基于零件相似性特征的大规模下料分组优化方法

针对诸多优化算法在处理大规模下料问题时易于陷入局部最优解和时间效率低下的问题,提出基于零件相似性特征的分组优化方法.该方法利用HCM算法进行零件聚类,产生若干相似组,然后通过分析计算机硬件水平和算法处理问题能力将相似组重组为若干分组,再对各分组依次优化.在相邻分组的优化中,采用补偿策略动态修正零件在分组间的分布,优化完毕后合并各组优化结果得到原问题的下料方案.实验结果表明,相对于不分组优化,该方法处理大规模下料问题的效率高,且可以维持和提高材料利用率.     

面向可制造性的两阶段一维优化下料方法

针对诸多优化下料方法片面追求高原材料利用率,而对实际切割加工成本考虑不足的现状,提出一种既维持高原材料利用率又使下料方案可制造性好的一维优化下料方法.下料方案的可制造性从切割方式种类数和每种切割方式中套裁零件种类数两方面来衡量,基于此提出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,并采用两阶段列生成算法实现.最后通过实例验证了文中方法的实用性和有效性.     

遗传算法在无重复规格一维下料优化中的应用

在对无重复规格一维下料优化问题数学模型分析的基础上,提出了基于改进遗传算法的优化下料方案求解方法.具体做法是,以实数表示的各零件长度的一个排列作为一个染色体,对一个可能解进行编码,其中的每个零件长度为一个基因;同时,为了便于遗传算子的设计,对染色体的基因进行分段,同一段上的基因表示它们截自同一原材料;通过基于基因分段的杂交、变异获得优化解.实验结果表明该算法是解决无重复规格一维下料问题的可行算法.     

面向可加工性的矩形件优化下料算法

针对目前矩形件优化下料算法侧重追求高材料利用率,而对实际切割成本考虑不足的现状,提出一种既维持高材料利用率,又使下料方案具有较低切割成本的矩形件优化下料算法。算法采用SVC框架和同质条带多级规范方式求解矩形件下料问题。利用条带共边排样的路径优化设计进行切割路径长度的计算,以生产成本（材料成本与切割成本之和）为优化目标得到高材料利用率、低切割成本的下料方案,最后通过实验证实该算法的可行性与有效性。     

基于排样矩形的直角边零件下料算法

针对实际操作中直角边零件下料利用率不高的问题,导入排样矩形的概念,将直角边零件下料问题分解为若干优化子问题,在此基础上,基于动态规划思想通过求解子问题构建全局最优解.实验表明,与传统的直角边零件板材切割相比,使用本文算法能够使板材的利用率提高30％-50％;与其他几种典型算法相比,本算法板材利用率提高显著,并且排样方案...     

圆片下料并行遗传算法的设计与实现

针对制造行业中的圆片下料问题,为了在合理的计算时间内使材料的利用率尽可能高,提出并行遗传下料算法（PGBA）,以下料方案的材料利用率作为优化目标函数,将下料方案作为个体,采用多线程的方式对多个子种群并行进行遗传操作。首先,在并行遗传算法的基础上设计特定的个体编码方式,采用启发式方法生成种群的个体,以提高算法的搜索能力和效率,避免早熟现象的发生;然后,采用性能较好的遗传算子进行自适应的遗传操作,搜索出一种近似最优的下料方案;最后,通过多种实验验证算法的有效性。结果表明,与启发式算法相比,PGBA的计算时间有所增加,但材料利用率得到了较大的提高,能有效提高企业的经济效益。     

改进PSO算法在二维下料问题中的研究

粒子群优化（PSO）算法是一种基于集群智能的进化计算方法,在该方法中粒子通过追随自己找到的最优解和种群最优解完成优化。文章将PSO算法应用到三角形优化下料问题的研究中,给出了具体的实施流程,为了提高PSO算法的收敛精度,避免早熟现象的产生,对PSO进行了改进,提出一种启发式PSO算法。通过对三角形的优化下料进行仿真,仿真结果显示改进后的启发式粒子群优化算法在收敛效果和材料的利用率方面均有显著的提高。     

板材零件CAD／CAM

板材零件ＣＡＤ／ＣＡＭ西南交大机械工程研究所龚邦明，黄洪钟板材零件的排料及下料是机械制造生产中的重要工序。传统的排料及下料方法材料利用率低，劳动强度大，费工费时，采用计算机优化排料及计算机控制下料就可解决这一问题。不同产品的板材零件采用计算机综合管理...     

