.png){kind=icon}
返回
An efficient multi-objective evolutionary algorithm for solving a collaborative disassembly sequence planning problem considering human–robot collaboration
.png){kind=icon}
PRE
AI
DOI：10.1007/s10479-025-06812-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提高废弃产品（EOL）的回收效率对于促进循环经济至关重要。拆卸序列规划（DSP）是该过程中的关键技术。然而，传统的DSP依赖于手动执行的顺序操作，导致效率低下且劳动强度高，而完全自动化的机器人拆卸（无人工参与）难以独立完成任务。为解决这一问题，人机协作拆卸序列规划（HRCDSP）应运而生，其中人与机器人并行执行拆卸任务，以提高效率并降低劳动需求。尽管其具有潜力，但现有的HRCDSP研究通常假设确定性拆卸条件，忽略现实世界的复杂性，并倾向于完全拆卸，而实践中这往往并非必要。此外，当前研究尚未系统性地平衡拆卸时间、能耗和利润之间的权衡，从而限制了实际应用。为弥补这些不足，本文提出一个基于机会约束规划的、人机协作选择性拆卸序列规划（CHRCSDSP）问题。该方法将不确定性和选择性拆卸整合到HRCDSP决策中，使决策者在预定义置信水平下灵活平衡拆卸时间、能耗和利润。考虑到该问题的复杂性，提出了一种增强型多目标蜂群算法（EMOBA），融合强化学习和变邻域搜索（VNS）策略以提升解的性能。实验结果表明，CHRCSDSP在可行性和有效性方面优于纯人工和纯机器人拆卸，而EMOBA的性能优于其他先进算法。本研究增强了HRCDSP的实际应用性，为更高效的EOL产品回收做出贡献。
Keyword:
Disassembly sequence planning
Collaborative planning
Human–robot collaboration
Multi-objective optimization
Bees algorithm
期刊
IF:
4.5
论文数:
8.1K
被引数:
2.1W
机构
引用论文
分享收藏
Solving a Stochastic Multi-Objective Sequence Dependence Disassembly Sequence Planning Problem with an Innovative Bees Algorithm.png)
Automation
AutomationIF0
PREAI
分享收藏Task allocation and planning for product disassembly with human-robot collaboration人机协同的产品拆卸任务分配与规划
OAAI
OAAI分享收藏分享收藏
查看更多内容