1.1 研究目的及意义

随着时代的进步以及人类技术的不断蓬勃发展，各类产品尤其是电子产品的更新换代速度越来越快，而这些报废产品中包含着可利用和有害零部件。面对资源及环境的压力，对废旧产品实现回收再利用已成为可持续发展的必由之路。拆卸是实现报废品回收再利用的重要步骤之一，从废品中剔除有害部件，提取出有价值的部件，通过清洗，再加工等方式实现循环利用，也让报废产品给人们带来可观的经济利益。现代产业链中，拆卸线一直被视为大规模拆卸的最佳选择。资源约束拆卸线平衡的研究是对报废产品实现再制造与再利用的重要阶段。在拆卸线上进行拆卸操作时，有时需要机器人、设备、材料、特定机器或合格人员等特定资源在工作站工作。但是这些特定资源往往是有限的，也就是说每个工作站能同时拥有和使用的资源有限，如何使每个工作站在作业任务不变的情况下，使用的资源最少以达到最高的效率，在流水线节拍固定的情况下，最小化工作站数，这个问题也就引发了资源受限的拆卸线平衡（RCDLB）问题。本文针对该问题进行多目标数学建模，并使用软件仿真验证数学模型的正确性，研究出与问题相关的编解码，使用NSGA-III算法解决该问题，最后通过实验进行仿真分析。

1.2 国内外研究现状

拆卸线已存在一个多世纪，但是对拆卸线平衡问题（Disassembly line balancing problem,DLBP）的研究于2001 年才被 Gupta,Gunger 等人首先提出。

近年来, DLBP引起了国内外研究学者们的广泛关注, 并取得了大量研究进展。Mcgovern等人多次融合了贪婪算法、2－Opt 启发式算法和遗传算法等多种算法来求解拆卸线平衡问题;Mcgovern和Gupta等人证明了拆卸线平衡问题是多项式非确定性（Non-Deterministic Polynomial,NP）类组合优化问题，问题复杂度随任务数的增加而呈几何级数增长，难以在合理的时间完全解决问题。Lambert和Gupta等人利用启发式算法求解基于拆卸利润最优的拆卸线问题;Kongar和Gupta提出利用遗传算法求解拆卸序列，考虑的优化目标为拆卸时间、拆卸方向和拆卸方法的改变.在DLBP求解方法方面, 传统方法有精确求解方法、启发式方法, 这些方法在求解小规模问题时可以求得较好解, 但是随着拆卸任务的增加, 会产生组合爆炸问题。另外, 基于上述方法处理多目标的方式都是先决策再优化, 通过线性加权转化为单一目标, 但权重难以确定, 受主观性影响较大。为了解决大规模复杂多目标DLBP, 研究学者开始将智能算法如遗传算法、粒子群算法、模拟退火算法、人工蜂群算法用到DLBP中并取得较好效果.随后, 产生了智能优化方法和Pareto的思想结合, 如Pareto人工鱼群算法、Pareto蚁群算法。这种处理多目标优化方式是先优化再决策, 先筛选得到互不占优的Pareto解集, 然后从多个Pareto解集中选择较优解。