《中国制造2025》指出,新环境应当发展新的智能制造,其中的核心构成有:增加机器人的普及与运用、加强相应的智能化控制,满足绿色加工程序的需求。在汽车制造过程中,其各个环节都存在机器人代替人的生产线,冲压车间和车身车间对于机器人的应用尤其多。企业采用各种方式来提高生产效率,双边装配线就是方法之一,在双边装配线上采用机器人代替人来进行生产作业,更进一步地提高生产效率和作业精度。机器人可以代替人来进行一些危险作业,也能提升产品质量,但使用机器人进行作业产生的能耗及购买机器人投入的成本使生产成本增加。因此,如何在对机器人双边装配线平衡优化的基础上,尽可能控制实际的机器人能耗与投入成本,是迫切需要处理的重点问题,本文对机器人双边装配线平衡问题开展相应研究。构建机器人双边装配线平衡的数学模型,完成节拍、能耗与投入成本最低的总目标,基于工序优先级、工序操作方向等多个约束条件。在基本灰狼算法(Gray Wolf Optimizer,GWO)的基础上引入莱维飞行(Levy Flight)。莱维飞行有助于大幅增加狼群的搜索范围,尽可能防止算法进入到局部收敛的状态;贪心策略可以保证每次灰狼算法和莱维飞行寻优之后,在进行下一次狼群位置更新时,初始值都是当次得出的最优解,避免使用最差解或较差解。为证实算法的可行和优越性,使用莱维—灰狼算法(Levy Flight Gray Wolf Optimizer,Levy-GWO)、对标杆案例求解,同时将其和遗传(Genetic Algorithm,GA)、蝙蝠算法(Bat Algorithm,BA)开展相应的比较研究。以某汽车公司车身中地板机器人双边装配线作为案例,对案例的工序和机器人进行编码和解码,使用莱维—灰狼算法遗传算法和混合灰狼算法(H-Gray Wolf Optimizer,HGWO)求解机器人双边装配线平衡问题,结果表明,Levy-GWO算法最终所实现的寻优性能更加理想,同时也有助于控制节拍、机器人能耗与成本等指标,有更加理想的寻优性能。