超边界约束条件下异形件排样问题的求解算法研究

针对超边界约束条件,提出了板材动态边界搜索的处理策略,然后以临界多边形(NFP)为基础,同时引入无碰撞区域(CFR)的概念,以保证排样方案的可行性,在综合考虑零件之间的重合率和BL(bottom left)策略,以及CFR可能退化为点或线段的情况之后,提出基于CFR的混合启发式定位算法。在上述零件定位算法的基础上,采用遗传算法对零件排样顺序进行优化以解决超边界约束排样问题,并通过实例验证了所提算法的有效性。

基于遗传算法的板式定制家具异形件排样优化研究

异形件排样问题,是指将一定量不规则异形件放在一定规格的板材中,在满足实际生产要求和约束条件的前提下,提高所排放异形件在板材上的占有率,达到最大化利用板材的优化目标。本文以板式定制家具的异形件排样问题为研究对象,运用具有良好全局寻优解和自适应优化特点的遗传算法,以原材料利用率最大化为目标,构建板式定制家具异形件排样的数学模型,得出排样方案,实现板式定制家具的异形件排样问题优化。在实验部分本研究基于某板式定制家具企业实际生产情况进行算法设计,使用MATLAB软件针对三组样本算例进行了仿真实验。结果表明:采用遗传算法进行异形件排样较企业当前异形件排样方案原材料利用率分别提高2.36%、8.8%、4.43%,验证了本文提出的遗传算法优化排样方案在求解板式定制家具异形件排样问题中的可行性和有效性。