为了应对工业4.0背景下大规模定制化生产的需求,使企业在竞争日益激烈的市场中占据有利地位,需要降低生产成本并缩短设计时间。产品传统的设计方法已经无法满足上述要求,未来市场发展的趋势将以大规模定制化的产品为主。产品模块化设计是在一定范围内根据不同的划分“指标”(例如:功能是否相同),对产品的零部件进行划分从而得到一系列模块的过程。模块化设计通过将产品结构和设计过程进行重组实现产品的大规模定制化生产。在工业4.0背景下实现复杂产品的接口行业标准的模块化,对于未来产品结构的改变或者是新产品出现的研究都具有重要意义。群智能算法是一种新兴的演化计算技术,它通过无智能或具有简单智能的个体之间的协作表现出群体智能行为的特性,在没有集中控制且不提供全局模型的前提下,为寻找复杂的分布式问题求解方案提供了基础。由于概念简明、实现方便,群智能算法在短期内迅速得到了计算研究领域的认可,成为越来越多研究者的关注焦点。本文在分析了国内外相关研究成果及其发展现状的基础上,结合制造业的生产实际,提出一种解决复杂产品模块化的方法。首先,描述了复杂产品模块化问题,结合实际工业生产中的特点,为其构建了数学模型并基于图论和计算复杂性理论,对复杂产品模块化问题进行分析,证明了复杂产品模块化是NP-Complete问题。然后,基于上述模型提出一种遗传蚁群融合算法(Hybrid of Genetic Algorithm And Ant Colony Optimization,HGACO),作为一种智能算法在实际工程应用中求解复杂产品模块化问题。利用遗传算法(Genetic Algorithm,GA)产生能见度分布,然后通过蚁群算法(Ant Colony Optimization,ACO)得到信息素用于求解,再执行GA的交叉变异操作。最后对算法进行了实验分析,实验结果表明与经典ACO相比,改善了算法初期信息素少,求解速度慢和解质量较差的情况;与经典的GA相比,改善了对系统的信息反馈利用不足,求解到一定范围时存在大量冗余迭代的情况。综上所述,HGACO在模块化值和运行时间上都要优于对比实验。与现有研究相比,本文主要贡献包括:(1)结合工业4.0大规模定制的需求背景对复杂产品模块化问题建模;(2)证明复杂产品模块化问题是NP-Complete问题;(3)设计了一种高效的遗传蚁群融合算法,从而解决算法求解效率低和解质量较差的问题。