基于剩余矩形法的按行布局摆放策略改进研究

针对功能区面积在差异大情况下,数学模型法现有的常规按行摆放策略会使布局出现空间利用不合理的问题,对摆放策略进行改进,提出按行摆放和剩余矩形法相结合的按行矩形摆放策略。首先,分析常规按行摆放策略应用在布局功能区面积差异大情况下所出现的问题;然后,先对功能区采用横纵交叉的方式放置,并根据其仍存在的空间利用问题提出了加入剩余矩形法的改进策略,即按行矩形摆放策略;最后,通过一个算例构建数学模型,运用带精英策略的遗传算法求解,对比常规按行摆放策略和按行矩形摆放策略对应的求解情况。通过分析发现使用按行矩形摆放策略对功能区进行摆放时,其模型对应的综合关系的平均值和最优值都比常规按行摆放策略更优,而且其最优方案对应的布局面积利用率也比常规按行摆放策略的优。综合分析,数值和布局图结果都表明按行矩形摆放策略对应的求解情况更优,证明了此方法是可行的,有效地优化了布局摆放方式,解决了布局摆放出现的布局剩余空间分散、利用不合理等问题,可以为工厂布局规划提供一定的借鉴。

钣金件剩余矩形排样遗传优化方法研究

为了提升钣金件排样的板材利用率,对剩余矩形排样算法进行了分析改进,结合遗传算法,提出了一种更为有效的排样算法.在分析研究剩余矩形排样算法在排样过程中的不完善之处后提出了改进方法,验证了其有效性.基于遗传算法对排样优化进行求解,确定了适用于排样优化的编码方式,在基本遗传算法的基础上加以改进,编写了选择算子,交叉算子及适应度函数,将遗传算法与改进后的剩余矩形排样算法结合进行排样优化,提升了板材利用率.实例测试结果表明:在改善的剩余矩形排样算法基础上运用遗传算法实现钣金件排样可有效提升钣金材料利用率,该方法有效可行.

基于遗传-剩余矩形算法的装配式预制构件堆场优化

为了解决装配式建筑施工现场预制构件堆放缺乏统筹规划和信息化管理不足的问题,对预制构件的现场堆放方案和吊装距离进行分析,建立了基于遗传算法和剩余矩形算法的堆场优化数学模型并提出了求解方法,开发了堆场优化系统。利用该系统可以对可堆叠和不可堆叠类型的构件堆放进行优化,给出含有构件堆放位置和堆放顺序的优化排布方案,使得构件吊装距离最小;且该系统中构件状态管理流程明确,管理人员可根据优化方案高效安排现场构件堆放。验证结果表明,堆场优化系统可提高预制构件堆放的管理水平和吊装效率,降低对现场管理人员经验的依赖,实现预制构件堆放的信息化管理。

基于剩余矩形匹配算法的船体零件排样

将剩余矩形匹配算法应用到不规则的船体零件的优化排样上,综合运用图形组合、自动碰靠和人机交互技术以使得排样结果更优。试验证明,该方法是有效可行的。

基于AGA和集中剩余矩形区域策略的排样方法研究

针对目前工业生产中存在的矩形件排样优化问题,采用交叉概率和变异概率自适应改变的自适应遗传算法,并在遗传算法主要环节中采用改进的、性能较优的算子对排样序列进行求解,提出一种基于集中剩余矩形区域策略的解码方法并将其运用到求解过程中,以提高排样的板材利用率。经实验结果分析,所提出的排样方法在寻优能力和求解的稳定性方面均有较明显的提高,可获得较高的板材利用率,适用于生产实践中。

基于模拟退火剩余矩形算法的矩形件排样

针对矩形件优化排样问题,讨论了用模拟退火算法结合剩余矩形法求解问题。首先阐述了矩形件排样问题的数学模型,然后给出了模拟退火剩余矩形算法求解问题的步骤和方法,最后用实例进行了算法验证。实例分析表明,采用模拟退火剩余矩形算法求解矩形件排样问题是适合的。

剩余矩形匹配算法在矩形件排样中的应用

介绍了剩余矩形匹配算法,并将其应用到任意矩形件的优化排样上,较好地解决了矩形件板材的排料问题。

基于多种群遗传算法和剩余矩形匹配算法不规则件优化排样

提出一种基于多种群遗传算法和剩余矩形匹配算法的排样优化算法来求解现代工业生产中普遍存在的二维不规则件排样问题。通过提取不规则件的最小包络矩形,将其转化为矩形件排样问题,然后应用多种群遗传算法在全局范围内搜寻可行解,采用剩余矩形匹配算法作为解码算法,将搜索到的可行解解码为排样图,最后进行量化评价,推动种群的进化,找到最优解。实例证明,所提算法优于公司现有排样方法,可提高板材的利用率和排样效率。

基于多种群遗传算法和剩余矩形匹配算法不规则件优化排样

以钣金件排样过程为应用背景,通过对不规则件进行预处理,求出不规则件的最小包络矩形,把不规则排样转化为矩形件正交排样,结合多种群遗传算法和剩余矩形匹配算法进行优化排样,找到问题的最优解,确定零件在板材上的合理排放位置。实例证明,该算法能够提高板材的利用率和排样效率,降低企业的生产成本。

