公民环保意识的增强,环保法规的日益完善以及生产者责任延伸制的实施,促使企业对废旧产品实施回收再制造,以降低环境污染,实现资源的循环再利用。此外,可观的经济效益也是众多制造商开展废旧产品回收再制造的另一主要推动因素。回收再制造是一个“废旧产品-回收-再制造-消费”的过程,拆卸是其中最关键环节之一,通过拆卸才可实现有价值原材料和零部件的再利用,进而最大限度利用资源、降低有危害零部件对环境的污染。以流水线方式组织拆卸能够提高拆卸效率,实现产品拆卸产业化。然而,在对废旧产品进行拆卸时,容易出现工作站上任务分配不均衡现象,从而影响拆卸效率。因此,拆卸线平衡问题(Disassembly Line Balancing Problem,DLBP)引起了工业界和学术界的广泛关注。一些产品结构复杂、零部件关联紧密,在拆卸过程中无拆卸先后关系的任务之间也可能存在相互干扰,导致被优先分配的任务无法以最便捷的方式进行拆卸,从而造成作业时间增加,我们将这种无先后关系约束任务间的相互干扰称之为“顺序相依”。顺序相依拆卸线平衡问题(Sequence Dependent Disassembly Line Balancing Problem,SDDLBP)是指在任务分配过程中,不仅考虑任务间的先后关系约束,还要考虑存在顺序相依关系任务间的相互干扰所造成的作业时间增加。因此,SDDLBP比一般DLBP更复杂,然而却更符合实际拆卸情形,具有更大的实际研究意义。现有文献构建的多目标SDDLBP优化模型均未考虑总拆卸时间最短这一重要目标,导致在寻优过程中容易优先选择“蹩脚”的任务进行拆卸,以均衡工作站空闲时间,从而造成总拆卸时间增加、工人和机器设备作业负荷增大。鉴于此,本文针对第I类拆卸线平衡问题,提出了最小化工作站开启数量、最短总拆卸时间、均衡各工作站空闲时间、尽早拆除高危害和高需求零部件的多目标顺序相依拆卸线平衡问题优化模型,并根据拆卸线布局方式不同,分别对直线型、U型和双边顺序相依拆卸线平衡问题进行研究。首先,针对直线型顺序相依拆卸线平衡问题,提出一种改进的离散人工蜂群算法。所提算法设计了基于整数排列的编码方式,以对拆卸序列进行有效表示。在初始解构造阶段,采用了混合生成策略以提高初始种群的质量和多样性;在雇佣蜂引领阶段,使用了简化变邻域算法以扩大搜索空间,提高局部搜索效率;在观察蜂跟随阶段,构造了分阶段选择评价法以保证观察蜂能够准确选择蜜源进行深度开采;在侦察蜂探测阶段,采用基于全局最优解的学习方法,以提高探测到更优蜜源的概率,从而加速跳出局部最优。通过与现有求解直线型SDDLBP算法对比,表明该算法能找到问题当前最好拆卸平衡方案,并表现出很高的求解效率。其次,针对U型顺序相依拆卸线平衡问题,提出一种自适应进化动态邻域搜索算法。为了有效表示拆卸任务可从U型线的入口和出口两个方向进行分配,所提算法设计了基于正负整数排列的编码方式。算法引入初始种群扩大搜索空间,并采用锦标赛法提高优质个体被选择进化的概率;在局部搜索时,设计了邻域结构自适应选择策略,以自适应选择对个体改进效果好的邻域结构进行搜索;在每次种群进化完,采用精英保留策略和末尾淘汰机制对种群个体进行调整,以保证下一代种群个体质量。通过算例测试该算法的可行性与高效性,并与传统直线型拆卸线对比,验证了U型拆卸线能够更灵活的分配任务以提高工作站利用率,减少对环境危害。最后,针对双边顺序相依拆卸线平衡问题,提出一种双种群协作遗传算法。所提算法中两个独立种群相互协作共同进化,以寻求问题最优解。针对双边布局特点提出一种基于一维正负整数排列的“序列组合”编码方式,该方法可将先后关系约束和操作方位约束进行有效表示,并能够减少存储空间、提高运算速度。为了提高寻优能力,所提算法设计了“后天学习”算子,以调整个体基因序列,加快种群进化速度。每次种群迭代完毕,两个独立种群通过引种、联姻等方式加强交流,以提高种群质量。通过求解不同规模算例结果表明,该算法能获得问题的更优解,求解效率更高、鲁棒性更强,并随着问题规模增大优势更为明显。