面向拆卸線平衡的維度學習多目標粒子群優化

肖閃麗，王宇嘉，于 慧

(上海工程技術大學 電子電氣工程學院，上海 201620)

在實際生產中拆卸線平衡問題(Disassembly Line Balancing Problem, DLBP)需要同時優化多個相互牽制甚至互相矛盾的目標，是一類典型的NP組合優化問題。Gungor等人[1]首先提出了DLBP，并采用了一種啟發式算法，但該方法的缺點是求解效果具有不確定性。Altekin和Llambert等人[2-3]利用啟發式算法求解基于拆卸利潤最優的DLBP。文獻[4]提出了基于線性加權的多目標蟻群算法, 但其實質仍是單目標優化。文獻[5～6]分別運用改進的蟻群算法和遺傳算法求解多目標DLBP，但在實際求解過程中卻把多目標問題轉化成了具有優先順序的單目標問題。Kongar等人[7]利用遺傳算法，考慮了多個目標來實現DLBP，但其針對大規模問題的求解性能還有待提升。丁力平等人[8]提出Pareto蟻群算法求解拆卸線的多目標問題，其目標為平均閑置率、負荷均衡指標和拆卸成本，但在解決復雜的DLBP上可能會出現早熟現象。Kalayci等人[9-11]提出了基于鄰居變異操作的粒子群優化算法、蜂群算法和蟻群算法，但其沒有考慮算法自身存在易陷入局部最優的問題。

粒子群算法憑借實現容易、控制參數少以及收斂速度快的特點[12]，目前廣泛應用在工業生產上。本文根據生產實際的需要構建了DLBP數學模型，并采用基于維度學習的多目標粒子群算法(DL-MOPSO)對其進行優化求解。

1 多目標拆卸線平衡問題的數學模型

1.1 拆卸線平衡問題描述

1.2 拆卸線平衡問題數學模型

(1)盡可能減小工作站的數量

minf1=m

(2)最小化工作站的空閑時間