基于雙種群遺傳算法的廢舊智能手機拆卸序列規(guī)劃

　　摘要：為解決手機大批量報廢帶來的環(huán)境和資源問題，對廢舊智能手機進行了拆卸回收技術的研究。針對廢舊智能手機的完全拆卸，提出了一種基于雙種群遺傳算法(GeneticAlgorithm,GA)的拆卸序列規(guī)劃方法，通過分析智能手機的結構零部件信息，特別是零部件間的約束關系，建立了五元組混合圖拆卸模型，并利用連接矩陣和優(yōu)先矩陣，描述了拆卸智能手機的約束關系。以拆卸時間和回收利潤作為決策目標，同步考慮了影響拆卸時間和回收利潤的多個指標，創(chuàng)新構建了拆卸雙目標決策優(yōu)化數(shù)學模型，并設計了一種雙種群GA搜索優(yōu)化解，確定智能手機最優(yōu)或次優(yōu)的拆卸序列方案。以“iPhone6”智能手機為實例，利用所設計的算法求解了其對應的優(yōu)化拆卸序列，并與經(jīng)驗拆卸和基本GA對比，結果顯示拆卸時間縮短了11.2%和5.6%，回收利潤提高了6.6%和3.0%，驗證了該方法的可行性和高效性。

　　關鍵詞：廢舊智能手機;雙目標優(yōu)化;雙種群GA;拆卸序列規(guī)劃

　　0前言

　　*隨著5G時代的到來，智能手機更新?lián)Q代的速度日益加快，被淘汰的廢舊智能手機對資源和自然 環(huán)境造成了嚴重影響，已成為亟需解決的問題。目前，關于智能手機的研究主要集中于討論智能手機的理論生命周期[1]、設計改進智能手機的結構[2]等，缺乏對廢舊智能手機拆卸和回收的研究。拆卸回收過程是產(chǎn)品生命周期的必要環(huán)節(jié)，在拆卸過程中，尋找合理高效的拆卸序列，確定最優(yōu)或次優(yōu)的序列方案，可提高智能手機拆卸效率，也為手機新產(chǎn)品的綠色設計提供了有力的支撐。

　　近年來，國內(nèi)外的學者針對不同產(chǎn)品拆卸進行了廣泛研究，其中，拆卸模型的建立和序列優(yōu)化是拆卸研究的關鍵步驟。YANG等[3]建立了基于Petri網(wǎng)的裝備拆卸模型，提高了拆卸效率。LIU等[4]提出了一種改進的AND/OR圖，充分表達了產(chǎn)品信息。張秀芬等[5]針對傳統(tǒng)復雜產(chǎn)品拆卸模型構建困難和效率低等，構建了基于聯(lián)接元的拆卸模型。JEUNET等[6]建立了基于優(yōu)先圖模型表示大中型產(chǎn)品實例的拆卸操作及其優(yōu)先關系。

　　然而，隨著產(chǎn)品結構復雜度的提高，傳統(tǒng)的圖模型已經(jīng)不能滿足設計者的需求。對此，一些學者采用數(shù)學矩陣的方式進行建模，表達產(chǎn)品的約束關系，豐富模型的信息量。XU等[7]利用拆卸穩(wěn)定性矩陣、緊固件優(yōu)先矩陣、緊固件組件矩陣和組件運動優(yōu)先矩陣建立拆卸模型，分析產(chǎn)品零部件間的約束關系。REN等[8]建立了基于AND/OR圖的拆卸模型，同時形成優(yōu)先矩陣和異或矩陣來描述組件或操作之間的優(yōu)先關系和異或關系。

