基于双种群遗传算法的废旧智能手机拆卸序列规划

　　摘要：为解决手机大批量报废带来的环境和资源问题，对废旧智能手机进行了拆卸回收技术的研究。针对废旧智能手机的完全拆卸，提出了一种基于双种群遗传算法(GeneticAlgorithm,GA)的拆卸序列规划方法，通过分析智能手机的结构零部件信息，特别是零部件间的约束关系，建立了五元组混合图拆卸模型，并利用连接矩阵和优先矩阵，描述了拆卸智能手机的约束关系。以拆卸时间和回收利润作为决策目标，同步考虑了影响拆卸时间和回收利润的多个指标，创新构建了拆卸双目标决策优化数学模型，并设计了一种双种群GA搜索优化解，确定智能手机最优或次优的拆卸序列方案。以“iPhone6”智能手机为实例，利用所设计的算法求解了其对应的优化拆卸序列，并与经验拆卸和基本GA对比，结果显示拆卸时间缩短了11.2%和5.6%，回收利润提高了6.6%和3.0%，验证了该方法的可行性和高效性。

　　关键词：废旧智能手机;双目标优化;双种群GA;拆卸序列规划

　　0前言

　　*随着5G时代的到来，智能手机更新换代的速度日益加快，被淘汰的废旧智能手机对资源和自然 环境造成了严重影响，已成为亟需解决的问题。目前，关于智能手机的研究主要集中于讨论智能手机的理论生命周期[1]、设计改进智能手机的结构[2]等，缺乏对废旧智能手机拆卸和回收的研究。拆卸回收过程是产品生命周期的必要环节，在拆卸过程中，寻找合理高效的拆卸序列，确定最优或次优的序列方案，可提高智能手机拆卸效率，也为手机新产品的绿色设计提供了有力的支撑。

　　近年来，国内外的学者针对不同产品拆卸进行了广泛研究，其中，拆卸模型的建立和序列优化是拆卸研究的关键步骤。YANG等[3]建立了基于Petri网的装备拆卸模型，提高了拆卸效率。LIU等[4]提出了一种改进的AND/OR图，充分表达了产品信息。张秀芬等[5]针对传统复杂产品拆卸模型构建困难和效率低等，构建了基于联接元的拆卸模型。JEUNET等[6]建立了基于优先图模型表示大中型产品实例的拆卸操作及其优先关系。

　　然而，随着产品结构复杂度的提高，传统的图模型已经不能满足设计者的需求。对此，一些学者采用数学矩阵的方式进行建模，表达产品的约束关系，丰富模型的信息量。XU等[7]利用拆卸稳定性矩阵、紧固件优先矩阵、紧固件组件矩阵和组件运动优先矩阵建立拆卸模型，分析产品零部件间的约束关系。REN等[8]建立了基于AND/OR图的拆卸模型，同时形成优先矩阵和异或矩阵来描述组件或操作之间的优先关系和异或关系。

　　模型是拆卸问题的基础，规划则是拆卸的核心，随着产品零部件数量的增多，人工智能算法用于产品的拆卸序列规划研究逐渐受到重视，KHEDER等[9]提出了一种具有优先保护交叉的遗传算法(GA,GeneticAlgorithm)，用于寻找汽车后轴最佳可行拆卸顺序。TIAN等[10]提出了一种同时考虑零件质量不确定性和拆卸作业成本变化的拆卸顺序规划问题，以拆卸利润最大化为优化目标，设计了一种模糊仿真与人工蜂群相结合的混合智能算法进行优化求解。REN等[11]提出了一个异步并行拆卸规划问题模型，采用GA对HG5-20三轴五速机械变速器以最短拆卸时间为目标进行序列优化。

　　WANG等[12]构造了带有废打印机的随机双面部分拆卸线，设计了一种基于Pareto的多目标离散花授粉算法优化求解。TSENG等[13]设计了一种基于块的GA来优化打印机拆卸序列。XU等[14]提出了一种基于Pareto的离散蜜蜂算法来寻找简化计算机最优拆卸序列。TIAN等[15]针对复杂产品，提出了一种基于GA的协同拆卸序列与任务规划方法，对提升机进行了序列优化求解。REN等[8]提出了一种改进的GA求解以拆卸相关成本为目标的序列优化问题。

