改进的遗传算法优化二维不规则图形排样

针对大规模零件和不规则石材下料优化排样问题,提出了改进的遗传算法优化排样方法。采取二进制与十进制混合编码的策略,既克服了单独使用二进制编码时,编码串太长且操作不方便的不足,又解决了十进制编码中相近的编码方案获得的材料利用率却相去甚远的问题;通过计算矢量图形的相似度,从而对图形群体进行分类,降低了遗传算法的时间复杂度。实验结果表明,该优化排样算法在时间复杂度和空间占有率上均优于传统的遗传算法优化排样。

基于知识进化与自然进化的优化排样算法研究

针对不规则零件排样效率低的问题,提出了基于知识进化与自然进化的优化排样算法。该算法利用知识规则和适应度函数相结合的选择方法,既克服了传统"轮盘赌"等选择方法随机性强的缺点,又可以大大提高零件的排样效率、保证子代群体的高质量。实验结果表明,与自然进化的遗传算法相比,该算法不但提高板材的利用率,而且时间复杂度明显降低。