　　模型是拆卸問題的基礎，規(guī)劃則是拆卸的核心，隨著產(chǎn)品零部件數(shù)量的增多，人工智能算法用于產(chǎn)品的拆卸序列規(guī)劃研究逐漸受到重視，KHEDER等[9]提出了一種具有優(yōu)先保護交叉的遺傳算法(GA,GeneticAlgorithm)，用于尋找汽車后軸最佳可行拆卸順序。TIAN等[10]提出了一種同時考慮零件質(zhì)量不確定性和拆卸作業(yè)成本變化的拆卸順序規(guī)劃問題，以拆卸利潤最大化為優(yōu)化目標，設計了一種模糊仿真與人工蜂群相結合的混合智能算法進行優(yōu)化求解。REN等[11]提出了一個異步并行拆卸規(guī)劃問題模型，采用GA對HG5-20三軸五速機械變速器以最短拆卸時間為目標進行序列優(yōu)化。

　　WANG等[12]構造了帶有廢打印機的隨機雙面部分拆卸線，設計了一種基于Pareto的多目標離散花授粉算法優(yōu)化求解。TSENG等[13]設計了一種基于塊的GA來優(yōu)化打印機拆卸序列。XU等[14]提出了一種基于Pareto的離散蜜蜂算法來尋找簡化計算機最優(yōu)拆卸序列。TIAN等[15]針對復雜產(chǎn)品，提出了一種基于GA的協(xié)同拆卸序列與任務規(guī)劃方法，對提升機進行了序列優(yōu)化求解。REN等[8]提出了一種改進的GA求解以拆卸相關成本為目標的序列優(yōu)化問題。

　　邢宇飛等[16]針對多目標拆卸規(guī)劃問題，提出了基于Pareto集多目標蟻群優(yōu)化算法。上述研究成果為拆卸序列規(guī)劃研究奠定了良好基礎，但已有的研究成果主要以機械產(chǎn)品或大型家電產(chǎn)品拆卸為主。目前，智能手機作為數(shù)量最多的電子電器設備，其內(nèi)部零件數(shù)量多且零件間存在多層約束。拆卸時，需要同步考慮拆卸層次關系和零件間約束關系，對生成可行拆卸序列的要求高。但智能手機體積小，使用周期短，報廢數(shù)量龐大，高精度的元器件具有較高的回收價值。

　　因此，對智能手機進行拆卸回收研究具有一定實際意義。故本文對智能手機進行拆卸回收研究，提出了一種基于雙種群GA的拆卸序列規(guī)劃方法，圖1給出了拆卸序列規(guī)劃方法流程圖，該方法從選擇拆卸的智能手機開始，確定智能手機拆卸深度，以混合圖理論為基礎，建立五元組混合圖拆卸模型，分析智能手機零部件間的相關性，并以拆卸時間和拆卸回收利潤作為決策目標，創(chuàng)新構建了雙目標優(yōu)化數(shù)學拆卸模型，同時設計一種雙種群GA進行智能手機的拆卸序列規(guī)劃，提高整體拆卸效率，獲取最優(yōu)或次優(yōu)拆卸回收方案。

　　1智能手機的拆卸模型對智能手機進行拆卸過程的研究，首先要創(chuàng)建拆卸模型。拆卸模型是產(chǎn)品拆卸序列規(guī)劃研究的基礎，可詳細描述拆卸研究所需的基本信息。

　　1.1智能手機拆卸相關信息拆卸是一個較復雜的過程，在拆卸前，需要了解和獲取產(chǎn)品的拆卸相關信息，包括產(chǎn)品基本信息和產(chǎn)品拆卸過程信息。產(chǎn)品基本的信息主要包括產(chǎn)品結構信息和零部件基本信息;產(chǎn)品拆卸過程信息主要包括產(chǎn)品裝配過程信息、約束關系等。目前，獲取產(chǎn)品拆卸信息的主要途徑有三維模型提取方式和人工交互方式，由于智能手機體積小，小型零部件數(shù)量多且內(nèi)部約束關系復雜，建模復雜且不易獲取全面信息，因此本文采用人機交互方法，獲取了智能手機全面、準確的信息。

