基于整数规划的多目标钢筋下料优化

针对复杂场景钢筋下料问题,基于整数线性规划提出一种多目标钢筋下料优化方法。采用矩阵拼接法计算组合矩阵,以下料数量最多和余料利用率最高为目标分级设计余料库下料整数规划模型,使余料得到充分利用。以余料率最低和废料率最低为目标分级设计原材料下料整数规划模型,使最优解在满足余料率最低的前提下,产生废料最少。采用分枝定界法设计求解程序,并进行综合对比测试,计算效率可满足160种长度钢筋下料优化,且通过下料优化反推原材料定尺可进一步降低余料率。

线性规划理论在建筑工程下料优化中的应用

建筑工程中材料占工程造价的比例约为60%,利用科学的管理决策方法合理地使用建筑材料,对施工单位进行施工成本的控制至关重要。应用运筹学中线性规划理论知识对施工中一些有固定规格的建筑材料进行下料优化,可以最大限度地节约材料,有效提高材料利用率,进而降低施工成本。

面向下料优化的铁塔制造企业物料管理系统的提升

对电力铁塔制造企业实际生产制造过程中的下料优化算法进行分析,提出将优化下料算法进行改进并融合到物料管理系统中的思路,开发设计面向下料优化的电力铁塔制造企业物料管理系统,提高电力铁塔制造企业原材料的利用率、工作效率和信息化管理水平,降低企业生产成本,提升企业的市场竞争力。

板类零件分组下料优化研究

针对金属结构件生产过程中板类零件大规模集中下料问题,一种基于工艺与形状特征的下料零件分组下料优化方法被提出。该方法首先将待下料零件按材质、板厚及加工工艺相似性进行分组,然后构建一种能够描述零件形状特征的零件特征矩阵,并设计一种人工神经网络算法求解该零件特征矩阵与零件分组之间的映射关系,根据这种映射关系对待下料零件进一步分组。通过对零件分组下料优化,可以提高零部件的齐套性、降低在制品数量,并且能够有效解决排料效率和材料利用率相互矛盾的问题。最后通过实例验证了该方法的有效性。

云环境下离散制造业MES下料优化系统分析与设计

文章将下料优化的执行与企业私有云相结合,通过构建云数据中心模式为企业底层资源提供应用,对资源的分布式虚拟化计算、模型方法库的可扩展性等系统关键技术进行创新;定义了云环境下的下料优化系统的功能体系和系统架构,讨论了其实现过程中的关键问题,为下料过程优化和合理决策提供了重要支撑。

基于改进遗传算法的矩形件下料优化方法研究

为提高制造过程中钢材的利用率,针对矩形零件的排样下料问题,提出了一种采用混合遗传算子的遗传算法与最低水平线搜索算法相结合的优化方法。该方法以原材料利用率最大为目标,建立了钢构矩形件下料优化数学模型,并利用遗传算法在所得到的解空间中进行全局优化概率搜索,获得矩形件的排放序列,并采用最低水平线法对其进行自动排样以得到最优排布解,最后经过实例验证该方法的可行性。

棒材下料优化新算法及网格钢窗CAD

介绍了一种网格钢窗CAD软件,其中关键技术是棒材的下料优化。虽然,这是一个老课题,研究者提出过各种算法,但是,效果还不十分满意。针对这类问题的特点,本文提出启发式序列线性优化算法。此算法与目前常用的规整数线性规划或遗传算法相比较,有简化程序,计算速度快,节材效果好的优点。

复合材料自动下料优化排样方法

在复合材料结构件的制造过程中，材料成本占了很大的比例，因此降低材料成本将成为解决低成本复合材料设计制造的有效途径。利用计算机模拟复合材料铺层过程，得到精确的复合材料二维展开形状，并且采用计算机对二维展开形状进行优化排样，能够显著提高复合材料利用率。

型材库房管理及下料优化

用计算机进行玻璃与型材的下料优化 ,可以提高型材与玻璃利用率 ,大大地降低了工程的成本。因此我们提出编制型材库房管理与下料优化软件 ,从而实现型材的自动出库与料头的自动入库管理 ,以及最大限度的降低材料消耗 ,减少产品成本 。

面向工艺的铁塔下料优化系统

介绍了面向工艺的铁塔下料优化系统的设计思路,该系统解决了优化下料中限制堆料数目的问题,创新了4种优化配料的方法。

生料均化库下料优化

在现代新型干法预分解窑系统的生产运行管理中，提高人窑生料的合格率及稳定性是优质、高产、低耗、安全稳定运行的前提和保证。建立原燃材料预均化堆场及生料均化库的目的就是稳定人窑生料三率值的合格率，提高喂料稳定性。然而，很多水泥企业为了节省投资或对原燃材料的预均化认识不足等原因，设计建设时往往省去或简化了预均化场地及设备设施，仅建有生料均化圆筒库。

