福建理工大學管理學院邱棟團隊在《福建理工大學學報》發(fā)表論文《考慮不確定拆卸時間的異步并行拆卸序列規(guī)劃》，該研究針對拆卸時間受多種因素影響存在不確定性的問題，提出基于灰數(shù)的異步并行拆卸序列規(guī)劃方法，構建多目標數(shù)學模型并設計改進人工蜂群算法，經筆記本電腦拆卸實例驗證，異步并行拆卸經濟效益提升23.1%，拆卸時間縮短12.7%，為回收再制造領域高效拆卸提供了新方案。

　　拆卸是回收再制造的核心環(huán)節(jié)，拆卸序列規(guī)劃的科學性直接影響拆卸效率與收益。傳統(tǒng)研究多基于確定的拆卸時間開展，但實際操作中，操作者技能、產品結構、材料特性等因素都會導致拆卸時間不確定，影響規(guī)劃方案的實用性。邱棟團隊聚焦這一行業(yè)痛點，將灰數(shù)引入拆卸時間描述，把不確定時間轉化為可量化分析的灰數(shù)區(qū)間，為精準建模提供了數(shù)學基礎。

　　團隊構建了以最大拆卸收益和最小拆卸時間為目標的數(shù)學模型，同時考慮拆卸最大規(guī)定時間、工作站順序、并行序列執(zhí)行長度等多重約束條件。為高效求解該復雜模型，研發(fā)了改進人工蜂群算法：采用矩陣編碼構造可行解，用錦標賽選擇替代傳統(tǒng)輪盤賭以保護最優(yōu)解;在守望蜂階段引入自適應變異操作，拓展解空間搜索范圍;在偵察蜂階段設計基于潛能值的更新策略，避免算法陷入局部最優(yōu);創(chuàng)新提出多解協(xié)同對比方法，高效獲取非劣解。

　　通過MATLAB軟件進行1000次迭代測試，將該改進算法與切諾貝利災難算法、機器學習算法及傳統(tǒng)人工蜂群算法對比，結果顯示改進算法在接近120次迭代時即達到最優(yōu)值，收斂速度顯著優(yōu)于對比算法，驗證了其優(yōu)越性。

　　為進一步驗證模型與算法的實際應用效果，團隊以Fujitsu AH556型號筆記本電腦為拆卸對象，其包含22個零件，回收收益從0.5元至72.3元不等。對比同步并行拆卸與異步并行拆卸效果發(fā)現(xiàn)，異步并行拆卸平均收益達256.4元，較同步并行拆卸的208.3元顯著提升;平均拆卸時間從163.3秒縮短至142.6秒，實現(xiàn)了效率與收益的雙重優(yōu)化。

　　該研究創(chuàng)新性地解決了不確定環(huán)境下的拆卸序列規(guī)劃難題，其提出的方法和算法可為大型復雜機電產品的高效回收拆卸提供技術支撐，對推動再制造產業(yè)提質增效、促進資源循環(huán)利用具有重要意義。