　　1.2五元組混合圖拆卸模型

　　現(xiàn)階段，產(chǎn)品的拆卸模型多種多樣，有無向圖、與或圖、Petri網(wǎng)等模型[17-19]。本文根據(jù)智能手機的相關信息和圖論思想，建立由無向圖和有向圖組成的五元組混合圖模型。在建模中，一些學者[20]為簡化產(chǎn)品信息的復雜度，常常忽略產(chǎn)品的連接件，為使智能手機拆卸更貼于實際，有必要將連接件作為零件考慮。由于智能手機中的連接件數(shù)量較多，如進行單一標號會增加拆卸的復雜性且與實際拆卸不符，鑒于手機連接件位置具有層次性，因此將同一層的連接件統(tǒng)一拆卸，可縮短拆卸時間，提高拆卸效率且符合實際拆卸。

　　2雙目標優(yōu)化的數(shù)學模型

　　產(chǎn)品的拆卸應盡可能提高拆卸效率，降低拆卸成本，增加拆卸回收利潤等，選擇不同的決策目標，產(chǎn)生的拆卸路徑也會存在較大差異。在過去研究中，一些學者通過選擇拆卸時間、方向變化次數(shù)、工具變化次數(shù)或回收利潤等作為決策目標，進行單目標優(yōu)化。宋守許等[21]將拆卸方向變化次數(shù)和拆卸工具變化次數(shù)作為判定指標，對內(nèi)嚙合齒輪液壓泵進行了拆卸序列規(guī)劃。

　　CONG等[22]則采用拆卸回收利潤作為決策目標，對硬盤驅(qū)動器(HDD)進行了拆卸序列規(guī)劃。楊得玉[23]針對渦輪減速器，選擇拆卸時間作為決策目標，進行優(yōu)化求解。根據(jù)上述單目標優(yōu)化實例，產(chǎn)生的優(yōu)化序列僅滿足單指標要求，而沒有綜合考慮其它評價指標，使產(chǎn)生的序列優(yōu)化程度不高。本文綜合考慮多方面評價指標，根據(jù)影響智能手機拆卸效率和回收利潤的主要因素建立雙目標優(yōu)化數(shù)學模型，以拆卸時間和回收利潤作為決策目標，同步考慮影響拆卸時間和回收利潤的多個指標，全面分析了影響智能手機拆卸效率和回收利潤的各個因素，為研究者提供了優(yōu)化的決策空間。

　　3智能手機拆卸序列生成及優(yōu)化

　　隨著產(chǎn)品零件數(shù)量增加，一般拆卸序列數(shù)量會呈指數(shù)增長。智能手機零部件數(shù)量較多，產(chǎn)生的初始拆卸序列有數(shù)萬條，如由人工進行組合和優(yōu)化，過程繁瑣，難以實現(xiàn)。因此本文利用智能算法進行序列生成和優(yōu)化求解，根據(jù)不同優(yōu)化目標選取符合條件的最優(yōu)或次優(yōu)拆卸序列。

　　3.1智能手機的初始序列生成

　　拆卸可根據(jù)拆卸深度分為完全拆卸，部分拆卸和目標拆卸。目前，智能手機的拆卸研究還處于起步階段，相比其他非完全拆卸，完全拆卸可以資源最大化，且能夠全面了解手機內(nèi)部結構關系，有利于產(chǎn)品結構的改進設計，因此對智能手機進行了完全拆卸。

　　3.2拆卸序列規(guī)劃

　　根據(jù)上述初始種群的生成流程，獲得可行序列數(shù)量高達數(shù)萬條，因此需要根據(jù)不同的決策目標進行優(yōu)化處理，選擇最優(yōu)或次優(yōu)的拆卸序列。

