基于遗传-贪心混合搜索的人造板下料算法

随着定制板式家具的需求扩大,对人造板加工下料中的智能排样技术提出了更高的要求,为此针对有"一刀切"约束的矩形板材排样问题展开研究。选择遗传算法与贪心算法混合使用,首先通过局部随机调序来改进有序种群初始方式,其次通过优化个体序列与工件初始序列中元素的位置映射关系,将其编码为基因序列,通过后检测排样的贪心策略扩大局部解搜索空间,最后以比例选择方式及最优保存策略改进优化遗传算子。结果显示:在非"一刀切"排样算例计算中,相比文献算法平均排样效果提高了2%,而计算时间缩减90%,相比文献同类型算法在获得相同求解效果时,迭代次数缩减50%;在有"一刀切"约束排样算例计算中,相比文献算法平均排样效果提高了2.7%,而平均余料数量减少了50%。试验证明:在进行非"一刀切"排样计算时,具有较高的时间效率和求解质量,同时具有较快的收敛速度,通过少量迭代便可获得较为满意的问题解;在进行有"一刀切"约束条件的排样计算同样可以获得较高的最优利用率,且在该类排样计算中可以明显降低余料碎化,使原料利用率得到进一步提升。