日趋严峻的环境污染问题和资源短缺问题给人类健康和社会发展构成了巨大的威胁。然而,产品更新换代速度的加快,生命周期的缩短,导致大量产品被废弃,这些废弃产品若得不到妥善处理将进一步加剧对环境的污染,并造成资源的严重浪费。因此,对废旧产品实施回收再制造受到越来越多国家的重视。回收再制造是产品回收—拆卸—检测—再利用或废弃处理的过程。拆卸作为其中最关键环节之一,是将有危害和高价值零部件从废旧产品上系统的分离下来,从而实现废旧产品最大程度的再利用,降低环境危害。面对大规模废旧产品拆卸,采用流水线作业模式是企业最佳选择。为了有效拆卸废旧产品,提高作业效率,在废旧产品拆卸时需要将零部件任务合理排序,并将任务在各工作站上平衡分配,以在满足环保要求下,用较小的成本投入提取尽可能多的零部件。因此,研究拆卸线平衡问题(disassembly line balancing problem,DLBP)具有重要的理论价值和现实意义。本文对拆卸过程中拆卸时间不确定、节拍时间未知、双边模式布局和零部件之间存在拆卸阻碍四种情形的DLBP展开研究。废旧产品质量参差不齐,工人技术与抗疲劳程度也不尽相同,这些因素给零部件作业时间带来很大的不确定性,从而影响拆卸线平衡。鉴于上述情形,考虑作业时间的不确定导致拆卸线只能以一定的完工率实现废旧产品正常拆卸,将拆卸时间设为符合正态分布的独立随机变量,构建随机DLBP优化模型。针对问题特点,提出一种混合人工蜂群算法,采用随机生成法构建初始种群,设计变邻域深度搜索策略对蜜源进行开采,通过混合选择机制实现观察蜂有效评价蜜源,基于当前最优蜜源对新蜜源实施探测降低搜索盲目性。通过基准算例测试和案例分析,验证所构建模型的有效性和算法的高效性。采用搜索到的问题最优解决方案组织废旧产品拆卸作业,可以平衡工作站上的作业负荷,提升拆卸效率,并能将有害零部件提前拆卸降低环境污染。当企业构建完成拆卸线后,工作站的数量以及与之匹配的机器设备和工人也都配套完成。面对大规模产品拆卸,为了充分发挥拆卸线产能,需要最小化节拍时间以在最短时间内完成产品拆卸。针对该情形,以最短节拍时间和平衡工作站作业负荷为目标,构建工作站数量确定的DLBP优化模型,设计一种平行动态邻域搜索算法对问题进行求解。所提算法建立了两种邻域结构集,设计了邻域结构动态选择策略;在一定迭代周期将两个平行解互换,并在陷入局部最优时实施干扰;在节拍时间调整过程中,采用基于二分法的定界策略,加快向最优节拍时间靠拢。通过不同规模算例验证了算法良好的寻优性能,搜索到的最优拆卸序列可以有效缩短产品在线时间,高效发挥拆卸线产能。对于报废汽车等大型产品拆卸,采用双边模式布局拆卸线,能减少操作工人移动距离,提高作业效率。鉴于此,建立工作站数量确定的双边模式布局DLBP优化模型,提出一种差分蛙跳算法。通过一种多启发式方法组合生成策略初始化种群;采用平衡指数作为适应值评价函数对族群划分;设计了差分进化算法提高个体搜索效率;通过自学习和互学习策略避免精英个体陷入局部最优。为了验证模型和算法的可行性,采用小中大不同规模算例进行测试,得出所提算法可以搜索到问题更好解决方案,求解效果更优。通过拆卸实例进行分析,进一步说明良好的拆卸平衡方案,可以有效减少拆卸过程“等待”现象的发生,以及减少工作站空闲时间,能够降低拆卸线节拍时间,提高单位时间产品拆卸数量。部分零部件由于产品构造的原因,在拆卸时存在相互阻碍,使作业时间依赖于任务分配顺序,导致作业时间增加而影响拆卸线平衡。在实际拆卸时,企业需在满足环保标准下,最大化拆卸收益。针对该情况,以最小化拆卸成本和最小化环境危害为目标,构建作业时间依赖顺序的多目标DLBP优化模型,提出一种基于Pareto的人工蜂群算法。为实现高效搜索Pareto最优解,舍弃观察蜂跟随阶段,并对雇佣蜂局部开采和侦察蜂全局探测进行改进。通过对不同规模算例测试,证明所提算法具有高效的搜索能力。对实例分析得出采用搜索到的最优方案对拆卸线进行任务分配,可以有效避免优先拆卸受阻碍影响大的零部件,减少因零部件间的阻碍造成作业时间额外增加,降低不必要的作业负荷及相关资源损耗。