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。

基于混合表达图形的二维不规则排样构造算法

提出了一种基于矢量图与像素图混合表达的二维不规则排样构造算法.在算法的初始阶段,零件信息采用矢量方式输入,在寻找最优排样姿态阶段则采用像素化表达,最后为了消除零件之间的缝隙并输出精确的排样图,零件恢复为矢量图表达.算例分析表明,该算法具有复杂度低、执行速度快和排样效果好的优点,有望推广为一种新型三维不规则排样构造算法,并基于图形处理器(GPU)的并行计算技术对其进行性能升级.

二维不规则图形排样算法的优化

寻求二维不规则图形零件在排样区域上的最优排列 ,也就是对二维不规则图形的计算机自动排样算法进行优化 ,将在工业应用中有很广阔的前景。采用矩形包络和状态搜索相结合的排样算法对二维不规则图形零件进行排样 。

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。

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.

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。

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.

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。

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。

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。

遗传模拟退火融合算法求解工程二维排样问题

为探索更高效的工程二维排样优化方法,给出了基于遗传模拟退火融合算法的工程二维排样优化方法。首先,建立以板材利用率为主优化目标的问题模型,并采用基于一定包络准则的凸多边形包络法对不规则形状进行近似处理;在此基础上,设计模型求解的遗传模拟退火融合算法,该算法结合遗传算法的快速全局搜索能力和模拟退火算法较强的局部搜索能力,以遗传算法做外层循环,以模拟退火做内层循环,通过模拟退火较强的局部搜索能力,改善外循环遗传算法的早熟现象,从而避免搜索过程陷入局部最优。最后,通过具体算例验证了该算法求解二维排样问题的可行性和有效性。

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.

面向智能制造的不规则零件排样优化算法

以智能工厂应用场景为例,为提高广泛应用于智能制造领域的二维不规则件的排样性能,提出了基于启发式和蚁群的不规则件排样优化算法。首先提取不规则件的几何特征,对零件进行组合操作预处理,使两个或多个不规则零件组合为矩形件或近似矩形件并对其包络矩形,然后利用蚁群学习算法对预处理后的零件进行排样,确定零件排放的最佳位置,不断更新得到最优排样结果。仿真实验结果表明,综合考虑板材利用率以及耗时情况,所提算法取得了较好的结果,能够满足实际生产的需求。

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.

考虑切割刀数的T形排样算法研究

讨论无约束二维板材切割问题,采用T形排样方式以简化切割工艺。优化目标是使排样方式的价值最大,而排样方式的价值等于其中所含毛坯的总价值与切割成本之差。假定切割成本与切割刀数成正比,采用基于动态规划的算法生成排样方式。实验结果表明该算法可有效地减少切割刀数,计算时间合理。

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。

皮料优化排样的有效方法

根据汽车内饰等行业需求,对皮制品加工的优化排样问题进行了研究.创新地采用离散化处理方式,同时引进边界约束,使排样过程与皮料和样片的几何信息无关,使用基于顺序的启发式底左布局将样片顺次布置到皮料上,样片的最优布置顺序和角度依靠随机优化算法来实现.设计了简洁、实用的操作算子,并提出了基于模拟退火技术的遗传算法(simulated annealing based genetic algorithm,简称 SABGA),该算法在优化搜索中能自适应地控制变异率,使得优化高效地逼近全局最优解.实验及对比结果表明,提出的优化排样方式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.

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。