优化排样技术在包装印刷中的应用

以优化排样的理论方法研究为基础,主要是针对不规则形状进行排样优化.通过对现有的几种常见的主流算法分析比较、选定出一种适用于包装纸盒排板的优化排样方法,并在此基础之上提出了改进方案,以得到最有效的算法.根据提出的算法思路,利用计算机编程语言开发出包装纸盒排版排样优化的系统程序,将这种算法得以实现.     

基于孵化算法的多边形排样

基于现有的优化排样算法,模拟鸡蛋孵化过程,设计一种孵化算法来解决排样问题。算法是对实际生活中存在现象的抽象和改进。将寻找最优解整个过程划分为占位,孵化,挤兑,抢占,复活,五个阶段,探索状态下排布决策的适应性,从而得到排样件在排样时的最优次序和最大可容纳的样本数目。     

满足“一刀切”要求的木工板排样优化研究

 针对木工板手工排样效率低和材料利用率低问题,提出木工板“一刀切”排样优化算法．在剩余矩形填充算法中添加启发式分块原则,改进的剩余矩形填充算法满足“一刀切”工艺要求．采用遗传算法对矩形件进行排样优化,以提高木工板利用率,降低企业生产成本．为提高算法的优化精度,使用基于指数变换的非线性动态适应度函数,引入精英保护策略,应用部分填充交叉（partially matched crossover）算子．结合剩余矩形填充“一刀切”算法对遗传种群进行解码计算原料利用率,并作为适应度函数值,进行迭代搜索最优解．排样实例表明木工板“一刀切”排样优化算法能够很好地解决多品种大规模木工板排样问题．     

基于五块模式的单一矩形件排样算法

如何在一个大矩形里排入尽可能多的单一规格小矩形件是广泛出现在制造业领域的板材分割、物流业领域的集装箱装载中的问题.采用五块模式将大矩形划分为五个块,求解每个块里面矩形件的排样方式.首先,采用动态规划算法一次性生成所有块中矩形件排样方式,然后,采用隐式枚举法考虑所有可能的五块组合,选择包含矩形件个数最多的五块组合作为最终的排样方案.使用算例对算法进行了测试,并与另外4种单一排样算法进行了比较.实验结果表明,该算法在排样利用率和切割工艺两方面都有效,而且计算时间合理.     

基于改进最低水平线方法与遗传算法的矩形件排样优化算法

传统的最低水平线方法用于矩形件排样时可能产生较多未被利用的空白区域,造成不必要的材料浪费.针对此缺陷,在搜索过程中引入启发式判断,实现空白区域的填充处理,提高板材利用率.在应用遗传算法优化矩形件排样顺序时,在进化过程中采用分阶段设置遗传算子的方法,改善算法的搜索性能与效果.通过改进最低水平线方法与基于分阶段遗传算子的遗传算法相结合,共同求解矩形件排样问题.排样测试数据表明,所提出的矩形件排样优化算法能够有效改善排样效果,提高材料利用率.     

改进的最低水平线搜索算法求解矩形排样问题

矩形优化排样问题是一个在制造业领域生产实践中普遍遇到的问题,采用了一种改进的最低水平线搜索算法求解此类问题.首先分析了原始的最低水平线搜索算法在排样中存在的缺陷,并针对该缺陷为其设计了一个评价函数,排样时对所有未排零件进行评价,选择评价值最高的零件排入当前位置,从而克服了算法在搜索过程中的随机性,优化了算法的搜索方向.实验仿真的结果表明,提出的算法可以得到较好的排样效果,并且其解决问题的规模越大,优化性能越好,适合于求解大规模排样问题.     

遗传算法求解TSP问题的改进

针对遗传算法解决TSP问题的特点,构造出遗传算法需要的初始种群.运用相同算法对改进前后的两种种群进行实验,得出改进方法具有增强遗传算法效率的作用.     

高阶数字滤波器分布式算法结构比较

基于FPGA,对高阶FIR滤波器两种算法--"基于查找表(LUT)的分布式算法"和"改进的分布式算法"的功能及结构差异进行类比."改进的分布式算法"是对"基于LUT分布式算法"在减少存储器技术上的改进.对于一个高阶滤波器来说,"改进的分布式算法"比"基于LUT的分布式算法",需要更少的存储器和系统资源.减少存储器使用的递归反复技术极大地增加了在FPGA平台上可实现的滤波器阶数的最大值."改进的分布式算法"不仅节省了使用的电子器件数量,而且还平衡了FPGA硬件资源中逻辑单元(LE)和存储器的使用.从FPGA的执行结果可以确定,"改进的分布式算法"可以实现一个1024抽头的FIR滤波器,且比"基于LUT的分布式算法"节省更多系统资源.     

缺陷板材非规则件优化排样

针对理论上属于NPC问题的非规则件优化排样问题,论文提出一种基于小生境技术的自适应遗传模拟退火算法与基于内靠接临界多边形最低点的启发式布局算法相结合的方法。考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应的交叉概率和变异概率,通过基于小生境技术的遗传模拟退火算法对非规则件排样的最优顺序和各自的旋转角度进行优化搜索。将非规则件定位在有缺陷原材料和非规则件多边形的内靠接临界多边形最低点以实现个体的解码,同时避开了原材料表面缺陷。排样实例表明,该优化排样算法行之有效,具有广泛的适应性。     

遗传算法和碰撞算法混合求解冲裁件自动排样问题

针对冲裁件的实际情况,提出了一种利用遗传算法和碰撞算法混合求解冲裁件自动优化排样的方法.在排样中对冲裁件的纵向偏距、放置角度和排样方式进行编码,通过碰撞理论来计算每个个体所对应排样的排样步距.论文给出了运用遗传算法求解的步骤、遗传代码的构造方式和排样步距的求解方法.     

