装配线因其简洁快速的生产方式受到广泛应用。考虑到设备成本,很多装配线仍存在着大量依靠手工作业的工序。在实际生产中,企业为了能够对需求多变的市场快速做出响应,需要不断调整装配线人员配置方案。人员配置方案会直接影响产品装配的效率和生产成本。现阶段对此类问题的研究极少考虑人员技能和薪资差异对装配线效率和成本的影响。为此本文研究了人员能力差异下单产品装配线人员配置优化问题,主要工作和创新点归纳如下:研究了通过为装配线配置合适的员工来应对订单需求变化以降低成本的问题,不同的员工对于同一工序因所受培训、在岗时间等因素的影响导致操作时间各异,这直接影响生产产能,不同产能会造成不同的库存或缺货成本,不同员工的薪资水平也存在差异,因此决策者需要决定在不同的订单需求下如何通过合理地配置员工以控制人力薪资和库存成本。本文以最小化人力薪资和库存总成本为目标建立了数学模型,根据问题特点,将现实中的问题简化处理,提出了一种物品体积可变的一维装箱算法(Goods size variable bin packing,GSVBP)求解模型,随机生成了840组测试算例验证算法的有效性,计算结果表明算法能在较短时间内求出424个算例的最优解,在未求出最优解的416个算例中,77%的算例达到了最优解的90%以上。在简化模型的基础上考虑员工加工工序的失效率、工序的先后关系并研究在非线性库存管理函数下的装配线人员配置优化问题。参照传统遗传算法的设计思路,设计了解决这类问题的改进遗传算法(Improved genetic algorithm,IGA),并使用数值验证了算法的性能。首先使用简单装配图随机生成了13组测试算例将IGA算法与遍历算法做对比,IGA算法求出的最优解与遍历算法的最优解保持一致,验证了IGA算法的正确性。然后利用复杂装配图随机生成了10组测试算例,将IGA算法和多情境分支定界记忆算法(Branch bound and Remember,BB&R)进行对比分析,IGA算法和多情境BB&R算法的计算结果无差异,计算速度上IGA算法优于多情境BB&R,证明了IGA算法的普遍适用性。根据实际生产中的案例收集生产数据,应用算法设计不同订单需求下HMI(Human machine interaction)产品和PC-200产品作业人员优化配置方案,新的分配方案较之前的分配方案无论是总成本还是人力负荷平衡上都有明显的改进。产品生产成本降低的同时人员负荷变得更加均衡,新的人员配置方案符合企业降低生产成本,实现准时化、面向订单生产的需求。