基于强化学习策略的进化群智能算法求解第Ⅱ类拆卸线平衡问题.pdfVIP

摘要

随着技术革新，产品更新速度增快，电子产品的寿命缩短，废弃电子产品的快

速增加对环境造成了极大的影响。而厂家通过废弃电子产品的回收再制造过程来实

现资源的循环利用，从而降低环境的污染，同时还可以创造可观的经济效益，降低

成本。回收再制造是一个“回收拆卸-再制造-效益”的过程，拆卸是其中一个很重要的

环节。通过拆卸废弃电子产品来获得存在危害的工件，有价值的零件和原材料，不

仅能够降低对于环境的污染，而且可以在最大程度上创造可观的收益。厂家为了提

高拆卸的效率，通常以流水线形式组织产品拆卸，来提高回收产品的速度。然而在

产品拆卸过程中，可能会出现任务数量分配不平衡的问题，从而使效率降低。因此，

Gungor和Gupta[1]提出了拆卸线平衡问题（DisassemblyLineBalancingProblem,

DLBP），该问题已经被证明为NP-hard问题，属于最困难的组合优化问题之一。由

于厂家工作站已经固定，因此Kalaycılar[2]提出了具有固定工作站数量的第II类

DLBP问题（TypeIIDisassemblyLineBalancingProblem,DLBP-II），该问题更有实际

意义。

在DLBP-II中，需要考虑任务优先级和时间干扰关系，通过不同的任务分配方

式以及更改可行序列中任务的顺序，来优化所求目标。拆卸线平衡问题使用最多的

是进化群智能算法，但是由于其过早收敛，容易陷入局部最优，产生解的质量不高

等缺点，并没有很有效的解决该问题。因此，本文利用进化群智能算法

（Evolutionaryswarmintelligencealgorithm）结合强化学习（Reinforcementlearning）

去解决DLBP-II问题，并根据问题特征设计了多种有效策略。主要工作内容如下：

（1）针对DLBP-II问题，以节拍时间为目标建立数学模型，针对拆卸序列，使

用基于整数排列的编码方式。提出多种领域有哪些信誉好的足球投注网站算子，针对问题特点设计了破坏重

构策略的局部强化有哪些信誉好的足球投注网站策略。通过使用强化学习中Q-learning策略的奖励反馈机制

选择合适的局部有哪些信誉好的足球投注网站算子，提高了进化群智能算法的性能。通过实验分析，验证了

所提出强化学习策略结合进化群智能算法的有效性。

（2）考虑到实际拆卸中，危害工件过晚拆卸会导致环境污染加重，在节拍时间

目标的基础上，以节拍时间和危害系数双目标建立了数学模型。根据不同目标，分

别设计了不同的局部有哪些信誉好的足球投注网站算子。通过使用强化学习中SARSA策略，来引导任务分

配的方式和选择局部有哪些信誉好的足球投注网站算子。该策略充分考虑到种群变化的影响，使种群可以自

适应的进化。实验表明了所提策略可以提高算法的综合性能。

关键词：第II类拆卸线平衡问题；节拍时间和危害系数；进化群智能算法，强化

学习

ABSTRACT

Withtechnologicalinnovationsandproductupdates,productlifespansareshortened.

Wasteelectronicproductsrecyclingandremanufacturingcanreduceenvironmental

pollutionandrealizeresourcerecycling.Inaddition,manufacturerscancreateconsiderable

economicbenefitsandreducecoststhroughrecyclingandremanufacturing.Recyclingand

remanufacturingprocessisarecyclingdisassembly-remanufacturing-benefitprocess.

Disassemblyisoneoftheimportantlinks,throughthedisassemblyoftheproducttoget

thehazardousworkpieces,valuableparts,andrawmaterials,