冲裁条带剪切下料问题的一种求解算法

金属板材经常采用剪冲工艺分割出零件毛坯。首先在剪切阶段用剪床将板材剪切成条带,然后在冲压阶段用冲床将条带冲压出所需的毛坯。讨论条带最优剪切下料方案的设计问题。文中首先提出一个生成条带最优三块布局方式的递归算法;然后采用基于列生成的线性规划算法迭代调用上述布局方式生成算法,每次都根据生产成本最小的原则改善目标函数并确定各种毛坯的当前价值,按照当前价值生成一个新的布局方式,最后选择最优的一组布局方式组成下料方案。采用例题将文中下料算法与文献中T型下料算法进行比较,实验计算结果表明,文中下料算法板材利用率高于T型下料算法,并且计算时间合理。     

有约束单一圆形片剪冲排样的递归算法

为解决有约束单一圆形片剪冲排样问题,提出一种生成规范多级排样方式的递归算法。剪冲工艺首先采用剪床将板材剪切成条带,然后使用冲床将条带冲压出圆形片。算法使用水平剪切线和竖直剪切线从板材上剪切下条带;通过调用递归过程确定每次的剪切线方向和条带宽度;采用隐式枚举法缩小算法计算量。运用该算法开发了一个有约束单一圆形片排样系统。采用大量随机生成的测题进行实验,结果表明该算法在计算时间和板材利用率两方面都有效且生成的排样方式便于剪切。     

复合条带两段排样方式的生成算法

提出复合条带两段排样方式用以解决无约束二维剪切问题。这种排样方式首先将板材分成两个段,然后用若干条互相平行的水平或竖直剪切线将各段分别切成复合条带,最后将复合条带切成所需要的毛坯。采用确定型算法生成这种排样方式,求解背包模型分别生成毛坯在复合条带中的排样方式和复合条带在段中的排样方式,使用枚举算法确定最优两段组合,得到最终排样方式。采用文献中基准测题,将这种复合条带两段排样方式与文献中五种重要的排样方式进行比较。实验结果表明这种排样方式平均价值高于以上五种排样方式,且算法时间复杂度较低。     

生成圆形片最优四块排样方式的确定性算法

为解决圆形片无约束剪冲排样问题,提出一个生成圆形片最优四块排样方式的确定性算法。四块排样方式首先用一条父分界线将板材分为两块,然后用两条与父分界线垂直的子分界线将两块分为四块;每个块里面只包含方向和长度均相同的圆形片条带。该算法首先求解一维背包问题生成块里面的条带最优布局;然后隐式枚举三条分界线位置得到所有可能的四块组合,选择排样价值最大的四块组合生成最优的四块排样方式。实验结果表明,该算法在计算时间和板材利用率两方面都有效。     

基于单毛坯条带的矩形件排样算法

提出一种基于单毛坯条带的矩形件排样算法,该算法采用三条剪切线将板材分成四个矩形区域,每个区域中包含一组方向和长度都相同的单毛坯条带。其中,用枚举的方法确定三条分割线的位置,用背包算法确定每个区域中条带的最优布局,使整张板材价值达到最大。将该算法与线形规划相结合形成基于单毛坯条带的矩形件排样方案生成算法,用于求解大规模矩形件排样问题。利用文献中报道的例题进行计算,实验结果表明该算法的计算时间满足实际应用的需要,并能在一定程度上提高材料利用率。     

解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

同尺寸矩形件多板材下料算法

针对机械制造业领域中的同尺寸矩形件多板材下料问题,提出一种基于动态规划和整数规划的求解算法。在单张板材上采用五块布局方式简化切割工艺,该布局方式将板材划分为五个块,每个块中矩形件按照规范多级方式排列。首先采用具有全容量特性的动态规划算法一次性生成所有尺寸块的规范多级方式,并运用隐式枚举法确定最优五块组合生成五块布局方式;然后采用整数规划算法选择最优板材组合生成下料方案。数值实验结果表明,文中算法能够有效地解决同尺寸矩形件多板材下料问题。     

矩形件同质条料五块排样方式的生成算法

材料利用率和切割工艺复杂度是金属板材切割排样中主要考虑的两个因素。提出矩形件同质条料五块排样方式的生成算法,用以解决金属板材切割排样问题。这种算法将板材分为五个块,各块中只排放方向和长度均相同的条料。通过求解背包问题优化块中条料的布局,使得块中排放的矩形件总价值达到最大;采用隐式枚举法考察所有可能的五块组合的排样价值,选择排样价值最大的一个组合作为最终的五块排样方式。用文献中的基准测题,验证文中的五块排样算法。数值实验结果表明,文中算法在提高材料利用率和简化板材切割工艺两方面均有效,且算法计算时间较短。     

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.     

