工业的快速发展在带来极大物质产品丰富的同时,也消耗了大量的资源,造成了严重的环境污染。这些产品被淘汰后形成了大量的废旧产品。若其未经合理处理,会导致巨大的资源浪费。再制造是实现废旧产品有效回收再利用、促进资源节约和环境保护的重要方式。拆解是再制造过程的首要环节,其旨在执行一系列拆卸操作以从废旧产品上分离和获得有价值的零件或组件,极大地影响了再制造系统的运行效率。一般而言,在再制造系统的拆解车间内,工人在一个计划期内通常需要拆解多个废旧产品。为了实现一个计划期内拆解多个废旧产品的全局最优,本文研究了面向多产品拆解的拆解优化问题,具体研究内容和创新成果如下:（1）研究面向多产品拆解的拆解序列计划问题。基于与或图,定义了关联矩阵、承接矩阵与转换矩阵以更清晰地描述产品内部结构信息。根据问题特点,构建了以拆解利润最大化为目标,以拆解时间为约束的数学模型。基于该模型的特性,设计了改进的平衡优化器算法,并结合了随机仿真方法进行求解。为了检验所设计算法在求解该问题上的表现,在一组测试算例上与将其与标准的平衡优化器算法、改进的引力搜索算法以及遗传算法进行比较实验,实验结果验证了所提算法能够高效地求解该问题。（2）研究面向多产品拆解的拆解线平衡问题。为了进一步清晰展示产品内部结构信息,基于与或图,定义了三个矩阵,即关联矩阵、承接矩阵与转换矩阵。在充分考虑所研究问题特点的基础上,建立了以拆解利润最大化为目标,以拆解时间为约束的数学模型。基于所建立模型的特点,提出了改进的分组教学优化算法并结合了随机仿真方法予以求解。通过在一组测试算例上将所设计方法与标准的分组教学优化算法、粒子群优化算法、改进的引力搜索算法、变邻域搜索算法以及模拟退火算法进行仿真实验,实验结果证明了所设计算法是解决该问题的高效求解器。（3）引入了噪音污染指标,并考虑拆解利润和拆解能耗指标,研究面向多产品拆解的多目标拆解序列计划问题。基于与或图,定义了关联矩阵、承接矩阵与转换矩阵以更清晰地描述产品内部结构信息。针对问题特点,建立了以拆解利润最大化和噪音污染最小化为目标,以拆解能耗为约束的数学模型。在充分剖析问题特征的基础上,结合了随机仿真方法,提出了多目标分组教学优化算法进行求解,并将其与非支配排序遗传算法II、基于分解的多目标进化算法以及混合的多目标元启发式算法在一组测试问题上进行比较实验,实验结果表明了所提算法在求解该问题上表现卓越。综上所述,本文从优化目标、问题特点、拆卸建模方法等多个方面研究拆解优化问题的模型,同时深入研究该类兼具随机特性与复杂约束的问题模型的求解方法。采用智能优化方法搜索解决方案,结合随机仿真方法以解决拆解过程中的不确定性并评估解决方案的优劣。通过运用上述方法,可获得高质量和高可靠性的拆解方案。本文所构建的模型以及所设计的求解方法为拆解企业的管理者和决策者考虑在不确定的拆解环境下同时为多个废旧产品制定拆解决策时提供了重要的理论指导和方法参考。