为满足用户对于多品种、小批量产品的需求,汽车装配厂通常采用混合型装配线组织生产,在同一条装配线上混合加工结构相似且工艺相近的不同类型产品。由于不同生产部门对产品投产序列的偏好不同,实际生产中常常需要通过重排序来调整上游产品序列以满足下游车间的排序要求。物理重排序和虚拟重排序是两种基本的重排序形式。相比于物理重排序,虚拟重排序具有无需高昂设备投资且可节约生产车间面积等优点。本文以汽车混合型装配线为对象,对于在不同生产车间如何根据其排序要求有效使用虚拟重排来实现序列调整开展了一系列研究。建立了不同环境和要求下虚拟重排序问题的数学优化模型,提出了用于快速求解的多种启发式算法,并通过设计算例对所提算法的性能进行了测试。本文主要研究工作和成果如下:(1)进一步深入研究了涂装车间前通过虚拟重排实现按颜色分批的优化问题,提出了一种行之有效的蚁群算法。算例计算结果表明,对于中小规模的按颜色分批问题,该算法可迅速获得与商务软件CPLEX求解质量相当的重排效果;对于大规模问题,在滚动规划周期内连续使用该算法可获得与使用线性缓冲区的物理重排序相近似的重排效果。此外,联合使用虚拟重排序与物理重排序的集成重排方法的效果优于单独使用任一种重排序方法。(2)针对总装车间前基于汽车排序目标的虚拟重排序问题,首次提出了该问题的数学优化模型,并对其复杂度进行了分析,进而提出一个问题求解的局部搜索算法以及两个不同的接受准则。数值试验结果表明,该算法可以在短时间内获得与CPLEX计算结果质量相当的解序列。当算例长度和选项数增加时,该算法的重排序效果逐渐优于CPLEX。另外,采用阈值式接受准则得到的搜索结果略优于贪婪式接受准则。(3)对于总装车间前基于汽车排序目标的集成重排序问题,首先建立了联合使用线性缓冲区和虚拟重排序进行序列调整的数学优化模型,提出了五种车辆进入缓冲区和一种释放缓冲区内车辆的启发式重排序方法,并以此为基础结合虚拟重排思想构建了多种启发式集成重排序方法。数值试验结果表明,在释放阶段引入虚拟重排思想几乎总是能够显著提高单独使用物理重排序的效果;采用集成释放的遗传算法始终优于其它四种集成重排序方法,且该算法在效率和效果上都优于CPLEX。本文研究了混合型装配环境下如何有效使用虚拟重排序进行序列调整的问题,发现在某些场合下单独使用虚拟重排序也可获得相当不错的重排效果,而结合物理与虚拟重排优点的集成重排序的总体表现优于单独任何一种重排方法。文中提出的重排序优化模型和算法不仅具有一定的理论意义,也可以为相同生产环境下的实际重排序决策问题提供支持。