改进的最低水平线搜索算法求解矩形排样问题

矩形优化排样问题是一个在制造业领域生产实践中普遍遇到的问题,采用了一种改进的最低水平线搜索算法求解此类问题.首先分析了原始的最低水平线搜索算法在排样中存在的缺陷,并针对该缺陷为其设计了一个评价函数,排样时对所有未排零件进行评价,选择评价值最高的零件排入当前位置,从而克服了算法在搜索过程中的随机性,优化了算法的搜索方向.实验仿真的结果表明,提出的算法可以得到较好的排样效果,并且其解决问题的规模越大,优化性能越好,适合于求解大规模排样问题.

基于人工干预的钣金零件排样算法

针对飞机钣金零件排样中存在大量的凹形零件,这些零件尺寸差异较大,将人工干预排样与改进的最低水平线搜索算法相结合,对凹形零件内部再加以利用,提出一种可满足实际生产需要的排样算法。该算法利用最小包络矩形把不规则零件转化成矩形零件,并由人工选择凹形零件的凹形区域,利用传统的最低水平线搜索算法改进后的算法进行排样,若遇到凹形零件则在其中插入尺寸相对较小的零件,直到零件排至板材末端。自动排样完毕进入人工干预阶段,在一些空白区域再次排入零件,从而得到利用率较高的排料图。实验结果表明,将该算法应用到钣金零件排样系统中,无论是在系统运行时间上还是在排样利用率方面都能得到满意的效果。

分布估计算法求解矩形件排样优化问题

矩形件排样是一个平面二维优化布局的问题,由于其众多的约束条件和计算上的复杂性,在短时间内求其最优解相当困难,属于典型的NP完全问题。针对矩形件排样问题,本文采取一种改进的最低水平线搜索算法,通过判断排样中产生的废弃空闲区域的位置关系,对邻接的空闲区域进行有效的合并,并结合分布估计算法求解矩形件排样优化问题。最后,通过模拟实验,采用本文算法求解后矩形板材的利用率为93.75%,充分体现了本文算法的有效性。

带二维装载约束的车辆调度问题建模及优化

带二维装载约束的车辆调度问题大量存在于现代物流活动中,该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题。针对这一问题,在综合考虑客户需求、时间窗、二维装载约束、载重量以及客户满意度的基础上,建立了带二维装载约束的多目标物流配送中的车辆调度问题模型,同时,提出了一种车辆调度优化算法。该算法采用多目标蚁群优化得到Pareto最优解,在货物装载阶段采用改进的最低水平线搜索算法的二维装载策略,提高车辆装载率;在车辆路径优化阶段采用改进的信息素更新策略和客户转移概率方法,提升蚁群搜索性能。实例测试及与其他算法比较表明,该算法能有效解决模型问题,在解空间上有更好的探寻性能。

基于遗传算法的非规则墙体光伏阵列的设计

提出一种基于遗传算法的非规则墙体上光伏阵列的设计模型.提出适用于非规则墙体上光伏阵列的编解码算法,以及相对应的选择算子、交叉算子、变异算子,利用加权平均的方式对遗传算法中的适应度函数进行定义,实现对光伏阵列的发电量最大化和单位发电成本最小化.最后通过在Matlab环境下仿真,验证了本文算法的有效性.