基于粒子群算法的二维不规则排样

针对工业生产中常见的二维不规则排样问题,提出运用粒子群算法求解的方法。将BL算法和NFP算法结合,作为排样定位策略;对工件的入排顺序和入排角度进行编码,进行粒子群算法优化求解,并通过交叉替代传统的插值改进粒子位置更新过程,满足排样的离散问题求解;通过添加粒子的变异过程,避免陷入局部最优解。算例排样结果验证了该算法的有效性。

复杂下料工艺约束下的二维不规则零件优化排样方法

针对二维不规则零件下料生产线原材料利用率不高、作业效率较低等问题,提出一种复杂下料工艺约束下的二维不规则零件优化排样方法。以最大化原材料利用率为优化目标,建立了二维不规则零件下料问题的数学模型,利用一种图形碰撞算法实现零件的定位,提高了原材料利用率。通过零件图形的平移、旋转、镜像等操作动态构造排样单元,提高了连续切割和零件自动码垛的作业效率。算例对比分析验证了该方法的可行性和有效性。

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 .

工艺约束策略下的二维不规则零件排样算法

针对已有排样算法在实际工业生产情况下缺乏对零件工艺约束等问题,提出一种基于工艺约束策略的二维不规则排样算法(PCTNA)。该算法结合临界多边形算法,通过对零件内含有的空洞进行填充,实现提高被加工板材材料的利用率;再通过引入等距偏移思想,解决实际生产时所需要的零件间的工艺间隙问题。通过对欧洲排样问题兴趣小组提供的测试算例进行实验测试,从12个测试算例的测试结果得到平均时间优化比率为10.33%,平均路径优化比率为11.06%,实验结果显示PCTNA可以降低排样的切割时间和减少路径,提高切割效率。

一种基于并行交叉遗传算法的二维不规则排样问题求解

针对现代加工制造行业中广泛存在的二维不规则排样问题,提出一种基于并行交叉遗传算法的二维不规则排样问题求解方法。模拟两个独立岛屿的生物杂交进化过程,构建两个种群并行进化,并利用其中一个种群每次进化的最优解指导另一个种群的进化过程,提高算法的收敛速度和全局寻优能力。通过ESICUP提供的基准测试用例,对该方法进行有效性和稳定性的测试。实验结果表明,该方法可以有效求解二维不规则排样问题,提高板材的利用率,具有一定的推广价值。

基于遗传算法的二维不规则形排样研究

二维不规则零件的排样问题,在理论上属于NP完全问题,有着较高的计算复杂度,求解很困难,但是在工业上有着广泛的应用,迫切需要解决此类问题.笔者结合启发式算法思想,将二维不规则图形排样问题建模成一个变异的旅行商问题,采用遗传算法求解.并在经典BL排样算法基础上进行改进,提出了一种基于多路径搜索的图形排样算法,在此排样算法基础上,应用遗传算法优化计算,成功的解决了不规则图形的排样问题.

旋转因子在真皮二维不规则排版利用率最优算法中的影响研究

目的:对真皮二维不规则排版中影响最优算法的旋转因子进行不同维度的影响分析。方法分析在最优算法中旋转因子的数量以及角度的大小两个维度,对排版样片的排版利用率的结果进行统计学意义上的分析,找出旋转因子具有重大影响的维度。结果:得出旋转因子在数量维度方面,对排版最优利用率影响并不显著,反而对总体排版时间影响显著。在旋转因子角度的大小维度方面,对排版最优算法影响显著。结论:通过对旋转因子数量及角度影响排版利用率最优算法中,旋转因子的角度大小是关键,且角度偏大排版利用率会更优。

基于改进遗传禁忌搜索算法的二维不规则件排样优化

针对二维不规则钣金件排样问题,提出一种融合临界多边形(NFP)定位和改进遗传禁忌搜索算法的排样优化方法。首先,根据零件的几何特征对其进行分类编码,求解零件类间的NFP,避免NFP的重复计算,同时引入以排样高度最小化为目标的启发式规则,给出零件定位策略的综合评价函数,以提高板材利用率。其次,在零件排序优化时,将遗传算法中的精英群体作为禁忌搜索算法的高质量初始解,减少计算资源消耗。最后,利用欧洲切割和包装特别兴趣小组ESICUP提供的标准算例对所提排样方法进行测试。结果表明:相比传统遗传禁忌搜索算法,所提排样方法的计算效率提升了28.32%~80.23%,并且在与两种现有算法的7个基准测试对比中,所提排样方法均取得了最优排样结果。

基于小生境离散粒子群算法的不规则排样优化策略

针对目前二维不规则排样算法中存在的问题,提出一种基于小生境离散粒子群算法的二维不规则排样算法。该算法模拟两个相对独立的粒子群,两个粒子群并行进化,并在每迭代一次后相互交流信息,具有很强的全局搜索能力。实验结果表明,该算法在求解二维不规则排样问题时可以大幅提高板材的材料利用率,具有实际应用价值。

