生成矩形毛坯最优两段排样方式的确定型算法

排样价值、切割工艺和计算时间是排样问题主要考虑的3个因素.文中提出一个新的基于排样模式的确定型排样算法——同质块两段排样算法,此算法适合剪冲下料工艺,在实现工艺简化的同时提高了排样价值时间比.首先通过动态规划算法生成最优同质块,然后求解一维背包问题生成块在级中的最优排样方式和级在段中的最优排样方式,最后选择两个段生成最优的两段排样方式.通过3组经典测题对该文算法进行了测试,将算法与4种著名算法进行了比较.实验结果表明,该文算法的优化结果好于以上4种著名算法,有效地提高了板材利用率,并且计算时间合理.

生成矩形毛坯最优三块排样方式的精确算法

采用三块排样方式,基于背包问题和动态规划算法,用两条成T形的剪切线将板材分成三个矩形区域,每个区域中包含一个由同尺寸毛坯组成的规范块。实验计算表明,所述算法时间效率合理,能够有效提高材料利用率和简化切割下料过程。

基于混合顺序启发式算法的一维下料问题

针对一维下料问题,提出一种改进的混合顺序启发式算法。该算法修正了传统顺序启发式算法的待切子集选择策略,采用广度搜索算法在有限时间内解决终止条件问题,根据用户最大时间容忍度动态地改变参数。最后采用C#进行编程,实现了该算法,通过对比证明算法的有效性。该算法在马鞍山钢铁公司车轮分公司正式使用了两年多,使切割率提高4%。

基于在线检测动态一维下料问题的GPU并行蚁群算法

随着在线检测技术发展,生产线上的物料需要根据检测结果进行快速切割。已有一维下料优化问题是根据全局目标进行建模的,其最优化算法不能满足实时调整切割方案的要求。本文首先根据物料在线检测及切割特点提出了动态多规格一维下料优化问题,并给出最优化模型;然后结合GPU特点创建并行蚁群算法来求解多规格动态一维下料问题,以保证在有限时间内求得近似最优结果;经过算法分析证明,对于大规模数据变量,并行蚁群算法效率高于传统蚁群算法。通过实验表明,在大规模数据量下,此并行蚁群算法与传统蚁群算法和分支定界算法相比,能够在较短时间内得到较优切割方案。

多规格板材电机圆片下料算法研究

在电机制造过程中涉及将硅钢片切割成圆片用于加工成定子和转子,为了研究多规格板材情况下,考虑主动生成余料的电机圆片下料问题,提出多规格板材电机圆片下料算法进行研究分析。下料方案由切割工艺简单的直切排样方式组成,排样方案由旧余料和标准板材两个部分生成,并且在使用标准板材生成排样方式时,允许产生新余料供后续订单使用。采用动态规划技术生成直切排样方式,并运用顺序法优化下料方案,设定余料上限约束保持库存数量。对某电机厂实际生产的多个连续订单进行实验,结果表明:本文算法符合实际生产流程,在不增加切割工艺复杂度的同时可有效降低生产成本。

基于多段排样方式的卷材二维剪切下料算法

讨论了卷材二维剪切下料问题,即使用宽度固定、长度可变的卷材剪切出若干种不同尺寸和数量的矩形件,优化目标为最大化卷材利用率。下料过程分3个阶段:第1阶段将卷材切成段,第2阶段将段切成条带,第3阶段将条带切成矩形件。提出一种基于多段排样方式的下料算法,首先采用动态规划算法分别生成矩形件在条带中的优化布局和条带在段中的优化布局,然后采用顺序启发式算法得到段在卷材中的优化布局。采用文献例题,将本文算法与3种文献算法进行比较,数值实验结果表明:本文算法生成的剪切下料方案的材料利用率比文献算法分别高2.39%、0.69%和0.46%,且平均每道例题计算时间均在3s内。