大规模生产的产品往往采用装配线的形式来达到经济、均衡的效果，装配线的平衡过程就是实现一种劳动生产率、设备利用率和满足市场需求三者之间的平衡的过程。 本文对在大规模制造和多品种小批量制造环境下的装配线平衡问题进行了系统地研究。运用最优化模型和人工智能算法来研究装配线平衡，从单一型(包括确定型和随机型)到混合型，从直线型布局的装配线到U型布局装配线，从单一目标装配线平衡到多目标装配线平衡，从无资源约束到有资源约束的装配线平衡，系统地研究了装配线平衡问题。 建立多种不同形式和不同类型目标的装配线平衡的数学模型。建立第Ⅰ类和第Ⅱ类单一型装配线平衡的最优化模型，同时研究了U型布局装配线平衡的最优化模型，多目标装配线平衡的目标规划模型以及带资源约束的装配线平衡的最优化模型。这些装配线平衡的最优化模型改进了文献中提出的装配线平衡的最优化模型，针对不同装配线平衡问题的适应性好，变量数量与约束数量有显著减少，对装配线的平衡设计与生产管理提供了理论指导、方法和工具。 系统地设计了各类不同形式和不同目标装配线平衡的人工智能算法，来解决大规模的装配线平衡问题。根据平衡目标的不同，分别设计了最小化工作站数、最小化节拍、最小化均衡指数以及最大化相关系数等四类目标的装配线平衡的算法；根据装配线类型的不同，分别探讨了确定型、随机型、混合型、多目标以及资源约束型等的遗传算法。在算法设计中研究了适应度函数的选择问题，提出了能够实现目标持续改进的适应度函数，使得算法在迭代过程中，目标值易于持续改进；同时，运用随机方法结合启发式方法产生初始种群，设计了独特的染色体编码规则、译码规则，尤其在U型装配线平衡算法中设计了带有分派指示方向的染色体编码方法，大大提高了装配线平衡的效率；在算子设计中，设计了基于优先矩阵的遗传算子，