发布时间：2024-11-29
本站讯（通讯员 方侃）近日，由天津大学经管学部黄典博士、毛照昉教授、方侃副教授、博士生傅恩圆与纽约大学商学院Michael Pinedo教授合作的文章An Improved Combinatorial Benders Decomposition Algorithm for the Human-Robot Collaborative Assembly Line Balancing Problem，在国际管理科学与运筹学顶级期刊INFORMS Journal on Computing（UTD-24种商学院顶级期刊）上发表。
INFORMS Journal on Computing是由美国运筹学和管理学研究协会（INFORMS）出版的季刊，主要发表运筹学、统计学与计算科学等交叉学科领域的最新研究成果，在国际管理学界享有极高的学术声誉。
未来，学部将持续支持师生开展高水平科学研究，不断提升学术创新能力，为推动学科发展和解决现实问题作出更多贡献，努力培养更多具有国际视野和创新能力的经济管理人才。
文章简介：
作为一种新兴技术，人机协作加工模式正受到越来越多制造企业的重视。这一模式结合了工人的灵活性和协作机器人的精准性等优势，允许以独立加工、并行加工或协作加工的方式完成工件加工任务，从而显著提高了装配线系统的生产效率和工人的安全性。目前，人机协作加工模式已被广泛实施，并被视为未来制造生产系统的一种潜在的颠覆性创新模式。
另一方面，协作机器人的引入也使得相关的人机协作装配线平衡问题变得更加复杂且难以解决。针对这一问题，研究者提出了一类初步的组合Benders分解方法用于精确求解，但由于未能提供有效的下界，无法对求解质量进行可靠评估。为解决这一难题，我们首次提出了一种针对该问题的有效下界，并强化了上界，通过引入多种有效不等式和约束增强技术，构建了一类改进的混合整数规划模型（EMIP）。在此基础上，我们进一步提出了一种改进的组合Benders分解算法（ICBD），并在算法中引入了全新的局部搜索策略、Benders割以及多种加速技术。实验结果表明，EMIP 模型在性能上显著优于现有的混合整数规划模型：可行解和最优解的实例比例分别从 82.42%提升到100% 和从29.17%提升到43.5%，平均最优间隙从 19.81%降低到5.64%。同时，ICBD 算法能够为所有测试实例获得100% 的可行解和65.92%的最优解，平均最优间隙仅为1.49%。与现有组合Benders分解方法相比，ICBD算法在相同计算环境下显著缩短了平均求解时间，并获得了更优的解，有效提升了针对人机协作装配线平衡问题经典基准案例的求解效率和性能表现。