　　邢宇飞等[16]针对多目标拆卸规划问题，提出了基于Pareto集多目标蚁群优化算法。上述研究成果为拆卸序列规划研究奠定了良好基础，但已有的研究成果主要以机械产品或大型家电产品拆卸为主。目前，智能手机作为数量最多的电子电器设备，其内部零件数量多且零件间存在多层约束。拆卸时，需要同步考虑拆卸层次关系和零件间约束关系，对生成可行拆卸序列的要求高。但智能手机体积小，使用周期短，报废数量庞大，高精度的元器件具有较高的回收价值。

　　因此，对智能手机进行拆卸回收研究具有一定实际意义。故本文对智能手机进行拆卸回收研究，提出了一种基于双种群GA的拆卸序列规划方法，图1给出了拆卸序列规划方法流程图，该方法从选择拆卸的智能手机开始，确定智能手机拆卸深度，以混合图理论为基础，建立五元组混合图拆卸模型，分析智能手机零部件间的相关性，并以拆卸时间和拆卸回收利润作为决策目标，创新构建了双目标优化数学拆卸模型，同时设计一种双种群GA进行智能手机的拆卸序列规划，提高整体拆卸效率，获取最优或次优拆卸回收方案。

　　1智能手机的拆卸模型对智能手机进行拆卸过程的研究，首先要创建拆卸模型。拆卸模型是产品拆卸序列规划研究的基础，可详细描述拆卸研究所需的基本信息。

　　1.1智能手机拆卸相关信息拆卸是一个较复杂的过程，在拆卸前，需要了解和获取产品的拆卸相关信息，包括产品基本信息和产品拆卸过程信息。产品基本的信息主要包括产品结构信息和零部件基本信息;产品拆卸过程信息主要包括产品装配过程信息、约束关系等。目前，获取产品拆卸信息的主要途径有三维模型提取方式和人工交互方式，由于智能手机体积小，小型零部件数量多且内部约束关系复杂，建模复杂且不易获取全面信息，因此本文采用人机交互方法，获取了智能手机全面、准确的信息。

　　1.2五元组混合图拆卸模型

　　现阶段，产品的拆卸模型多种多样，有无向图、与或图、Petri网等模型[17-19]。本文根据智能手机的相关信息和图论思想，建立由无向图和有向图组成的五元组混合图模型。在建模中，一些学者[20]为简化产品信息的复杂度，常常忽略产品的连接件，为使智能手机拆卸更贴于实际，有必要将连接件作为零件考虑。由于智能手机中的连接件数量较多，如进行单一标号会增加拆卸的复杂性且与实际拆卸不符，鉴于手机连接件位置具有层次性，因此将同一层的连接件统一拆卸，可缩短拆卸时间，提高拆卸效率且符合实际拆卸。

　　2双目标优化的数学模型

　　产品的拆卸应尽可能提高拆卸效率，降低拆卸成本，增加拆卸回收利润等，选择不同的决策目标，产生的拆卸路径也会存在较大差异。在过去研究中，一些学者通过选择拆卸时间、方向变化次数、工具变化次数或回收利润等作为决策目标，进行单目标优化。宋守许等[21]将拆卸方向变化次数和拆卸工具变化次数作为判定指标，对内啮合齿轮液压泵进行了拆卸序列规划。

　　CONG等[22]则采用拆卸回收利润作为决策目标，对硬盘驱动器(HDD)进行了拆卸序列规划。杨得玉[23]针对涡轮减速器，选择拆卸时间作为决策目标，进行优化求解。根据上述单目标优化实例，产生的优化序列仅满足单指标要求，而没有综合考虑其它评价指标，使产生的序列优化程度不高。本文综合考虑多方面评价指标，根据影响智能手机拆卸效率和回收利润的主要因素建立双目标优化数学模型，以拆卸时间和回收利润作为决策目标，同步考虑影响拆卸时间和回收利润的多个指标，全面分析了影响智能手机拆卸效率和回收利润的各个因素，为研究者提供了优化的决策空间。