人机结合多目标协同进化算法求解卫星设备布局

针对多层系统多目标优化的多舱段卫星设备布局设计的工程满意Pareto最优解集求解困难问题,基于协同进化框架,给出一种人机结合的多目标协同差异进化算法。算法将人机结合方法引入基于协同进化框架的多目标协同进化算法,构建含人工和算法的精英解集合的档案,提出用差异进化算法随机自动实现由算法子个体和人工子个体两两组合生成个体的3种方式,用于子系统的人机结合。在迭代前期采用子系统人机结合增加算法的多样性和分散性,在迭代后期采用系统人机结合增加算法的收敛性和分布性,从而提高基于协同进化框架的多目标协同进化算法求解这类多层系统的多目标优化的计算性能,获得Pareto最优解集。最后,通过案例验证了该算法具有较好的计算性能。     

多板材单一圆片剪冲下料的一种优化算法

讨论多板材单一圆片剪冲下料问题,即使用剪冲工艺将若干种不同尺寸的板材剪冲出一定数量的单一尺寸圆片,优化目标是使得材料利用率尽可能的高。文中采用由圆片条带组成的规范多级排样方式,简化剪切工艺;采用多板材组合下料方案,提高下料利用率。首先运用动态规划算法确定圆片在每种板材中的排样方式;然后运用整数规划算法确定多板材组合下料方案。计算结果表明,对于板材使用张数无约束问题和有约束问题,文中算法生成的下料方案比文献中算法生成的下料方案,下料利用率分别提高了1.75%和1.38%。     

有约束单一尺寸矩形毛坯下料问题的一种求解算法

讨论有约束单一尺寸矩形毛坯下料问题:切割库存板材满足一定数量的单一尺寸矩形毛坯的需求,优化目标是使所切割的板材总面积最小,该问题广泛的出现在制造业领域的板材切割下料环节。提出一种基于五块布局模式的优化下料算法。首先调用无约束五块布局算法生成整张板材上的毛坯排样方式,然后调用有约束五块布局算法生成部分板上的毛坯排样方式。使用算例对文中下料算法进行了测试,并与文献中下料算法进行了比较。实验结果表明,下料算法可以提高下料利用率,而且计算时间合理。     

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该算法的可行性和有效性.     

求解二维矩形装箱问题的启发式算法

为实现二维矩形装箱问题的高效求解,提出一种启发式最优剩余空间算法。该算法以促使小矩形的放置更为紧密和剩余空间更加平滑为基本思想,通过空间分割、放置位置选择和最优解搜索3个相来实现对三维矩阵装箱问题的求解。基于两个经典的C21和N13数据集,最优剩余空间算法与多种算法进行了对比实验。测试结果表明,所提算法能够在最短的时间内得到C21全部算例的100%布置和N13数据集的9个最优解,在计算效率和计算效果上均优于现阶段的其他算法。     

两机flow-shop类型模具热处理车间批调度算法

总结模具热处理车间生产调度的特点,在工件动态到达的情况下,研究了两阶段均为批处理机、各批次加工时间为定值的流水车间批调度问题。以最小化最大完成时间为目标建立混合整数规划数学模型,证明问题是NP难并给出最优目标函数值的下界,构建并证明一种求解大规模问题最优解的算法。算法首先求解分批数量上下界,然后构造数学模型并求解在给定分批数量下对应的最优解,最后通过对比各给定分批数量下得到的解并得到全局最优解。对于小规模问题,通过与传统分枝定界法得到的最优解相比较,说明所提算法能得到问题的最优解且计算时间更短;对于大规模问题,在不同生产状况下随机产生多组数据、对所提算法进行验证,结果显示该算法是有效的。     

混合教与学算法的圆柱度误差评定方法研究

为提高圆柱度评定精度,建立了圆柱度数学模型,将圆柱度误差最小区域求解转化为求目标函数的最小值优化问题。采用二次退火教与学算法对目标函数进行求解,主要包括学生分组排序,"教"阶段与"学"阶段等步骤。针对原始教与学算法求解精度不高,易陷入局部最优等问题,在"教"与"学"两个阶段两次采用模拟退火算法,以一定概率选择较差解来更新最优解,增强算法多样性,从而充分提高计算精度。最后进行求解,并根据终止准则求得计算结果。将该寻优结果与其他方法的评定结果相比较,验证了该算法的可行性及优越性。     

双层过道布置问题的混合整数规划模型及启发式求解方法

针对布局活动中为节约用地成本设施被迫布置在多层空间的情况,提出双层过道布置问题,并构建了该问题的混合整数规划模型。该模型考虑了设施在两层空间的布置优化,且不同层设施之间存在物流交互,交互通道为放置在过道最左边的货梯。针对该问题,提出一种基于C2Opt邻域搜索的启发式算法,同时引入inversion程序产生扰动,采用倒置的方式重新排列当前设施序列,以避免算法陷入局部最优,并设置了最优设施序列的记忆功能,以保留邻域搜索过程中的精英解。基于建立的混合整数规划模型,运用Lingo软件对28个测试问题(9~49个设施)进行了精确求解,进而应用所提启发式算法对所选测试算例进行测试,并与3种启发式算法的求解结果进行对比,结果表明所提启发式方法在求解质量和计算时间上均有良好表现。     

敏捷制造下合作伙伴选择的有效算法

为实现虚拟企业实践中有效的合作伙伴选择，根据制造成本和产品上市时间这两个重要因素建立了问题优化模型。基于此模型，给出了一个两阶段求解算法。该算法首先通过一个多项式的精确算法求得最早完成时间的解，保证了解的可行性。然后以最早完成时间作为可行初始解，利用一个启发式算法对解进行改进。该算法最终使得在完成时间的约束下制造成本最小。最后给出了一个应用案例说明了该算法的有效性。     

确定冲裁件无约束最优剪切方案的剪切算法

讨论条料剪切下料最优方案的设计问题。阐明最优剪切排样方式的规范结构 ;采用分支定界法求解。采用剪切法构造所有可能的排样方式 ,详细叙述确定上界与下界的方法。实验计算结果说明 ,所述算法十分有效。