基于压缩因子粒子群的组合排样的研究

针对服装行业排样问题,提出了一种基于压缩因子粒子群的组合排样方法.该方法首先对样片进行预处理,接着通过k-means动态聚类样片,得到具有相似特征的同类样片,再将同类样片进行有选择性的组合,得到组合样片.然后提取利用率高于单个样片的组合样片的外轮廓,将其作为最终排样样片.最后结合有较强的搜索能力的压缩因子粒子群算法进行排样,从而实现服装样片的优化排样.实验表明:所提的组合排样方法能有效提高排样的效率和减少排样所需的时间.

一种冲压件毛坯组合优化排样算法

利用冲压件在形状上的互补性,通过对两个不同形状的冲压件进行组合排样,可进一步提高材料利用率。提出了一种基于区间法的组合排样算法,包括毛坯零件的旋转、平行线分割、高度区间表的建立和移动位置计算等4个步骤。通过比较不同旋转角度、高度偏移情况下的材料利用率,可获得最优的排样方案。在此算法的基础上,作者开发了一个基于AutoCAD平台的冲压件毛坯优化排样软件。实际应用显示,利用本算法在两种零件形状具有互补性的情况下,可获得比单种零件排样更高的材料利用率。