圆管结构下料优化问题的研究与应用

主要介绍了相贯节点圆管结构杆件下料的一种新方法。通过任意1根杆件的展开图,得到任意2根杆件之间结合的最短长度,通过试探函数的方法得到优化的下料方式,并给出了下料的算法。该算法结构简明,易于实现。

钢筋下料优化管理方法与施工技巧

为控制钢筋的用量,必须建立起针对钢筋的管理制度。提出优化下料诸多技巧,对钢筋翻样实施有较强的现实指导意义。

基于图神经网络和深度强化学习的二维矩形排样优化方法研究

本文结合生产实际中的零件母板带约束二维矩形下料优化问题,设计并提出了二维矩形排样问题的异构图和深度强化学习的算法架构。通过图神经网络和强化学习算法对排样问题中零件和母板的特征进行高度的集成和学习,并对零件的排布顺序和排布位置进行决策,在更短的时间内得到相比于传统优化算法更优秀的计算结果。实验证明,本文的深度强化学习算法训练的模型可以在较短时间得到良好的排样结果,且基于小规模问题训练的模型解决较大规模的问题实例也可以获得较好的效果,证明了算法具有较好的泛化能力。

遗传算法与网格结构杆件优化下料

遗传算法是一种基于生物学进化原理的全新搜索策略，它已广泛应用于社会科学、计算机科学和工程技术等诸多领域，并取得了一定的成果。将遗传算法应用于网格结构杆件下料优化，经过工程实例分析表明．该方法简单易行，且效果明显。

基于BIM技术钢筋下料优化研究及应用

为了降低预制装配式桥梁钢筋分项工程的成本,提高钢筋使用率,实现钢筋智能化加工制造,应用BIM技术,提出了一种基于Monte Carlo模拟与整数线性规划的智能化钢筋下料优化方法。通过CATIA软件建立桥梁普通钢筋三维模型并自动提取钢筋相关数据信息,实现钢筋尺寸、数量等属性的批量自动获取;然后,对钢筋长度、根数进行处理,建立钢筋加工剪裁初步方案;在此基础上,根据工程需求,利用整数线性规划方法对初步加工方案进行组合优化,提出满足钢筋总用量最少优化目标的钢筋下料优化方法,同时获取钢筋最优加工剪裁方案和下料次数。将该方法应用于南京312国道预制拼装项目,实现了钢筋下料优化的自动化、智能化,避免人为因素造成的原材料损失。

基于ASP模式的多软件协同优化下料方法及其实现技术

优化下料问题是一个NP复杂性问题,每一种优化软件都是利用近似和启发式处理得到下料结果,不同的优化方法及其优化软件对不同的某些数据结构可能效果并不理想,企业又不可能购进大量不同的优化软件来选优。提出了一种基于应用服务提供商模式的多软件协同优化下料解决方法,给出了该方法的基于Agent思想的具体实现技术。实验表明,该方法将明显提高优化下料的总体优化效果。

基于分组降维规则和遗传算法的人造板材矩形件优化下料方法

人造板材矩形件优化下料属二维下料问题，并已经被证明是具有高度复杂性的 NP 完备问题（吴杰君，2004；卢开澄，1998），目前尚无有效的最优解算法。国内外对此类问题的研究主要考虑某种近似算法和启发式算法，很多专家和学者做了卓有成效的研究工作（ Suliman，2006；季君等，2012；Furini et al．，2013）。遗传算法的全局搜索和并行处理能力使其在优化下料问题中得到了大量应用，无论是标准遗传算法或与其他算法相结合都体现出其解决复杂问题的有效性（曹炬等，1999；马炫等，2007；蒋兴波等，2008）。然而，现有排样算法中大多考虑大规模零件的整体套排（岳琪，2005；高乐文，2010），排样方案虽能获得较高的基材利用率和较小的余料损失，但过多的零件组合导致开料锯在切割过程中锯路变化烦琐，从而降低开料速度。因此下料算法的设计应充分考虑实际的生产工艺。一般情况下，在一块完整的基材上允许参与排样的零件种类数应为2～3种（张文江，1999）。

面向可加工性的复杂约束状态下一维优化下料

根据目前对优化下料问题的研究现状,指出优化下料问题应综合考虑产品设计、生产、制造过程,给出了影响一维优化下料问题的复杂约束状态;以可加工性好和原材料利用率高为目标,建立了复杂约束状态下以综合资源消耗最少为目标函数的优化下料问题的数学模型;提出并实现了非定长优化和定长优化相结合的两阶段一维优化下料方法。最后,通过实例验证了所提方法的实用性和有效性。

基于基因群体的一维优化下料

针对一维优化下料问题,将基于群体的编码方法与遗传算法相结合,设计了一种适用于一维优化下料问题的编码方法,修改了经典遗传算子的操作方法,提出了降序最佳置换方法(BRD).引入最佳配合(BF)、优先配合降序(FFD)局部搜索算法,建立了求解一维优化下料问题的复合遗传算法.应用结果显示,本文方法的效果是令人满意的.