1.一种求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述方法包括以下步骤：

S1、首先对所研究复杂装配产品的所有零件进行编码，并确立所研究问题的目标函数和约束条件；

S2、然后根据各零件之间的装配关系和约束条件建立邻接矩阵和干涉矩阵；

S3、通过对产品预装配的测时，获取各零件的装配时间；

S4、再根据给定的装配线生产节拍，引入分级贪心策略构建改进的蚁群算法，进行目标函数求解，得出装配线平衡率最大的装配序列。

2.根据权利要求1所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述步骤S1中，对零件进行如下编码：P＝{1,2,3…,n}i,j∈P所述目标函数为：最大化装配线平衡率:f＝max LBNC max

其中，LB表示此装配序列下的装配线平衡率，NC max为最大迭代次数，STm表示第m个工作地所有零件的装配时间，M表示此装配序列下工作地的数量，m表示工作地的序号，C表示节拍时间；

所述约束条件包括：

S11、装配优先关系约束：零件装配需满足紧前工序先行，紧后工序后续完成；

S12、零件分配约束：一个装配零件只能分配到一个工作地；

其中，m表示工作地的序号，M表示工作地的数量，i表示装配零件的序号，xim表示零件i被分配到工作地m且零件i只被分配了一次；

S13、装配节拍约束：任一工作地的所有零件装配时间之和不能超出节拍时间；

其中，N表示装配零件集合，ti表示第i个零件的装配时间，C表示节拍时间。

3.根据权利要求1所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述步骤S2根据上述约束条件建立邻接矩阵和干涉矩阵如下：邻接矩阵：

其中，

当aij等于1且零件i已装配、零件j未被装配时，才可将零件j添加至零件i的下一装配零件的待选集合；

干涉矩阵：

其中，

当bij等于1且零件i已装配、零件j未被装配时，才可将零件j添加至零件i的下一装配零件的待选集合。

4.根据权利要求1所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述步骤S4中，构建改进的蚁群算法即通过python编程求解混合装配序列规划和装配线平衡并行优化问题，且在进行装配零件选择时，引入分级贪心策略，通过对可装配零件集合的分级处理，将目标函数分解转换为多个最优子目标函数的求解。

5.根据权利要求4所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述改进的蚁群算法包括以下步骤：步骤S41：对以下各参数进行初始化设置，设置迭代次数初始值NC、最大迭代次数NC max、蚁群数量Ants、装配零件集合N、节拍时间C、邻接矩阵AM、干涉矩阵IM、装配作业时间集合T、信息启发式因子α、期望启发式因子β、信息挥发因子ρ、信息素值Q、贪心决策因子λ、全局信息素τ；

步骤S42：随机生成蚁群Ants，所有蚂蚁的起始出发点为装配基准件，对每只蚂蚁建立待选装配零件集合ATS、可选装配零件集合ACS、已装配零件集合ASS、工作地的数量M、局部信息素Δτ；

步骤S43：首先对装配零件集合N进行邻接分析，将与当前已装配零件有接触联接的零件添加至待选装配零件集合，然后对待选装配零件集合中的所有零件进行干涉检查，将通过检查的零件添加至可选装配零件集合；

步骤S44：所有蚂蚁根据状态转移概率和轮盘赌法则在可选装配零件集合中选择下一目标装配零件，当前的装配零件i选择下一装配零件j的转移概率其中，τij(t)表示启发函数，ηij表示期望函数，ACSk表示蚂蚁k当前装配零件的下一可选装配零件集合，u表示当前装配零件的下一可选装配零件；

其中，α为信息启发式因子，表示蚂蚁在选择下一零件时信息素发挥作用的程度，α值越大，蚂蚁在选择下一装配零件时，选择之前曾选过的零件的可能性越大；β为期望启发式因子，表示启发函数值ηij在蚂蚁选择下一零件时的重要程度，β值越大，蚁群越容易选择局部较优的零件；

在确定下一目标装配零件之后，将其从待选装配零件集合ATS、可选装配零件集合ACS中移除；

步骤S45：进行信息素的局部更新：其中，Q为蚂蚁所释放的信息素值，M为工作地的数量，LB为此装配序列下的装配线平衡率， 为信息素加速挥发因子；

步骤S46：判断蚂蚁是否都完成了对装配零件集合的遍历，是，执行步骤S46，否，返回执行步骤S42；

步骤S47：完成本次迭代并对所有路径上的信息素进行全局更新，迭代次数更新,判断此时迭代次数是否大于最大迭代次数NC max，是，结束迭代过程并输出结果；否，返回执行步骤S43；

k

τij(t+1)＝(1‑ρ)·τij(t)+Δτij(t,t+1)其中，ρ表示信息素局部挥发系数，0＜ρ＜1，1‑ρ表示残留因子，ρ越小，存留信息素就会越多，算法的收敛速率越慢；ρ越大，历史信息素对下一迭代装配序列的生成的启发作用就越小。

6.根据权利要求5所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述步骤S44中，引入分级贪心策略，根据具体情景将决策因子STm进行分级转换，其目的是将该混合问题的总目标函数即最大化装配线平衡率f，转换为多个子目标f′：最大化当前工作地的节拍时间利用率：

其中，λ为贪心决策因子，λ1、λ2、λ3为任意正数，STm表示第m个工作地所有零件的装配时间，C表示节拍时间；

7.根据权利要求6所述的求解混合装配序列规划和产线平衡问题的方法，其特征在于：所述分级贪心策略的转换规则为：若当前已装配零件i在选择下一装配零件j后工作地m的所有零件的装配时间之和等于节拍时间，即STm＝C，则λ＝λ1，表明当前工作地的装配时间被完全分配，实现当前工作地零件分配的最优解，因此零件j被选择的概率最大，为第一优先级别；

若当前已装配零件i在选择下一装配零件j后工作地m的所有零件的装配时间之和小于节拍时间，即STm＜C，则λ＝λ2，表明当前工作地的装配时间未完全分配，如果在下一装配零件集合中存在贪心决策因子为λ1的零件，那么该零件为第二分配级别，否则提高该零件的优先级别；

若当前已装配零件i在选择下一装配零件j后工作地m的所有零件的装配时间之和大于节拍时间即STm＞C，则λ＝λ3，表明当前工作地的装配时间未完全分配并开启了下一个工作地，如果在下一装配零件集合中存在贪心决策因子为λ1或λ2的零件，那么该零件为最低分配级别，否则提高该零件的优先级别。