基于雙種群遺傳算法的廢舊智能手機拆卸序列規劃

　　摘要：為解決手機大批量報廢帶來的環境和資源問題，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，創新構建了拆卸雙目標決策優化數學模型，并設計了一種雙種群GA搜索優化解，確定智能手機最優或次優的拆卸序列方案。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化拆卸序列，并與經驗拆卸和基本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;雙目標優化;雙種群GA;拆卸序列規劃

　　0前言

　　*隨著5G時代的到來，智能手機更新換代的速度日益加快，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。拆卸回收過程是產品生命周期的必要環節，在拆卸過程中，尋找合理高效的拆卸序列，確定最優或次優的序列方案，可提高智能手機拆卸效率，也為手機新產品的綠色設計提供了有力的支撐。

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

　　然而，隨著產品結構復雜度的提高，傳統的圖模型已經不能滿足設計者的需求。對此，一些學者采用數學矩陣的方式進行建模，表達產品的約束關系，豐富模型的信息量。XU等[7]利用拆卸穩定性矩陣、緊固件優先矩陣、緊固件組件矩陣和組件運動優先矩陣建立拆卸模型，分析產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，同時形成優先矩陣和異或矩陣來描述組件或操作之間的優先關系和異或關系。

　　模型是拆卸問題的基礎，規劃則是拆卸的核心，隨著產品零部件數量的增多，人工智能算法用于產品的拆卸序列規劃研究逐漸受到重視，KHEDER等[9]提出了一種具有優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量不確定性和拆卸作業成本變化的拆卸順序規劃問題，以拆卸利潤最大化為優化目標，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化求解。REN等[11]提出了一個異步并行拆卸規劃問題模型，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化求解。TSENG等[13]設計了一種基于塊的GA來優化打印機拆卸序列。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拆卸序列。TIAN等[15]針對復雜產品，提出了一種基于GA的協同拆卸序列與任務規劃方法，對提升機進行了序列優化求解。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化問題。

　　邢宇飛等[16]針對多目標拆卸規劃問題，提出了基于Pareto集多目標蟻群優化算法。上述研究成果為拆卸序列規劃研究奠定了良好基礎，但已有的研究成果主要以機械產品或大型家電產品拆卸為主。目前，智能手機作為數量最多的電子電器設備，其內部零件數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的拆卸序列規劃方法，圖1給出了拆卸序列規劃方法流程圖，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，創新構建了雙目標優化數學拆卸模型，同時設計一種雙種群GA進行智能手機的拆卸序列規劃，提高整體拆卸效率，獲取最優或次優拆卸回收方案。

　　1智能手機的拆卸模型對智能手機進行拆卸過程的研究，首先要創建拆卸模型。拆卸模型是產品拆卸序列規劃研究的基礎，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，需要了解和獲取產品的拆卸相關信息，包括產品基本信息和產品拆卸過程信息。產品基本的信息主要包括產品結構信息和零部件基本信息;產品拆卸過程信息主要包括產品裝配過程信息、約束關系等。目前，獲取產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，小型零部件數量多且內部約束關系復雜，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

　　現階段，產品的拆卸模型多種多樣，有無向圖、與或圖、Petri網等模型[17-19]。本文根據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]為簡化產品信息的復雜度，常常忽略產品的連接件，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雙目標優化的數學模型

　　產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、工具變化次數或回收利潤等作為決策目標，進行單目標優化。宋守許等[21]將拆卸方向變化次數和拆卸工具變化次數作為判定指標，對內嚙合齒輪液壓泵進行了拆卸序列規劃。

　　CONG等[22]則采用拆卸回收利潤作為決策目標，對硬盤驅動器(HDD)進行了拆卸序列規劃。楊得玉[23]針對渦輪減速器，選擇拆卸時間作為決策目標，進行優化求解。根據上述單目標優化實例，產生的優化序列僅滿足單指標要求，而沒有綜合考慮其它評價指標，使產生的序列優化程度不高。本文綜合考慮多方面評價指標，根據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化數學模型，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，為研究者提供了優化的決策空間。

　　3智能手機拆卸序列生成及優化

　　隨著產品零件數量增加，一般拆卸序列數量會呈指數增長。智能手機零部件數量較多，產生的初始拆卸序列有數萬條，如由人工進行組合和優化，過程繁瑣，難以實現。因此本文利用智能算法進行序列生成和優化求解，根據不同優化目標選取符合條件的最優或次優拆卸序列。

　　3.1智能手機的初始序列生成

　　拆卸可根據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部結構關系，有利于產品結構的改進設計，因此對智能手機進行了完全拆卸。

　　3.2拆卸序列規劃

　　根據上述初始種群的生成流程，獲得可行序列數量高達數萬條，因此需要根據不同的決策目標進行優化處理，選擇最優或次優的拆卸序列。

　　本文研究的廢舊智能手機拆卸序列規劃，屬于具有復雜約束的離散組合優化問題。針對該問題，GA是最常用的優化算法，但基本GA種群單一、搜索能力有限，易陷入局部最優解。因此，設計了一種雙種群GA，該算法本質是一種并行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，提高了優化解的質量，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先關系的約束，因此采用實數編碼。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。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。適應度函數是衡量種群個體好壞的唯一標準，也是優化算法實施的關鍵。在遺傳算法中，適應度函數與目標函數具有一定轉化關系。根據上述雙目標優化數學模型，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，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

　　目前智能手機產品正趨向同質化發展，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，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”智能手機的最優或次優拆卸序列為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，最優回收利潤為22.78元。(2)實例結果表明，雙種群GA相比經驗拆卸和基本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%，表現出了良好的收斂性能和全局尋優，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劃，提出了一種基于雙種群GA的拆卸序列規劃方法，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，在后續研究中，將對本文設計的適合優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

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/dzlw/28706.html