard组合优化问题，包含随机任务时间、不同的行设计以及同时考虑的冲突目标增加了其复杂性。进而McGovern和Gupta提出了组合优化技术，如贪心算法与2-opt算法结合，该算法在处理危险和高需求零件的同时最小化了工作中心的数量。

但随着问题规模的增长，该问题可行解的数量以几何级增长，因此数学规划方法对求解大规模问题并不合适。丁力平等人针对拆卸线平衡问题的多目标属性，首次提出了一种基于Pareto解集的多目标蚁群算法，通过评价各个方案间的支配关系，保留互不占优的多种方案。随后Pareto细菌觅食算法、Pareto人工鱼群算法相继被用于求解多目标大规模拆卸线平衡问题。以上多目标算法能够得到针对不同特性的拆卸方案，但可行解的质量仍需改进。

针对启发式方法、精确方法在求解多目标拆卸线平衡问题时被问题的NP属性限制，只适合求解小规模问题，虽同时由于某些智能算法在建立数学模型阶段虽然考虑了多目标优化，但在求解多目标问题时，将其转变为带有优先顺序的单目标问题，比如字典排序，而多目标之间往往互相冲突，因此并不能保证所有目标之间的均衡性。基于此，在综合考虑最小化工作站数量、空闲时间均衡等2个目标，提出了一种多目标遗传算法，该遗传算法在求解多目标问题时，结合Pareto解集筛选策略，通过反复迭代尽可能逼近最优解。{title}

2. 研究的基本内容与方案

{title}

2.1研究目标

针对拆卸线平衡问题，研究基于多目标遗传算法的拆卸线平衡问题，建立拆卸线平衡问题的多目标优化模型；运用Pareto解集筛选策略，在保证所有目标之间均衡性的情况下，使用遗传算法对此模型进行求解。

2.2研究内容

2.2.1 拆卸线平衡问题描述和最优化模型建模；

拆卸线平衡问题是一个NP-hard组合优化问题，分析目前拆卸线平衡问题的研究方向与资料，目标函数，建立基于NSGAII的拆卸线平衡问题的数学模型；同时，为保证拆卸线的效率，需最小化工作站数量并保证每个工作站的空闲时间最短且相同。