二维矩形排样问题的启发式算法

矩形件优化排样问题具有多个算法,但是这些算法均有一些局限性,如排列不规则,计算量巨大等等。本文给出了单一尺寸的矩形排样问题的几种启发式算法, 它克服了现有众多排样算法执行效率低的缺陷,使板料排样的执行效率和优化率均得以显著提高,并用Delphi编程实现,可直接应用于实际问题中。     

定序列矩形件优化排样的二维搜索算法

为了提高矩形件排样时材料的利用率,针对定序列矩形件优化排样问题,本文在＂基于最低水平线的搜索算法＂的基础上,提出了一种改进的矩形件优化排样算法——基于最低水平线的二维搜索算法.此改进算法在＂基于最低水平线的搜索算法＂基础上,进行了排样宽度的二维搜索,并将该改进算法与其他算法进行实例排样比较,排样结果表明,改进后的排样算法能有效地利用排样时产生的空白区域,在提高材料利用率上具有可行性和有效性.     

矩形件排样优化贪婪算法及系统开发

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,在此基础上,提出一种新的排样算法——贪婪算法.该算法的主要思想是在每次排样过程中,都用面积最大的矩形件对板材进行填充.同时,开发了一个矩形件排样优化系统.实际排样结果表明,贪婪算法能够获得比近似算法更有效的排样结果.     

钣金件剩余矩形排样遗传优化方法研究

为了提升钣金件排样的板材利用率,对剩余矩形排样算法进行了分析改进,结合遗传算法,提出了一种更为有效的排样算法.在分析研究剩余矩形排样算法在排样过程中的不完善之处后提出了改进方法,验证了其有效性.基于遗传算法对排样优化进行求解,确定了适用于排样优化的编码方式,在基本遗传算法的基础上加以改进,编写了选择算子,交叉算子及适应度函数,将遗传算法与改进后的剩余矩形排样算法结合进行排样优化,提升了板材利用率.实例测试结果表明:在改善的剩余矩形排样算法基础上运用遗传算法实现钣金件排样可有效提升钣金材料利用率,该方法有效可行.     

基于动态择优定序的矩形件优化排板算法

针对定宽定高板材的矩形件切割下料问题,提出了一种改进的启发式定位优化排板算法。该算法在启发式定位的基础上引入了动态择优定序策略,并通过改进的遗传算法得到较优的矩形件排板序列,然后应用改进的启发式定位算法将编码转化为排板图并得出矩形件排列的相关信息。为提高算法的运行效率,采用了面向对象编程的C#语言。每次排板前,该算法还采用了余料优先利用原则。实用矩形件排板表明,该算法能够提高板材的利用率。     

CAD技术在矩形铝板幕墙排样中的应用

针对矩形铝板幕墙生产特点及排样要求，研究了矩形件排样的算法。提出了适合于矩形铝板排样的优化过程。在此基础上利用VC 6．0作为开发工具开发了一套以排样效据库为核心的集数据库维护、排样优化、数据查询等功能于一体的排样软件。     

CAD技术在矩形铝板幕墙排样中的应用

针对矩形铝板幕墙生产特点及排样要求,研究了矩形件排样的算法,提出了适合于矩形铝板排样的优化过程。在此基础上利用VC 6 0作为开发工具开发了一套以排样数据库为核心的集数据库维护、排样优化、数据查询等功能于一体的排样软件。     

缺陷板材二维排样的一种随机密钥遗传算法

讨论缺陷板材二维排样问题,即用一张带缺陷区域的板材切割出若干种矩形件,对每种矩形件允许从板材上切割的数量不做限制,优化目标为板材切割出的矩形件的总价值最大.将放置规则和随机密钥遗传算法相结合求解排样方式,用放置规则确定当前待排样矩形件在板材上的放置位置,用随机密钥遗传算法确定矩形件的排样序列和排样参数,用极大空闲空间技术处理板材的空闲空间和缺陷区域.为了提高遗传算法对解空间的搜索范围,放置规则采用最下最左和最左最下两种不同的启发式.通过数值实验比较所提方法与文献方法,实验结果表明,所提方法计算时间较少、排样价值较高.     

基于遗传模拟退火算法的矩形件排样

将遗传模拟退火算法运用在矩形件排样中,利用遗传模拟退火算法的全局搜索能力,寻找出排样件最优的排样次序(排列最紧密),再结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。此结果适合应用于大批量、多种类的矩形件优化样。     

基于可行域的矩形智能排样系统设计

基于可行域求解矩形排样算法,采用VC++6.0作为编程工具,进行了矩形智能排样系统的设计开发,以完成具有NP-hard的矩形排样问题的自动优化求解。实例证明该系统能够对各种不同形式和规模的矩形排样问题进行快速的求解,并输出最终排样方案,对工程实际中的排样问题有积极的指导作用。     

高速公路养护工区布局方案研究

为了有效解决高速公路养护工区布局的问题,在分析我国目前的养护管理模式弊端的基础上,提出了一些养护工区布局原则;应用图论对路网进行简化,分析养护工区选址的限制条件,建立基于集合覆盖理论的选址模型,并选用Floyd算法求解出最短线路;最后,应用贪婪启发式算法得出了陕西省高速公路养护工区布局规划图.研究结果表明:在养护工区布局时,应用集合覆盖模型和贪婪启发式算法可以得出更优的养护工区布设方案.     