　　3智能手机拆卸序列生成及优化

　　随着产品零件数量增加，一般拆卸序列数量会呈指数增长。智能手机零部件数量较多，产生的初始拆卸序列有数万条，如由人工进行组合和优化，过程繁琐，难以实现。因此本文利用智能算法进行序列生成和优化求解，根据不同优化目标选取符合条件的最优或次优拆卸序列。

　　3.1智能手机的初始序列生成

　　拆卸可根据拆卸深度分为完全拆卸，部分拆卸和目标拆卸。目前，智能手机的拆卸研究还处于起步阶段，相比其他非完全拆卸，完全拆卸可以资源最大化，且能够全面了解手机内部结构关系，有利于产品结构的改进设计，因此对智能手机进行了完全拆卸。

　　3.2拆卸序列规划

　　根据上述初始种群的生成流程，获得可行序列数量高达数万条，因此需要根据不同的决策目标进行优化处理，选择最优或次优的拆卸序列。

　　本文研究的废旧智能手机拆卸序列规划，属于具有复杂约束的离散组合优化问题。针对该问题，GA是最常用的优化算法，但基本GA种群单一、搜索能力有限，易陷入局部最优解。因此，设计了一种双种群GA，该算法本质是一种并行GA，较大程度上保留其原有进化机制，具有较强的全局搜索能力，并且该算法采用两个子种群独立进化，确保了子种群的多样性。同时，两个优秀种群通过种群间染色体随机部分交换，扩大了算法搜索空间，加快了搜索速度，提高了优化解的质量，具有良好的搜索能力和收敛性能。图2为双种群GA流程图。其中，双种群GA主要流程如下。

　　(1)实数编码。针对本问题，染色体的编码需要满足拆卸连接关系和优先关系的约束，因此采用实数编码。每个基因代表一个拆卸的零件，其编码长度等于拆卸零件个数。该编码方式确保每一个染色体是一种可能的拆卸方式，减少计算量，加快算法的进程。(2)适应度函数。适应度函数是衡量种群个体好坏的唯一标准，也是优化算法实施的关键。在遗传算法中，适应度函数与目标函数具有一定转化关系。根据上述双目标优化数学模型，采用完全拆卸的拆卸时间和拆卸回收利润双目标作为适应度函数，搜索拆卸时间的最小值和拆卸回收利润的最大值。

　　4实证研究

　　目前智能手机产品正趋向同质化发展，手机结构大同小异，实例选择了“iPhone6”智能手机作为研究对象，“iPhone6”智能手机于2014年发布，作为苹果品牌历史最畅销的机型，销售量突破2.5亿部[25]。目前，该机型已于2019年5月停产，大部分手机已被闲置，考虑到部分零部件还具有一定价值，因此对其进行拆卸回收研究，使资源最大化。

　　5结论

　　(1)运用双种群GA搜索，得出“iPhone6”智能手机的最优或次优拆卸序列为2-1-14-9-8-13-15-10-12-16-11-17-4-3-18-19-7-5-6-20，最短拆卸时间为476s，最优回收利润为22.78元。(2)实例结果表明，双种群GA相比经验拆卸和基本GA，拆卸时间缩短了11.2%和5.6%，回收利润提高了6.6%和3.0%，表现出了良好的收敛性能和全局寻优，为研究者提供较大的决策空间。

　　本研究的重点是废旧智能手机的完全拆卸序列规划，提出了一种基于双种群GA的拆卸序列规划方法，而在实际拆卸中，往往需要考虑到不同拆卸方案和拆卸技术的影响，过程复杂，影响因素众多，拆卸过程可能面临很大不确定性，需要进一步探讨。此外，在后续研究中，将对本文设计的适合优化废旧智能手机拆卸序列的双种群GA与其它混合算法、改进算法进行具体的定量对比分析。

　　参考文献

　　[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：尹凤福杜泽瑞李林梁振宁安瑞王瑞东刘广阔

转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/28706.html