复合条带三阶段排样方式的生成算法

提出复合条带三阶段排样方式用以解决无约束二维剪切排样问题。该排样方式用3个阶段将板材切割成毛坯,首先用水平刀具将板材切成复合条带,然后用竖直刀具将复合条带切成初始毛坯,最后用水平刀具将初始毛坯切成具有精确尺寸的毛坯。采用背包算法生成该种排样方式,该算法求解两个背包模型分别生成条带在板材中的布局和毛坯在复合条带中的布局。采用文献中基准测题,将文中排样方式与文献中5种重要的排样方式进行比较。实验结果表明,文中复合条带三阶段排样方式平均排样价值高于以上5种排样方式,且切割工艺比较简单。     

基于两阶段排样方式的卷材下料算法研究

讨论矩形件卷材下料问题,采用切割工艺简单的两阶段排样方式采进行下料。这种排样方式采用一组平行于卷材宽度方向的剪切线将卷材切割成多个条带,然后将每个条带切割成所需要的矩形件。首先,构造一种有界背包算法确定矩形件在条带中的优化布局;然后,采用基于列生成的线性规划算法调用上述有界背包算法生成排样方式;最后,采用顺序启发式算法,用当前矩形件剩余需求量反复调用线性规划算法生成各个排样方式,直至每种矩形件剩余需求量均为零,组合各个排样方式形成下料方案。将本文算法与2种文献算法进行比较,计算结果表明,本文算法下料方案比2种文献算法分别节省1.97%和1.66%的卷材。     

矩形件二维下料问题的一种求解方法

求解矩形件二维下料问题,即解决如何用最少的板材切割出所需的全部矩形毛坯。提出一种切割工艺简单的新型排样方式即单毛坯条带四块排样方式。首先采用经典背包算法生成排样方式,然后采用基于列生成的线性规划算法迭代调用上述排样方式生成算法求解下料方案。将文中排样方式分别与文献中经典两阶段和经典两段排样方式进行比较,实验计算结果表明,四块排样方式排样价值高于以上两种排样方式。最后通过实际下料求解,证明了使用该算法的材料利用率较高。     

面向可加工性的卷材优化下料方法

针对成品为矩形件的卷材优化下料问题,综合考虑材料利用率高和便于加工,将顺序价值修正算法与剪切排样方式生成算法结合,确定下料方案。第1阶段,将卷材纵剪为长条带(子卷),每根条带含同一种矩形件;第2阶段,将条带冲剪出矩形件。剪切排样方式生成算法通过递推生成排样方式。每次生成排样方式后,均对矩形件进行一次价值修正,使其价值接近理想值。每个排样方式满足部分矩形件需求,重复此过程,直到满足所有矩形件需求为止。通过迭代生成不同下料方案,选择材料利用率最高的作为解。与文献算法比较,可知该算法在有效提高材料利用率的同时,可以简化切割加工工艺。     

基于多级排样方式的单一矩形件卷材下料算法

讨论了单一矩形件卷材下料问题,即采用剪切工艺将卷材切割出一定数量的同种矩形件,目标为使得所耗费的卷材长度最小.提出一种基于隐式枚举法和动态规划算法的优化下料算法.切割过程由2个阶段组成,第1阶段将卷材切割成宽度相同、长度不大于剪刃长度的段,第2阶段将段切割成矩形件.首先,采用隐式枚举法确定所有需要考察的段的长度,并采用...     

可减少排样方式数的二维下料顺序启发式算法

讨论矩形件二维下料问题，将板材成本最小作为主要优化目标，将排样方式数最少作为辅助优化目标。提出一种可减少排样方式数的下料算法。该算法基于顺序启发式框架，按顺序逐个产生排样方式满足剩余矩形件的部分需求量，直到矩形件的所有需求量均得到满足为止。它采用一种分组技术选择可用来生成下一个排样方式的矩形件，用这些矩形件生成下一个排样方式后根据顺序价值校正方法调整矩形件的价值，其中每个排样方式均采用动态规划程序生成。将本文下料算法与两种文献算法进行对比，实验结果表明，本文下料算法使用的板材面积比文献算法分别节省了1.12%和0.89%,排样方式数比文献算法分别减少了45.56%和30.79%,且计算时间与文献算法接近。     

基于均匀条带排样方式的二维下料启发式算法

条带结构排样方式在机械制造业下料领域有广泛的应用。针对矩形件二维下料问题,提出一种基于均匀条带排样方式的启发式下料算法。下料方案包含多个排样方式,每个排样方式满足部分矩形件的需求量。首先构造均匀条带四块排样方式的约束排样算法;然后采用列生成法反复调用上述约束排样算法生成各个排样方式,直到所有矩形件需求量得到满足为止。采用文献中的基准例题,将本文下料算法和文献中下料算法进行比较,数值实验结果表明本文下料算法能有效地提高板材利用率,且计算时间能满足实际应用要求。     

基于普通块的四块排样方式及其生成算法

针对矩形件无约束二维剪切排样问题,提出普通块四块排样方式及其生成算法。这种排样方式首先将板材划分成4个普通块,然后将普通块切成条带,最后将条带切成所需要的矩形件。普通块由条带组成,每刀在普通块上仅切下一根条带,连续被切下的两根条带的方向互相平行或垂直。首先采用背包算法确定条带中矩形件的最优布局,然后采用递推算法确定普通块中条带的最优布局,最后采用隐式枚举法确定板材的最优四块划分。采用2组文献例题将本文算法与文献算法进行比较,实验结果表明,本文算法排样价值高于4种文献算法。     