　　本文研究的廢舊智能手機拆卸序列規(guī)劃，屬于具有復雜約束的離散組合優(yōu)化問題。針對該問題，GA是最常用的優(yōu)化算法，但基本GA種群單一、搜索能力有限，易陷入局部最優(yōu)解。因此，設計了一種雙種群GA，該算法本質(zhì)是一種并行GA，較大程度上保留其原有進化機制，具有較強的全局搜索能力，并且該算法采用兩個子種群獨立進化，確保了子種群的多樣性。同時，兩個優(yōu)秀種群通過種群間染色體隨機部分交換，擴大了算法搜索空間，加快了搜索速度，提高了優(yōu)化解的質(zhì)量，具有良好的搜索能力和收斂性能。圖2為雙種群GA流程圖。其中，雙種群GA主要流程如下。

　　(1)實數(shù)編碼。針對本問題，染色體的編碼需要滿足拆卸連接關系和優(yōu)先關系的約束，因此采用實數(shù)編碼。每個基因代表一個拆卸的零件，其編碼長度等于拆卸零件個數(shù)。該編碼方式確保每一個染色體是一種可能的拆卸方式，減少計算量，加快算法的進程。(2)適應度函數(shù)。適應度函數(shù)是衡量種群個體好壞的唯一標準，也是優(yōu)化算法實施的關鍵。在遺傳算法中，適應度函數(shù)與目標函數(shù)具有一定轉(zhuǎn)化關系。根據(jù)上述雙目標優(yōu)化數(shù)學模型，采用完全拆卸的拆卸時間和拆卸回收利潤雙目標作為適應度函數(shù)，搜索拆卸時間的最小值和拆卸回收利潤的最大值。

　　4實證研究

　　目前智能手機產(chǎn)品正趨向同質(zhì)化發(fā)展，手機結構大同小異，實例選擇了“iPhone6”智能手機作為研究對象，“iPhone6”智能手機于2014年發(fā)布，作為蘋果品牌歷史最暢銷的機型，銷售量突破2.5億部[25]。目前，該機型已于2019年5月停產(chǎn)，大部分手機已被閑置，考慮到部分零部件還具有一定價值，因此對其進行拆卸回收研究，使資源最大化。

　　5結論

　　(1)運用雙種群GA搜索，得出“iPhone6”智能手機的最優(yōu)或次優(yōu)拆卸序列為2-1-14-9-8-13-15-10-12-16-11-17-4-3-18-19-7-5-6-20，最短拆卸時間為476s，最優(yōu)回收利潤為22.78元。(2)實例結果表明，雙種群GA相比經(jīng)驗拆卸和基本GA，拆卸時間縮短了11.2%和5.6%，回收利潤提高了6.6%和3.0%，表現(xiàn)出了良好的收斂性能和全局尋優(yōu)，為研究者提供較大的決策空間。

　　本研究的重點是廢舊智能手機的完全拆卸序列規(guī)劃，提出了一種基于雙種群GA的拆卸序列規(guī)劃方法，而在實際拆卸中，往往需要考慮到不同拆卸方案和拆卸技術的影響，過程復雜，影響因素眾多，拆卸過程可能面臨很大不確定性，需要進一步探討。此外，在后續(xù)研究中，將對本文設計的適合優(yōu)化廢舊智能手機拆卸序列的雙種群GA與其它混合算法、改進算法進行具體的定量對比分析。

　　參考文獻

　　[1]ZUFALLJ，NORRISS，SCHALTEGGERS，etal.Businessmodelpatternsofsustainabilitypioneers-analyzingcasesacrossthesmartphonelifecycle[J].JournalofCleanerProduction，2020，244(2)：1-15.

　　[2]HERTHELAB，SUBRAMANIANA.Optimizingsingle-fingerkeyboardlayoutsonsmartphones[J].Computers&OperationsResearch，2020，120：104947.

　　作者：尹鳳福杜澤瑞李林梁振寧安瑞王瑞東劉廣闊

轉(zhuǎn)載請注明來自發(fā)表學術論文網(wǎng)：http://m.liangshanbai.cn/dzlw/28706.html