装配序列规划(Assembly sequence planning,简称ASP)和装配生产线平衡(Assembly line balancing,简称ALB)在现代化制造系统的产品设计中扮演着重要的角色,装配是生产制造中的一个重要的环节,是指将零部件按技术上的规定与要求组装起来的过程,而装配线则是装配制造系统中广泛所采取的一种生产制造模式。装配序列规划是指装配过程中,对装配体上各个零部件的进行先后装配的顺序的设计,并对设计出来的装配序列进行可行性检验与装配效率的评价。装配生产线平衡则是实现装配作业时间、工作站负荷率和工作站间作业时间均衡的多目标问题的优化平衡的过程。一个好的装配序列和一个合理的装配线布局,将直接影响到装配制造系统的生产效率和产品质量。装配序列规划问题和装配线平衡问题都是典型的NP-hard问题,由于问题的复杂性,近年来,学者们不断尝试通过人工智能算法来求解这两个问题。其中,模拟生态界中蚂蚁种群的觅食行为过程的蚁群算法(Ant Colony Optimization,简称ACO)逐渐为研究者们所重视,蚁群所表现出的一种群体智能特点,为解决并行的考虑这两个NP问题的混合优化问题的提供了新的求解思路。本文利用蚁群算法对混合装配序列规划和装配生产线平衡问题进行优化求解。针对装配序列问题的装配工具变换次数问题和装配方向变化次数问题,变换成为装配线上的作业时间问题,同时对装配平衡问题中重型零件的搬运问题进行了考虑。然后,通过提取零件的连接关系和信息,使用拆卸法反向求得装配联络图,进而用联络图来获得表示装配线上作业任务先后顺序约束的装配作业任务优先关系图。针对混合问题的新的优化目标和约束条件,建立了一个混合优化问题数学模型,并利用自适应改进后的蚁群算法对数学问题进行求解。本文将该模型和求解方法应用到实例中,对装配线上的作业任务进行分配,实现装配作业的可行布局,并求解各个工作站的作业任务和顺序。最后,将蚁群算法的求解结果与其他论文的得到的研究结果进行比较,将不同结果中的总装配时间,作业时间均衡,工作站负载程度,装配工具与方向变换等等参数进行比照,阐述算法的优劣。