1.1 研究目的及意义

随着时代的发展，为了应对资源紧缺和环境污染问题，各国政府相继建立法律法规，要求生产者对寿命终结的产品进行回收、拆卸、再利用，从而实现资源的循环利用和保护环境的目的，同时围绕寿命终结产品的拆卸与回收是再制造中的重要一环。制造企业对废旧产品进行回收再利用，既顺应法律法规的要求，同时又可以降低生产成本，增加企业的经济效益。因此，越来越多的制造企业参与到废旧产品回收再利用的实践中^[1]。

拆卸线平衡(DLB)问题是将一组分解任务分配到一个有序的工作站序列的过程，以优化一些性能度量(例如，站点数量、危险组件数量、周期时间和工作负载)。产品拆卸操作是一种系统的方法，它从产品中移除一部分或一组零件或部件，或将产品分解为一个给定的目标，指从产品中系统地分离零件、组件、部件或其他零件集合体的过程，产品只有经过拆卸才能实现材料的回收和可用零部件的再造^[2]。

对于实际拆卸线问题而言，拆卸时间具有不确定性，在区间数理论的基础上本文通过对拆卸时间不确定拆卸线平衡问题的研究，能在不确定时间的情况下最优化拆卸线，极大的提高拆卸线效率^[3]。

1.2 国内外研究现状

随着制造业在世界范围内的发展，人们对于工业生产已经有了很深的认识。随着对拆卸线的研究的不断深入，Gungor和Gupta在2001年提出了拆卸线平衡问题，分析拆卸线平衡问题的复杂性和其中的不确定性。随后他们利用分支定界法介绍了分层拆卸树方法结合拆卸目标函数产生可拆卸序列^[4]，主要考虑了零件拆卸的优先顺序得到近似最优的拆卸序列，其中考虑的拆卸目标为最小化拆卸方向和拆卸工具的改变、尽早拆卸危险零件、尽早拆除高需求零件。

2001年，Gungor和Gupta在任务失效的条件下拆卸线平衡问题分析一文中，介绍了拆卸工作站、拆卸单元和拆卸线，文中分析了在拆卸时间、零件优先顺序、零件拆卸需求为已知，研究在待拆卸件零部件存在缺陷的条件下进行拆卸线平衡分析，通过简历不完整状态网络模型来产生最经济的拆卸现任务分配。他们随后建立了基于贪婪算法的拆卸线平衡问题模型^[13]，首先利用贪婪算法搜索到靠近最优解的最有序列，算法中考虑的优化目标是在满足优先拆卸搞需求和危害零件条件下，最小化工作站数。

2004年，McGovern和Gupta利用元启发式解决拆卸线平衡问题，其中研究的问题主要针对完全拆卸问题^[5]。同年，他们又将蚁群、遗传算法和H-K启发式算法与贪婪算法进行比较，考虑的拆卸目标为线平衡率和工作站数^[6]。

2006年，Kongar和Gupta提出使用遗传算法求解拆卸序列，考虑的优化目标为拆卸方向的改变、拆卸方法的改进和拆卸时间^[7]。

2007年王峻峰、李世其等利用蚁群算法研究了选择拆卸的规划方法，考虑的目标函数为拆卸方向改变次数和拆卸零件总数^[8]。同年Agrawal和Tiwari提出了蚁群协同算法来解决随机混流U型拆卸线平衡问题^[9]。