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。

一种不规则零件排样的新粒子群优化策略

基于图形扫描转换的启发式底左(Heuristic Bottom-Left,HBL)算法,把一种最大速度收缩策略(Maximal Velocity Contrac-tile Strategy,MVCS)的粒子群优化(Particle Swarm Optimization,PSO)算法应用于不规则零件的优化排样,给出了新的排样组合优化算法(MVCS-PSO)的粒子构造方法和零件排样过程,通过实例把该算法与模拟退火遗传算法(Simulated Annealing Genetic Al-gorithms,SAGA)进行优化排样比较,实验结果表明,具有良好的非线性和动态搜索性能的MVCS-PSO算法是求解排样问题的一种高效算法。