基于改进遗传算法的铝合金型材下料方法研究

铝合金型材的下料问题属于一维下料问题。主要针对多规格铝合金型材下料问题,在铝合金原材料长度大于零件长度的情况下,采用了蚁群算法和遗传混合模拟退火算法两种不同的求解方法求解多规格铝合金型材下料问题,并进行分析对比。根据某门窗有限公司在铝合金门窗方面实际下料情况,建立一维下料优化模型并设计算法,通过MATLAB进行编程,并以企业的门窗切割实例进行模拟计算。结果表明,遗传混合模拟退火算法比蚁群算法更为优异,能有效提高铝合金门窗下料的材料利用率。     

一维下料问题的优化算法及其编程

提出了一种下料方案的算法,结合Kantorovich建立的线性规划模型,给出适合一维下料问题的数学模型.设计了一种求最优解的算法,并对最优解进行了分析.利用计算机编程完整地实现了一维下料问题的优化,解决生产中广泛存在的一维下料问题.     

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—维型材优化下料

针对工程实际中常见的多规格一维型材下料问题,本文根据原材料数量是否满足下料要求将该问题分为完全下料和不完全下料两方面,分别建立优化模型。在传统遗传算法的基础上,引入FFD、BF近似算法的思想,提出求解该类问题的混合遗传算法,并编制相应软件。最后给出一个工程项目的下料算例,实际使用表明,本文方法的效果是令人满意的。     

基于改进BFD算法的多规格一维下料系统

针对现有的计算机下料系统在算法和工作流程方面存在的不足,提出基于改进BFD算法的多规格一维下料求解方法,同时引入流程再造的思想,改善优化下料的工作流程,在此基础上开发了新型的计算机优化下料系统。     

递推矩阵的列生成算法下的一维下料方案研究

针对工程实际中一维下料优化问题,这里采用以原材料使用量最少为目标,以每根原材料的余料长度小于最短零件长度等为约束,建立数学优化模型,提出使用一种基于递推矩阵的列生成算法进行求解该模型.此算法主要通过求解列生成优化模型中的递推矩阵,生成添加列,最终得出下料方案.最后针对单一订单的情况,并根据实例优化计算所得结果进行对比,...     

整数非线性规划方法优化下料问题

探讨了生产实际中一维下料的优化问题,建立了下料问题的非线性整数规划的数学模型,并通过LINGO程序获得该优化模型的解。该方法适用于较大规模的型材下料问题,能够提高原材料的利用率。     

矩形件排样优化的背包算法

根据矩形件排样的实际下料工艺要求，将一个二维排样问题转化为一个一维下料问题，并构造了一个利用背包问题解法的矩形件排样的近似优化算法。     

面向可加工性的复杂约束状态下一维优化下料

根据目前对优化下料问题的研究现状,指出优化下料问题应综合考虑产品设计、生产、制造过程,给出了影响一维优化下料问题的复杂约束状态;以可加工性好和原材料利用率高为目标,建立了复杂约束状态下以综合资源消耗最少为目标函数的优化下料问题的数学模型;提出并实现了非定长优化和定长优化相结合的两阶段一维优化下料方法。最后,通过实例验证了所提方法的实用性和有效性。     

一维下料问题的启发式方法

针对单一规格的一维下料问题,提出一种新的随机启发式搜索算法,在求出所有可能切割方式的情况下,搜索出最优解,而且保证最后一根原材料余料长度最长,方便以后下料.对于多规格原材料情况的一维下料分解为多个单一原材料的一维下料问题来进行求解.计算表明,与启发式算法或者遗传算法相比较,随机启发式搜索算法结构简明,易于编程,计算速度快,节材效果优.     

An ant colony algorithm for scheduling in flowshops with sequence-dependent setup times of jobs

The problem of scheduling in flowshops with sequence-dependent setup times of jobs is considered and solved by making use of ant colony optimization (ACO) algorithms. ACO is an algorithmic approach, inspired by the foraging behavior of real ants, that can be applied to the solution of combinatorial optimization problems. A new ant colony algorithm has been developed in this paper to solve the flowshop scheduling problem with the consideration of sequence-dependent setup times of jobs. The objective is to minimize the makespan. Artificial ants are used to construct solutions for flowshop scheduling problems, and the solutions are subsequently improved by a local search procedure. An existing ant colony algorithm and the proposed ant colony algorithm were compared with two existing heuristics. It was found after extensive computational investigation that the proposed ant colony algorithm gives promising and better results, as compared to those solutions given by the existing ant colony algorithm and the existing heuristics, for the flowshop scheduling problem under study.     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。     

改进自适应蚁群算法求解集装箱装载瓦楞纸板问题

集装箱装载瓦楞纸板问题是一个复杂组合优化问题,针对该问题,在满足基本的装载要求和约束条件下,充分利用自适应蚁群算法的强搜索能力和启发式算法对具体问题的针对性,将自适应蚁群算法和启发式算法结合,提出一种改进的自适应蚁群算法,求解出了最优装载方案。对纸板装载问题建立模型,提出目标函数并给出约束条件;根据实际情况提出启发式规则,将其与自适应蚁群算法进行结合;使用实例进行仿真验证。将仿真结果与实际情况进行对比,装载体积率明显提高,证明了该算法能够提高瓦楞纸板装载空间利用率,节省了人力,大大提高了工作效率。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

基于PCA与蚁群算法的机械故障聚类诊断方法

针对现代机械复杂化、智能化的特点,为快速准确地诊断出设备故障,提出了基于PCA与蚁群算法的机械故障聚类诊断新方法。定义了聚类准确率判别因子,对主元的选取进行自适应调整,利用基于高斯径向基核函数的主元分析方法实现了故障特征提取。以蚁群算法解决旅行商问题为原型,定义了城市圈,改进蚁群算法实现了双重寻优,把故障聚类转化为蚁群算法最擅长的寻求最优解问题,将改进的蚁群算法用于故障特征样本的聚类。实例分析证明了该方法的有效性。     

基于 Ｋ- ｍｅａｎｓ信息挥发速率动态调整的 改进蚁群算法

针对蚁群算法在求解 ＴＳＰ问题时，存在容易陷入局部最优，收敛速度慢，且求解时间较长的问 题，提出了一种基于 Ｋ- ｍｅａｎｓ与信息挥发速率动态调整策略的改进蚁群算法，利用 Ｋ- ｍｅａｎｓ聚类算法将 大规模 ＴＳＰ问题分解为数个子问题。在城市选择上，加入轮盘赌规则，对信息素更新规则进行了改进，每轮 迭代时动态调整信息挥发速率。实验表明，相比蚁群算法，改进算法避免了求解陷入局部最优解，加快了算 法的收敛。