基于改进蚁群算法和剩余矩形法的二维矩形件优化排样

二维矩形件优化排样是一类具有NP完全难度的组合优化问题。提出了一种基于改进蚁群算法和剩余矩形法的新型混合算法对其进行求解。通过针对最优个体的变异策略和具有随机选择机制的路径选择规则,提高了算法的全局寻优能力。在每一代的寻优过程中采用剩余矩形法完成矩形件排样,以改善算法的局部寻优能力。将该文算法与已有算法通过两个仿真实例进行了对比分析,仿真结果表明该算法具有明显的优势。

基于免疫遗传算法考虑割缝及间隙补偿的矩形件排样优化研究

激光切割钢板产生零件广泛应用于造船厂等重型企业,其中矩形件是一类非常重要的零件。针对制造业中大规模、多尺寸的矩形件排样问题,考虑了割缝距离及钢板边缘间隙距离对板材利用率的影响,以板材利用率最大为目标构建数学模型,将免疫遗传算法与剩余矩形算法结合求解该模型。通过与遗传算法和免疫算法与剩余矩形算法结合的求解结果进行比较,证明了免疫遗传算法在提高板材利用率方面的有效性,并生成了对应的排样图,对工厂生产实践具有一定的指导意义。

矩形排样问题的优化设计模型

研究了具有NPC(Nonpolynomial Complete)难度的矩形排样问题,通过引入匹配度及匹配权重,对剩余矩形匹配算法进行改进,采用粒子群算法对权重进行优化,从而建立该问题的优化设计模型,最后利用Matlab编程求解具体的排样方案,经过实证分析,改进后的方法能够快速给出较优的排样方案。

基于遗传算法的矩形件排样问题研究

将多种群阶段性杂交遗传算法和基于剩余矩形排样算法结合起来,对矩形件优化排样问题求解.重点讨论算法的关键技术:编码方式和解码方式、适应度函数的构造、遗传算子的选择、交叉、变异操作,并通过实例验证了算法的有效性.

基于改进遗传算法的矩形件优化排样

论文利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过对排样问题已知解信息进行统计分析,并根据分析结果改进原遗传算法判断个体好坏的标准,对父代种群进行了优劣分类,针对不同的分类采用不同的遗传操作,构造出一种改进遗传算法。通过实例验证,该算法得到了排样问题的最优解,说明了其有效性。

矩形件优化排样问题的混合遗传算法求解

利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过遗传算法将矩形件正交排样问题转化为一个排列问题,并引入剩余矩形排样算法来惟一确定每一个排列所对应的排样图(即排样方案),两者结合用于求解矩形件排样问题。最后用此混合遗传算法对文献[1]中的两个算例进行了验证,表明了其有效性。

混沌离散微粒群算法在矩形排样中的应用

混沌离散微粒群算法主要在离散微粒群算法框架的基础上引入混沌机制,并通过判断种群多样性处理速度的更新操作,从而解决离散微粒群算法易于陷入局部最优及搜索到解的时间较长且精度不高等缺点。将该算法应用到在定宽无限长矩形优化排样问题上,通过剩余矩形算法完成解码。实验结果表明,该算法在解决此类排样问题时可以较快地获得最优的配切方法。

矩形件和任意多边形排样问题的算法及应用

探讨了矩形件和任意形状图案的排样优化问题的遗传算法求解 ,提出了剩余矩形表示法和条形图表示法。对于矩形排样 ,剩余矩形表示法提高了板材利用率 ,更容易得到较优解。对于任意形状图案排样 ,条形图表示法直接利用位图排样 ,不对图案作任何限制 (允许有孔洞 ) ,排样速度很快。该算法已应用于智能印花分色系统中。

基于蚁群算法及矩形法的钣金排样算法研究

针对矩形件优化排样问题,分别对钣金排样定位和定序策略进行了研究。首先提出空间匹配原则,对剩余矩形法进行改进,解决了零件定位问题。其次根据零件特征仿真求解适合的启发式,并通过蚁群算法进行优化,解决了零件定序问题。再次通过排样实例验证了此算法的可行性。最后通过对柜体常用钣金件进行形状分析,提出了具体的钣金形状优化方案,并对优化方案进行了仿真。仿真结果表明:改进剩余矩形算法可以有效提升钣金材料利用率,对钣金排样研究具有一定的指导意义。

一种针对绝缘纸板排样的混合算法

绝缘纸板排样属于"一刀切"的二维矩形排样问题,是一个NP难问题,在造纸、变压器制造等领域有着广泛的应用。提出了一种改进的剩余矩形填充算法和遗传算法相结合的混合算法,建立绝缘纸板排样的数学模型,在满足"一刀切"工艺的同时,能使同种类零件尽量排放在一起,方便加工。算法解决了多种类零件、多种类板材排样的组合优化问题,并结合工厂下料实例,得到了更优的排样方案,大大提高板材利用率。最后总结并分析了二维排样问题的前景。

粒子群算法在不规则件排样优化中的应用

针对不规则件排样问题,提出一种应用粒子群算法优化求解的方法。首先以零件的入排交换序列和角度变异序列作为粒子运动速度构造粒子群算法,然后运用剩余矩形动态匹配算法实现解码和局部寻优,并结合不规则件的正交靠接算法实现自动排样。排样实例表明,该优化排样算法是有效的。