二维不规则零件排样问题的遗传算法求解

提出一种基于遗传算法求解二维不规则零件排样问题的方法 ,通过提取零件的最小包络矩形 ,将其转变为矩形件的正交排样问题 .应用一种有效的解码算法——“最低水平线法”将编码转变为排样图 .实例表明 ,该算法是有效的 .

二维几何排样问题分类编码的研究

对各种二维几何排样问题进行了归类分析 ,并率先设计了一套分类码系统 ,名为2 DNest BM。

矩形件排样问题的遗传算法求解

本文研究了求解矩形件正交排样优化问题的遗传算法。同时，将矩形件正交排样问题转化为一个排列问题，提出了求一个排列所对应的排样图的下台阶算法（改进的ＢＬ算法）将下台阶算法与遗传算法相结合，用于矩形件排样问题的求解，给出了该算法的实现。用该算法对文献中的两个算例进行了求解，结果表明该算法获得了比ＢＬ算法更好的解，是一种较为行之有效的方法。

可焊接的一维排样问题的一种启发式算法

根据某大型钢结构生产企业提出的型材下料时既要切割又要焊接的生产工艺问题,构造出一种可焊接的一维排样问题的启发式算法。该算法以矩阵来表述问题的数学模型,可以通过直接在矩阵上进行操作来求问题的可行解以及优化该可行解。通过对企业实际数据的实算,从型材利用率和剩余型材的零散程度对这一算法进行了评价。

二维不规则零件排样问题的粒子群算法求解

提出了一种基于粒子群算法求解二维不规则零件排样问题的方法.该方法首先将二维不规则零件的排样问题转化为矩形件的排样问题,然后利用粒子群算法优化求解,在求解过程中运用自适应调整策略对零件的排样位置进行微调.最后用该优化排样算法对文献中的两个算例求解,排样结果表明该算法是有效的.

一种求解矩形件排样问题的启发式算法

研究在一定的矩形板材上排放所需要小矩形的优化排样问题 ,提出一种基于 4块结构排放模式的启发式算法 ,并且建立了动态规划模型。通过对在计算机上随机产生的试验数据的模拟计算 ,获得了比遗传算法更好的解 。

基于离散化和遗传算法的皮革制造中的排样问题

采用离散化处理使排样优化过程与皮料和样片的几何信息无关,解决了不规则几何轮廓约束的困扰,研究方法特别适用于二维不规则形体在多个二维不规则平面上的优化排样。

二维不规则零件排样问题的研究

综述二步法及实现二步法所要解决的零件间优化组合、多边形最佳包络矩形的求取和人机交互寻优处理等关键技术。

矩形件三阶段带排样问题的遗传算法

采用混合遗传算法求解矩形件带排样问题,采用三阶段排样方式以满足特定的约束或简化切割工艺。改进遗传算子,在变异操作之后使用调整操作,以进一步简化得到的排样方案。在初始种群构造时,根据矩形件的特性采用一些简单有效的方法,使结果更好更快地收敛。实验结果表明方法对解决这类问题是有效的。

排样问题的分类研究

排样问题的应用范围非常广泛 ,本文从其应用领域、整体描述、名称、分类、求解难度等方面做了分析综述。

二维矩形排样问题的启发式算法

矩形件优化排样问题具有多个算法,但是这些算法均有一些局限性,如排列不规则,计算量巨大等等。本文给出了单一尺寸的矩形排样问题的几种启发式算法, 它克服了现有众多排样算法执行效率低的缺陷,使板料排样的执行效率和优化率均得以显著提高,并用Delphi编程实现,可直接应用于实际问题中。

圆形件卷材排样问题的一种定序定位算法

圆形件卷材排样问题是指将一组不同半径的圆形件互不重叠的排放在宽度指定的卷材上,使得占据的卷材长度最小。针对该问题提出一种定序定位启发式优化算法。设计基于最大穴度的定位算法,对于每个特定排样序列,计算待排样圆形件在当前布局的所有可行放置位置的穴度,选择穴度最高的一个位置放置圆形件;更新当前布局,继续排放剩余圆形件,直到所有圆形件均排放进卷材为止。采用遗传算法对排样序列进行遗传进化得到多种不同的排样方案,选择耗费卷材长度最小的一种排样方案作为最终解。实验结果表明,本文算法排样方案耗费卷材长度较小,且算法计算时间相对合理。

