Dual-Layer Multi-Objective Particle Swarm Optimization Algorithm for Partial Destructive Incomplete Disassembly Line Balancing Problem

doi:10.1109/TASE.2026.3675797

2026-03-19

PRE

Honggui Han

Yue Li

Jingjing Wang

DOI：10.1109/TASE.2026.3675797

原文链接

原文求助

摘要

En 中文

拆解线在促进废旧产品（EOL）回收再利用、实现环境保护和经济效益方面发挥着关键作用。然而，废旧产品的多样化特性要求采用不同的拆解模式，这对仅依赖非破坏性或完全拆解的现有模型构成了挑战。因此，提出了一种双层多目标粒子群算法（DMOPSO）以解决部分破坏性不完全拆解线平衡问题（PDI-DLBP），并优化经济效益和能耗。首先，为拆解顺序、模式选择和任务分配设计了定制化的编码-解码方案，以获得高质量的拆解计划。其次，设计了一种基于双层学习的粒子更新机制，整合约束导向的模式更新算子和多源分段学习策略，以提高搜索效率和优化稳定性。此外，引入了一种基于分子力的双层局部搜索以增强开发能力。将该DMOPSO算法应用于多个测试案例及电视机的实际拆解线。实验结果表明，DMOPSO在解决PDI-DLBP方面优于当前先进算法。具体而言，针对实际案例，所提出的DMOPSO算法使拆解利润提高了5.7%，拆解能耗降低了6.5%，相较于现有最佳算法。 **实践者注意**—拆解在提高资源利用率和减少环境污染方面具有重要作用。拆解线平衡问题因其对提升回收效率和最大化利润的重要性，已引起企业的广泛关注。废旧产品的组件具有多种属性，如含有害物质、拆解可行性低、回收价值低等，这些特性需要采用不同的拆解模式进行处理并提升盈利能力。为满足企业对提高利润和降低能耗的需求，提出了一种新型部分破坏性不完全拆解线平衡问题，结合了常规拆解、破坏性拆解和非拆解模式。此外，设计了一种双层多目标粒子群算法，整合了双层学习导向的粒子更新机制和双层局部搜索。实验结果表明，所提出的算法有效解决了PDI-DLBP，在提升性能和效率方面展现出显著优势。因此，实践者可通过非支配方案获得改进的经济效益和增强的能源效率。

Keyword:

Disassembly line balancing problem (DLBP)

multi-objective particle swarm optimization (MOPSO)

partial disassembly

destructive disassembly