基于ReInspect算法的多目标追踪

为了提高复杂场景下多目标检测的准确性,提出了一种基于ReInspect算法的对于多个运行目标的检测方法.该算法基于OverFeat算法和Faster R-CNN算法的思想,加入LSTM(long short-term memory)循环网络结构用于记录多个目标的特征序列;通过调整LSTM网络特征标签信息,预处理损失函数...     

求解Job-shop调度问题的遗传算法

在引入一种新的具有自适应性的杂交概率和变异概率的基础上，提出了一种构造染色体的新方法，进而提出了一种面向工作车间问题的新的遗传算法。同时给出了一个例子来说明算法的收敛性和收敛效率。仿真结果表明了该算法的有效性。     

基于遗传算法的粒子滤波跟踪算法

针对粒子滤波跟踪算法中粒子多样性退化问题,将改进的遗传算法应用到粒子重采样中,改善了样本的多样性.在改进的遗传算法中,使用了多项式重采样进行优选复制;以特定区间的随机数做交换率进行样本交叉繁殖;使用了马尔可夫链蒙特卡罗移动加高斯白噪声做样本变异繁殖并使用快速MH 抽样算法选取样本.改进后的粒子滤波跟踪算法不但保持了较高的运算效率,而且还较好地提高了跟踪的稳定性.试验表明,改进后的粒子滤波跟踪算法目标跟踪更加稳定,目标定位更加准确.     

改进的共轭梯度算法的图像重建算法

针对电容层析成像图像重建问题的病态性,在Tikhonov正则化的基础上,以正则化解决方案的规模和给定数据的质量为理论依据,引入一个数学变换,提出了一种新的正则化方法,该方法克服了常规正则化方法扰乱原系统的缺陷。同时,将ECT物理模型进行规范化,并对共轭梯度算法进行改进。仿真实验表明,改进的共轭梯度算法的成像质量高于LBP算法、 Tikhonov正则化算法和共轭梯度算法,并利用相关系数进行了验证。     

基于遗传算法和最速下降法的非线性动态系统辨识的混合算法

通过定义最速下降算子，选择算子，混合数据结构以及适应度函数，得到非线性动态系统非线性参数的加权最小二乘辨识混合计算智能算法，该算法结合了遗传算法和最速下降法两者的长处，既有效快收敛性，又有以较大概率求得全局解。数值计算表明该方法显著优于遗传算法和最速下降法。     

基于遗传蚁群算法的测试用例集约简

为提高软件测试效率,节省回归测试成本,本文提出了一种新的约简测试用例集的算法.该算法是遗传算法和蚁群算法两种算法的结合,首先利用遗传算法的快速随机全局搜索能力,生成蚁群算法的初始信息素,然后利用蚁群算法的正反馈性,快速得到约简测试用例集的近似最优解.最后通过仿真实验验证了该算法的有效性.     

基于遗传算法的三维模型匹配方法

逆向测量模型与正向设计模型的自动匹配是三维检测的关键技术之一.通过空间六自由度的旋转与平移变换调整模型方位,基于K-D树和拓扑信息获取三维模型与不同方位平面的相交轮廓.利用二维相交轮廓的差异度作为两模型间的匹配判据,避免海量数据点与复杂曲面间的直接匹配计算.采用遗传算法进行两模型最佳匹配方位的求解,以空间六自由度为个体的染色体,通过群体的多点搜索,历经选择、交叉、变异操作,得到全局最佳匹配方位.通过实例验证了方法的有效性.     

基于遗传算法的图关联着色算法

图的着色算法是一种典型的NP-完全问题。给出了一种用于图的关联着色的遗传算法。遗传算法用于进行全局搜索,从而有效的查找解空间。文中对关联色数为6的一个图进行了仿真实验,给出了该图的关联色数以及4种6-关联着色。用本文提出的算法,得到了完全图、完全多部图的关联色数。实验结果表明,本文设计的遗传算法可以很好的对关联着色猜想进行求解,获得问题的高质量的解。     

固定p-剖分算法

固定剖分（Stationary subdivison）方法是一种关于离散点插值的新型几何造型方法。在几何造型与侦讯（interrogation）,图像分解与重建,由多尺度分析构造紧支撑正交小波,分形及其成等问题中起着重要的作用。本文给出了它的一种推广：固定p－剖分算法及其收敛性质。     

A Nonuniform Clustering Routing Algorithm Based on an Improved K-Means Algorithm

In a large-scale wireless sensor network (WSN), densely distributed sensor nodes process a large amount of data. The aggregation of data in a network can consume a great amount of energy. To balance and reduce the energy consumption of nodes in a WSN and extend the network life, this paper proposes a nonuniform clustering routing algorithm based on the improved K-means algorithm. The algorithm uses a clustering method to form and optimize clusters, and it selects appropriate cluster heads to balance network energy consumption and extend the life cycle of the WSN. To ensure that the cluster head (CH) selection in the network is fair and that the location of the selected CH is not concentrated within a certain range, we chose the appropriate CH competition radius. Simulation results show that, compared with LEACH, LEACH-C, and the DEEC clustering algorithm, this algorithm can effectively balance the energy consumption of the CH and extend the network life.