基于顺序价值修正算法的矩形件二维优化下料

针对矩形件二维下料问题,提出一种顺序价值修正下料算法。构造了四块排样算法,生成矩形件数量有上界约束的四块排样方式;这种排样方式将板材划分为4个块,每个块包含方向相同的条带,每条条带包含同种矩形件。采用顺序启发式算法调用上述四块排样算法逐个生成排样方式,按照不产生多余矩形件原则,确定每个排样方式的最大使用次数;在生成每个排样方式后修正该种排样方式中矩形件的价值。将上述顺序启发式算法迭代执行多次,生成多个下料方案,选择板材使用张数最小的一个作为最终解。采用文献例题进行计算比较,数值实验结果表明本文算法比文献算法更能节省板材。     

单一尺寸矩形毛坯下料问题的一种确定性算法

针对单一尺寸矩形毛坯下料问题,讨论了如何用最少的库存板材切割出一定数量的单一尺寸矩形毛坯。提出1种切割工艺简单的5块排样方式,该排样方式将板材划分成5块区域,每块区域中矩形毛坯按照相同方向排列。设计了1种确定性算法求解下料方案,首先构造1种基于隐式枚举思想的算法确定整张板上的最优5块排样方式;然后对该算法进行扩展,使其能够求解部分板上的最优5块排样方式。采用算例将文中下料算法和文献中递归下料算法、拼合下料算法进行比较,数值模拟分析结果表明,文中的下料算法在切割工艺和板材利用率两方面均较为有效。     

减少切割成本的圆形件下料优化算法

针对圆形件下料问题,从减少条带数量的角度考虑降低下料总成本,提出一种基于顺序价值修正的启发式下料算法.一个下料方案由一个或多个排样方式组成,每个排样方式均采用T形结构布局.T形结构用一条分界线将板材为两段,同一段中所有条带的方向相同、长度相等.首先,根据所需的不同圆形件直径确定所有的断点长度,再将其代入排样方式生成函数...     

基于T型布局方式的异构矩形件下料算法

讨论异构矩形件下料问题,提出一种基于T型布局方式的优化下料算法。首先构造一种约束布局算法,生成矩形件在单张板材上的T型布局方式,然后采用列生成算法,依据当前矩形件剩余需求量,迭代调用上述约束布局算法,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布局方式加入到实际下料方案中,更新当前矩形件剩余需求量,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本文算法与3种文献中算法进行比较,数值实验结果表明,本文算法比3种文献中算法分别节省3.93%,1.27%和1.17%的板材。     

基于同质段矩形优化排样问题求解

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化排样算法进行研究,给出基于同质段矩形优化排样问题的求解算法,该算法可同时有效解决企业实际生产中矩形优化排样的单一排样和套裁排样问题。算法首先基于隐式枚举法求出所有同质条带的最优排样及备选同质段,对备选同质段进行规范化处理求出所有的候选同质段,使用候选同质段将板材分成若干个子段,并将矩形优化排样问题转化为完全背包问题,最后基于动态规划算法进行求解。两组应用实例验证了本文算法的有效性。     

基于分段排样的铁芯迭片混合下料优化算法

分段排样方式用于大型发电机定子、转子的圆形和扇形两种迭片的下料.在下料排样图中,一根条带所布局的片型和尺寸必须相同,最多可出现3排迭片.为了简化切割工艺,板材中两个段的条带方向相同,且同一段中的条带长度相同.提出一种生成两段式的混合排样算法,混合的迭片包括圆片和扇片.提出扇片的转置布局,扇片在条带中有竖向放置与横向放置...     

矩形件排样优化的一种近似算法

摘要根据矩形件排样的实际下料工艺要求，以板材的长或宽对待排矩形件的长或宽求余数，根据余数结果提出了一种矩形件排样的近似优化算法。     

基于同质条带的两段式有约束矩形优化排样

为了有效解决企业生产中的有约束矩形优化排样问题，对矩形优化排样算法进行研究，在综合考虑原材料利用率及切割工艺复杂度的情况下，给出基于同质条带的两段式有约束矩形优化排样算法。算法首先通过问题转换，将有约束矩形优化排样问题转化成多重背包问题，然后再基于动态规划算法对其进行求解，最后基于动态规划算法开发了一应用系统，有效地解决了企业实际生产中的有约束矩形优化排样问题。实例应用表明，该算法在求解有约束矩形优化排样问题方面优于其他算法。     

基于最优同质块的分段式矩形优化排样

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化算法进行研究,提出基于最优同质块的分段式矩形优化排样算法,有效解决了企业实际生产中的剪切排样问题。该算法首先使用剪床将板材剪成不同长度的子段,然后在子段上基于最优同质块进行优化排样。算法将板材的分段问题以及最优同质块在子段上的最优排样问题均转化为背包问题,并基于动态规划算法求解;使用枚举法求解最优同质块排样。将板材分成若干个子段使算法可以有效解决长板排样问题,使用最优同质块对子段进行优化排样使算法的优化性能得到提高。两组实例应用表明本文算法优于文献中的其他算法。