随着科学技术的不断提升,产品更新速度不断加快,废旧产品的激增导致一系列环境问题和严重的资源浪费问题。再制造通过高新技术可将退役产品的性能恢复至或者超过原有产品性能,是废旧产品剩余价值有效回收利用的途径之一。拆卸是再制造的关键步骤,根据产品的拆卸程度,拆卸分为完全拆卸和选择性拆卸;根据拆卸任务是否同步,拆卸可以分为并行拆卸和串行拆卸。由于报废产品中只有部分零部件可以再制造重用,所以,选择性串行拆卸和选择性并行拆卸都适合于再制造拆卸工程实践。但相比于选择性串行拆卸而言,选择性并行拆卸具有拆卸步骤少、拆卸时间短、拆卸能耗低等优点。为此,本文基于遗传算法对支持再制造的并行拆卸序列规划方法及其应用进行了研究,主要完成了以下工作:(1)构建了产品拆卸混合图模型,并针对复杂产品拆卸混合图构建、修改困难等问题,将其进行分层与简化。(2)为提高再制造拆卸效率,提出基于遗传算法的再制造毛坯选择性并行拆卸序列规划方法,将拆卸混合图分解为关联矩阵、邻接矩阵和约束矩阵;提出了目标驱动推演法的目标组件初始拆卸解集合获取方法,由此构建初始种群,并利用关联矩阵剔除不合理解以提高算法的收敛速度;改进了选择、交叉、变异等染色体进化规则,由此求出了目标组件(近似)最优的并行拆卸序列。(3)大型复杂产品的拆卸往往需要多人协作并行拆卸来完成,为了真实模拟实际工作情况,本文提出一种基于遗传算法的多人协作并行拆卸序列与人员任务规划方法。针对多人协作并行拆卸序列与人员任务规划问题的特点,提出了包含节点层、人员约束层等的多层染色体编码方法,并通过节点层和人员约束层的关系规则模型快速获取初始种群。提出了基于拆卸集的染色体适应度计算方法,通过染色体进化可准确求出每个工作人员的任务序列以及拆卸序列的时间成本。(4)基于MATLAB开发了再制造拆卸规划原型系统,并以课题组的帕萨特B5汽车实验台的发动机为例,进行拆卸实验,验证了本文所提方法的可行性和合理性。