一维下料的改进遗传算法优化

针对一维下料优化问题,在对一维下料方案数学模型分析的基础上,提出了基于改进遗传算法的优化求解方案。主要思想是把零件的一个顺序作为一种下料方案,定义了遗传算法中的关键问题:编码、解码方法、遗传算子和适应度函数的定义。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。根据这一算法开发出了一维下料方案的优化系统。实际应用表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了一维下料问题。     

考虑多目标优化的一维排样系统

对于常见的一维下料问题,采用顺序启发式算法设计排样系统。在保证较高材料利用率的同时,考虑多个优化目标的实现,如减少排样方式数,优先使用短材料,增加最后一根原材料上的余料长度等。通过对各个目标设定不同的优先级,可生成满足实际生产环境需要的排样方案。经过与其他多种优化算法的实验结果比较,证实本文排样系统的优越性。     

有限制二维板材启发式下料算法研究

橱柜及板式家具生产都涉及二维板材下料,材料利用率的最大化一直是该类企业追求的目标。本文提出了基于启发式规则的有限制二维板材下料算法。通过在橱柜生产过程中自动下料系统的实施和理论分析,该算法是实用有效的。     

An evolutionary algorithm for the one‐dimensional cutting stock problem

This paper deals with the one‐dimensional integer cutting stock problem, which consists of cutting a set of available objects in stock in order to produce ordered smaller items in such a way as to minimize the waste of material. The case in which there are various types of objects available in stock in limited quantities is studied. A new heuristic method based on the evolutionary algorithm concept is proposed to solve the problem. This heuristic is empirically analyzed by solving randomly generated instances and the results are compared with other methods from the literature.     

基于网格的远程优化下料系统研究

结合分析传统优化下料技术存在的问题,提出基于网格的远程优化下料方法,把优化下料算法资源定义为网格服务资源,分布在广域网的计算机中,并以网格服务节点的形式表现,通过对各网格服务节点的调度,并行完成优化下料任务,进行选优。构建了远程优化下料系统,给出了该系统的体系结构和工作原理,对网格服务节点的实现方法进行了研究;开发了原型系统,实验表明,在提高优化下料的总体优化性能方面,系统效果明显。     

The usable leftover one‐dimensional cutting stock problem—a priority‐in‐use heuristic

We consider a one‐dimensional cutting stock problem in which the material not used in the cutting patterns, if large enough, is kept for use in the future. Moreover, it is assumed that leftovers should not remain in stock for a long time, hence, such leftovers have priority‐in‐use compared to standard objects (objects bought by the industry) in stock. A heuristic procedure is proposed for this problem, and its performance is analyzed by solving randomly generated dynamic instances where successive problems are solved in a time horizon. For each period, new demands arise and a new problem is solved on the basis of the information about the stock of the previous periods (remaining standard objects in the stock) and usable leftovers generated during those previous periods. The computational experiments show that the solutions presented by the proposed heuristic are better than the solutions obtained by other heuristics from the literature.     

基于两段排样方式的矩形件优化下料算法

针对矩形件下料问题,提出一种基于两段排样方式的优化下料算法。首先构造一 种约束排样算法,生成矩形件在板材上的两段排样方式。然后采用列生成算法依据矩形件剩余 需求量迭代调用上述约束排样算法生成一个虚拟下料方案,按照不产生多余矩形件原则选取虚 拟下料方案中的部分排样方式加入到实际下料方案中,更新矩形件剩余需求量;重复上述步骤 直到矩形件剩余需求量为零。采用文献中基准例题将该算法与2 种文献算法进行比较,数值实 验结果表明该算法下料利用率比2 种文献算法分别高1.61%和0.78%。