针对已有研究中忽略拆卸工具的不足，基于多目标拆卸线平衡模型，考虑了作业过程中的工具更换因素，建立了包含最小化工具更换次数的多目标拆卸线平衡问题数学模型，并设计了一种多目标猫群模拟退火算法进行求解。提出基于序列交换的离散跟踪模式；将猫群优化算法与模拟退火算法相结合，以增强算法的全局寻优能力；引入拥挤距离筛选，提高算法运行效率的同时有效的保证外部档案集的多样性；采用精英保留策略加速算法的收敛。通过对已有算例进行求解，并与其他算法对比分析，验证了所提算法的有效性和高效性。最后，将所提模型和算法应用于某型号打印机拆卸线的设计，为决策者提供了多种平衡方案。

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.