基于遺傳算法的再制造產(chǎn)品拆卸批量計劃問題研究.pdf

1、拆卸是再制造過程中非常重要的一個環(huán)節(jié)，拆卸批量計劃更是在對拆卸進行計劃與控制時需要優(yōu)先考慮的問題。拆卸批量計劃問題是指在一定計劃期內(nèi)規(guī)劃回收廢舊產(chǎn)品在各時刻的拆卸數(shù)量，使其在滿足各時刻的外部需求的同時，符合系統(tǒng)的正常拆卸能力。以往的研究并未考慮到很多現(xiàn)實的因素，如拆卸能力約束的形式并不單單是時間，也可以包括人力、資金等方面。同時，拆卸能力約束能否通過加班進行消除也值得考慮。在模型求解方面，以往的研究主要集中于精確算法，如動態(tài)規(guī)劃算法、分

2、枝定界算法、拉格郎日松弛法等。由于問題本身所固有的計算復(fù)雜性，其求解的計算時間往往隨問題規(guī)模的增大而呈指數(shù)型增長。這些因素非常不利于現(xiàn)有的研究在實際拆卸中的應(yīng)用。針對以上不足，本文針對單級產(chǎn)品結(jié)構(gòu)、不存在通用性零部件的拆卸批量計劃問題從模型的構(gòu)建和求解算法兩個方面進行了擴展，分別研究了啟發(fā)式遺傳算法在無拆卸能力約束的情況下、多種拆卸能力約束不允許加班和允許加班情況下的拆卸批量計劃問題。 針對無拆卸能力約束的拆卸批量計劃問題，研究

3、了該問題最優(yōu)解的一些性質(zhì)，并得出了兩個一般性的結(jié)論來降低搜索空間。根據(jù)該問題的特點，創(chuàng)新性的應(yīng)用拆卸決策變量表示染色體編碼，并對適應(yīng)度函數(shù)進行了線性變化，設(shè)計了具有自適應(yīng)性的交叉概率和變異概率的改進遺傳算法，仿真實驗證明了算法性能的優(yōu)越性。 針對多種拆卸能力約束、不允許加班情況下的拆卸批量計劃問題，設(shè)計了一種兩階段的啟發(fā)式遺傳算法進行求解。首先在不考慮拆卸能力約束情況下求解出初始的拆卸批量計劃，然后根據(jù)拆卸能力的約束應(yīng)用轉(zhuǎn)移算法

4、對初始得到的批量計劃進行修改，使其符合拆卸能力的約束。大量隨機算例的仿真實驗證明了本算法不論是在尋找最優(yōu)解方面還是在求解速度和穩(wěn)定性上面，都要大大的優(yōu)于精確算法，能夠較好的解決實際生產(chǎn)中面臨的多種拆卸能力約束、不允許加班情況下拆卸批量計劃問題。 針對多種拆卸能力約束、允許加班情況下拆卸批量計劃問題，對不考慮加班的拆卸批量計劃問題模型進行了進一步的擴展。提出了一種兩階段的啟發(fā)式遺傳算法進行求解。首先求解得到不考慮拆卸約束的初始批量