二维不规则形状的最优布局问题——计算机辅助服装裁片自动排料系统

为了实现服装裁片排料过程的自动化,本文运用人工智能的启发式搜索方法把裁片的二维最优布局问题转化为在一个状态空间寻找一条最优路径的问题,提出了自动排料算法,并对所提出的算法进行了探讨研究。这种算法不仅适用于服装裁片排料,还适用于其它各种套料问题,具有较强的通用性。当系统在此方式下进行时,可以完全摆脱人工的干预,得到较好的排料方案。     

基于双重启发式信息求解影响最大化问题的蚁群算法

针对如何利用社会个体之间的影响力来扩大信息扩散的范围,即社会网络的影响最大化问题,提出一种新颖的基于蚁群优化算法的解决方案。利用2个启发式信息来度量节点影响力:优先选择更不容易被前驱节点激活的节点;考虑后继尤其是多级后继节点对未来扩散的影响。通过节点影响力选择出能扩散最大范围的初始节点集合。试验结果表明,相较于贪心算法以及传统的蚁群算法初始节点的扩散范围增加了150个节点,效率提高了25%,本研究方法很好的改善了初始节点选择容易陷入局部最优的问题。     

基于杂交算法的机翼结构布局优化设计

为了解决机翼结构布局优化问题,提出一种同时进行拓扑优化、形状优化及几何尺寸优化的杂交优化算法。对拓扑设计变量和形状设计变量采用混合编码方式构造染色体结构,利用MSC/NASTRAN实现尺寸优化,并将其结果作为布局遗传操作的依据,利用混合编码遗传算法进行布局优化。为了加快收敛进程,利用专家知识的启发性功能对布局设计区域进行了有效缩减,以产生符合工程实际要求的布局形式。通过对大展弦比机翼结构的布局优化设计计算,表明文中所提结构布局优化方法减重效果明显,是可行和有效的。     

一种基于TSP问题的启发式搜索算法研究

旅行推销员问题（TSP问题）是算法研究的经典问题,该问题属于典型的NP难题。研究解决此问题尽可能少计算时间的算法具有重要意义。本文通过研究一种启发式搜索算法,把TSP问题的矩阵通过一种启发式准则约简和搜索,尽量地简少了搜索的范围。     

不规则鞋片的自动排料设计

为了实现多种类二维不规则鞋片排料过程的自动化,在基于人工智能的启发式搜索方法的基础上提出了一种自动排料算法.该算法通过生成轮廓多边形,根据材料利用率来确定一种鞋片的选取和定位规则,完成鞋片在样板上的自动排放.最后,通过排料实例计算该排料算法的材料利用率和运算时间来验证该算法的有效性.     

启发式探索的协议测试序列生成

为避免可达性分析方法生成协议测试序列状态过程中爆炸问题的出现,提出了一种启发式探索协议状态格局空间的可执行测试序列生成算法. 该算法采用权值扩展有限状态机建模被测协议,以启发式状态格局探索策略替代传统的宽度优先搜索方式生成可执行协议测试序列;把协议可执行测试序列生成转化为在协议状态格局空间中探寻最小权值路径的问题. 实验数据表明,与宽度优先可达性分析方法相比,新算法具有较好的时空特性.     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。     

无等待排列流水车间提前/延期调度问题

在满足任务的交货期相同和工序无等待等假设条件后,提出了一种排列流水车间提前/延期惩罚调度问题的启发式算法. 该算法首先按照7种任务排序的规则分别得到任务的较优次序,然后分别使用NEH算法构造优化解,再对每个不同解进行邻域搜索,最后比较得出最优解. 在中小规模问题的数据实验中,该算法求解与最优解的相近程度达到99%左右,并且通过大量数据样本的标准差验证,求解的稳定性也非常好. 在大规模问题的数据实验中,该启发式算法体现出非常好的优化性能,同constraint programming(ILOG-CP）优化引擎算法比较,计算结果也明显占优.     

集合覆盖问题的遗传算法求解方法

集合覆盖问题是一个典型的NP难题,在实际中有着广泛的应用.提出一种求解该问题的改进遗传算法,通过对种群中染色体进行启发式改进和遗传参数的选取,求得最优解.