装配一般是产品生产的最后一个阶段,在制造业中占有重要地位,装配流水线是实现产品装配的主要方式。随着当今先进制造技术以及人工智能技术日新月异的发展,装配线流水线系统也逐渐向智能化、集成化和绿色化方向发展。装配线平衡问题(assembly line balancing problem,ALBP)主要研究如何合理分配一系列具有操作优先约束和独立操作时间的工序至装配线的不同工位,以提升装配线系统的生产效率,是制造领域长期研究的一类重要的NP-hard组合优化问题。U型装配线相较传统直线型布局的装配线具有效率、柔性和空间利用率等方面的优势,作为精益生产的重要内容被广泛应用于各类制造企业,因此U型装配线平衡问题(U-shaped assembly line balancing problem,UALBP)也成为了近年来ALBP研究的热点问题。交叉熵(Cross-Entropy,CE)方法是一种基于交叉熵原理,将优化问题和与其相关的概率估计问题相关联的随机优化方法,基于该方法的进化算法一般通过更新稀有事件对应的概率模型参数并使用有效的采样方法采样概率模型生成新种群来引导搜索方向,以逼近问题的最优解或次优解。近年来基于CE方法的进化算法已被成功应用于众多组合优化问题求解的研究中。因此,本文对三类基于实际生产场景的复杂U型装配线平衡问题,采用基于CE方法的进化算法进行研究。主要工作如下:(1)针对最大化线效率与负载标准差综合指标下的混流U型装配线平衡问题(Mixed-Model U-shaped Assembly Line Balancing Problem,MMUALBP),设计了一种混合交叉熵算法(Hybrid Cross-entropy Algorithm,HCEA)。首先在算法编码阶段针对UALBP的工序分配问题采用了一种更为高效的基于工序选择因子的编码。然后在算法全局阶段采用基于交叉熵方法的进化搜索策略,通过更新相应概率模型的参数并采样概率模型生成新种群引导搜索方向。其次在算法局部搜索阶段采用基于三类邻域操作的变邻域策略以改善算法跳出局部最优的能力。最后通过若干规模算例下的仿真实验验证了算法的有效性。(2)针对以最小化能耗指标为优化目标的机器人U型装配线平衡问题(U-shaped robotic assembly line balancing problem,URALBP),采用一种增强交叉熵算法(Enhanced Cross-entropy Algorithm,ECEA)求解。首先在算法全局搜索阶段通过分别采样交叉熵概率模型生成解序列的工序分配子序列及机器人分配子序列。然后通过引入模拟退火机制(Simulated Annealing,SA)的局部搜索改善算法过早收敛的缺陷。最后仿真对比实验验证了算法的有效性。(3)针对同时最小化总成本指标和最大化线效率以及负载标准差综合指标的人机共同作业的资源约束U型装配线平衡问题(Man-Robot Cooperation U-shaped Assembly Line Balancing Problem,MRCUALBP),设计基于交叉熵(CE)方法和遗传算法(GA)的协同进化算法(CE-GA Co-evolutionary Algorithm,CE-GACEA)求解。首先建立了MRCUALBP的数学模型。然后在算法的全局搜索阶段对解中工序子序列和机器人及助理子序列所确定的子空间分别利用GA和CE的操作进行协同搜索以丰富算法寻优的方向。其次在算法的局部搜索阶段引入种群的合并-分裂机制以平衡算法的全局和局部搜索。最后通过仿真实验验证了算法为求解本问题的有效算法。