网络与拆解线协同
用机器学习预测退役量，联合优化网络与拆解线，比ALNS/GA快且优。
周福礼 · Menghan, Zhu · Tiwari, Sunil · 何彦东 · Lim, Ming K.
International Journal of Production Economics 2026
改进的多阶段自适应大邻域搜索算法在案例中比Gurobi、ALNS、GA和HGA更快，最优性差距低于1%。
采用基于机器学习的分解集成方法预测电动汽车销量，从而提升电池退役量预测准确性。
引入多操作员工位机制，更好地反映退役电池的模块化特征，实现更协调的系统优化。