板料优化排样问题

在材料加工领域,板料优化排样是实现薄板和厚板材料充分利用的一个常见问题。该问题是典型的NP完全问题,其求解过程复杂,求解耗时大,难以获得精确解。这不利于该问题的工程应用,为此,目前学术界提出了多种用于解决该问题的近似算法,求取在工程应用中可接受且耗时合理的优化排样方案。该文在对板料排样问题进行阐述的基础上,对近年来国内在板料优化排样问题方面所开展的研究进行了分析,对板料排样问题的发展前景进行了展望。

用于求解二维圆形排样问题的自适应混合算法

针对二维圆形版面不等圆排样问题,在最小局部距离定位布局策略的基础上,引入紧凑度和适应度,提出基于拟矩形排样的自适应启发式算法,并与以自然数编码的遗传算法相结合构建混合算法。该混合算法发挥两者的全局搜索能力与局部寻优能力。在标准测试算例上,与一些经典算法进行比较,结果表明,该算法能够在更短的时间内获得更为满意的结果。

优化排样问题研究及其发展

材料排样问题在制造业、服务业以及国家建设规划中具有广泛的应用,它决定了资源的优化利用效率。由于该问题为NP完全问题,从开始研究到现在,一直都受到人们的关注,涌现出多种求解的算法。本文在对问题进行阐述的基础上,对目前国内发展的现状进行了研究分析,以期为感兴趣的研究人员对该问题的发展有一个初步的了解。

求解矩形件排样问题的十进制狼群算法

为了使矩形件排样问题在可接受的时间内获得精确解,以在一定时间内获得高利用率的排样布局方案为研究目标,提出一种适合求解矩形件排样问题的十进制狼群算法。该算法结合基于复合评价因子的最低水平线搜索算法,对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为,具有狼群算法的职责分工协作式搜索特性,能够较好地平衡算法的全局优化和局部搜索能力。采用多组算例对所提算法进行测试,并与其他元启发式和启发式算法进行对比,结果表明所提算法具有实用性和有效性。

基于遗传算法的二维排样问题求解新策略

针对采用自然编码的遗传算法在排样问题(CSP)过程中初始群体设置和交叉变异操作过于复杂的缺点,采用了顺序编码(Grefenstette编码)作为遗传算法编码方案,并对排样问题进行求解。采用这种遗传算法策略对CSP试算的结果表明,该策略利于排样问题的求解,算法操作简单,可推广应用到制造业及其他规划领域的排样规划中。

基于改进离散萤火虫算法的二维排样问题优化

将应用于连续空间优化的萤火虫算法扩展到离散二维排样领域,根据二维排样问题特点,设计了与问题相适应的改进萤火虫算法。由于优化的变量包含排样件的排列顺序和角度,采取整数与二进制编码相结合的双重编码方式,改进了离散萤火虫个体间的空间距离计算方法,与萤火虫算法中个体间相对荧光亮度、吸引度的计算方法相结合,设计了相应的编码更新方法。以二维排样问题中典型的矩形排样为例进行仿真实验,验证了该离散萤火虫算法的有效性与稳定性。

满足“一刀切”约束的单侧最低水平线法求解排样问题

提出了满足“一刀切”约束的单侧最低水平线法,该方法以现有的最低水平线法为基础,在选择矩形件摆放顺序及摆放位置时,皆以最左侧矩形为基准,所有矩形实行分层密布,使得排样结果既满足较高的材料利用率,又使矩形摆放符合“一刀切”的工艺要求,从而缩短刀具加工行程,提高加工效率。

约束二维排样问题的一种求解算法

讨论有约束二维切割排样问题,即将板材切割成若干种矩形毛坯,其中每种毛坯的数量有上界约束,优化目标以使板材所切割的毛坯总价值(排样价值)最大。采用五块排样方式简化切割工艺,将板材切割成五块,每块切割成所需毛坯。构造一种基于隐式枚举和分支定界思想的算法生成五块排样方式:(1)计算所有可能尺寸的块的排样价值;(2)选择排样价值最大的五块组合生成五块排样方式;(3)采用文献中的基准测题,验证文中的有约束五块排样算法。研究结果表明,文中算法平均排样价值比文献中的3种算法分别高出12.85%,4.52%和1.89%,且算法计算时间较短。