基于BL-NFP神经网络算法的二维不规则钣金零件排样

针对传统工业生产中二维不规则钣金零件的利用率不高、计算时间较长的问题,提出了以能量函数为载体的BL-NFP(Bottom Left-No Fit Polygon)神经网络算法。该算法是将BL(Bottom-Left)定位算法和临界多边形(No-Fit Polygon,NFP)几何特性相结合,同时模拟了钣金零件的排样过程。并采取对待排入零件优先进行面积大小核算、再排入待排物体的方式,并利用Matlab对算法的输出数据和前人所列出的数据结果进行了测试对比。结果表明:BL定位算法能够合理地计算出零件的排入位置,NFP能够有效地解决不规则零件排样利用率小的问题,神经网络算法则能够有效地提高求解速度。针对二维不规则钣金零件的排样问题,与传统神经网络算法相比较,采用该算法缩短了钣金零件下料机器计算最优解40%的时间,并提高了约8%的钣金材料利用率。

二维不规则图形排样问题的一种混合求解算法

针对二维不规则图形排样问题,实现了一种基于启发式定位策略与自适应遗传算法的混合排样算法(AGAHA)。首先,考虑到单一指标的放置策略容易陷入局部最优的问题,提出了一种基于临界多边形(NFP)的混合放置策略,综合考虑排样效果的整体紧密度和局部紧密度。之后,为了提高搜索最优解的效率,在优化图形的顺序时使用了自适应遗传算法,在标准遗传算法的基础上,根据种群适应度的变化,自适应地改变交叉与变异概率。最后,利用文献中的标准测试案例和实际生产中的案例分别进行测试,结果表明:AGAHA算法在多数案例上较普通遗传算法结合BL算法更优,并且在实际案例中也取得了优于人工排样的结果。

基于临界多边形的不规则件启发式排样算法

为提高不规则件启发式排样的材料利用率,提出一种基于重心临界多边形和边适应度的不规则件启发式排样算法GEFHNA。首先,定义了边适应度以衡量排样过程中原材料与不规则件间贴合程度,在此基础上给出了将边适应度与重心NFP(GNFP)相结合的排放策略以减少排样过程中可能产生的空隙面积;其次,给出了基于WeilerAtherton多边形裁剪算法的剩余原材料求解方法,重用排样过程中产生的孔洞,减少孔洞面积;最后,给出了基于上述排样策略和材料重用策略的启发式排样算法GEFHNA,给出了与智能算法和同类软件的实验比较。对欧洲排样问题兴趣小组提供的基准测试用例的实验结果表明,GEFHNA的耗时约为基于智能算法的排样方法的千分之一,同时在与两款商业软件Nest Lib和Sigma Nest的11个基准测试的对比中,GEFHNA获得了7/11个相对最优的排样面积利用率。

二维排样中小生境粒子群算法的研究与应用

提出将基于小生境技术的粒子群算法引入二维不规则零件排样求解问题的方法,通过二维图形坐标离散化的方式,将不规则零件轮廓转化为一系列的坐标区间,在经典粒子群优化算法的基础上加入小生境的思想,运用基于小生境的粒子群算法来搜索排样结果.实验表明:该算法具有良好的搜索性能,它为解决二维不规则零件排样提供了有效的决策方案.

航海安全水池三维造波机造波特性与实际波浪模拟应用

对船研所风、浪、流水池造波机的造波特性结合具体工程试验提供一些基本测试参数和使用范围 ,以波谱形式给出二维不规则波模拟结果 ,便于今后使用时进行参考。

基于改进免疫遗传算法的汽车零件排样

为提高汽车零件排样的板材利用率,对汽车零件的排样技术进行研究.汽车零件大多是不规则零件,因此其排样属于二维不规则排样问题范畴.在智能优化算法求解二维不规则排样领域,遗传算法容易产生早熟现象,并且局部寻优能力较差,而免疫算法具有很强的局部寻优能力.结合遗传算法与免疫算法的全局与局部寻优能力,提出一种改进的免疫遗传算法.该算法的遗传选择操作加入个体浓度计算,操作步骤和变异概率可以自适应调整,从而有效避免早熟现象.自适应计算免疫选择个体数以及免疫克隆个体数以提高算法的收敛性能.分别使用ESICUP网站提供的公开数据和实际汽车零件专用数据对提出的免疫遗传算法的性能进行测试,实验结果表明,和现有的几种算法相比,本研究提出的免疫遗传算法能获得更高的材料利用率.

量子行为粒子群优化算法的布局问题研究

基于多边形扫描转换的启发式底左(HBL)算法,将量子行为的粒子群算法(QPSO)应用于布局问题——二维不规则多边形优化排样,给出了该问题的粒子构造方法及其布局优化过程。通过与模拟退火遗传算法(SAGA)进行布局优化比较,验证了该算法求解布局优化问题的有效性。

上海船研所拖曳水池造波机系统改造

重点介绍了上海船舶运输科学研究所拖曳水池造波机设备的更新改造,给出了设备要求的各项技术参数指标,对要解决的主要技术问题和各关键部件的更新进行了认真的分析并提出相应的解决办法。同时,给出了规则波重复性试验和二维不规则波模拟试验数据结果。

基于遗传算法的优化排样

介绍了遗传算法以及二维不规则图形的计算机优化排样 ,研究了二维不规则图形排样中如何建立遗传算法的目标函数 ,如何实现交叉、变异运算等优化过程 ,找到了运用遗传算法实现二维不规则图形优化排样的方法。通过计算机编制了运用遗传算法进行二维不规则图形优化排样的运算程序 ,并对部分样形进行了优化排样 。