共查询到19条相似文献,搜索用时 218 毫秒
1.
采用遗传算法对矩形件在板材上的排样进行优化,以提高板材的利用率和降低生产成本.本文建立了优化排样的遗传算法模型,描述了遗传算子的设计方法.将此模型与基于最低水平线的搜索算法相结合应用到矩形件排样优化中,产生的排样结果满足"一刀切"和相同的矩形件尽量排放在一起等工艺要求,并且使板材的利用率在94%左右,可以应用到企业的实际生产中. 相似文献
2.
矩形件优化排样算法与系统的研究 总被引:4,自引:0,他引:4
为了有效解决矩形件优化排样问题,通过在已有动态规划算法的基础之上,引入多种启发式策略,提出一种带有启发式策略的动态规划算法,并设计和开发了一个基于该算法的矩形件优化排样系统。介绍了系统的总体设计方案。并通过实例测试,讨论了矩形件优化排样算法的有效性和系统的实用性,证明矩形件优化排样算法具有排样过程耗时少、效果好和适用范围广3大优点,可以有效地提高材料利用率和生产效率。 相似文献
3.
4.
5.
大规模矩形件优化排样的遗传算法 总被引:7,自引:0,他引:7
遗传算法是一种全局优化的数值计算方法。与传统优化算法相比,其优点是对函数的要求不高,一般不会陷入局部最优解,更适应于求解大规模离散优化问题。本文将遗传算法应用于工程问题的一个典型离散优化问题——大规模矩形件优化排样。通过该算法可以找出高效率的排样加工方法。设计结果能广泛应用于各零件的排样加工实例。 相似文献
6.
《锻压技术》2021,46(8):70-76
为了提高矩形件排样问题的板材利用率,提出了基于匹配度的最低水平线定位方法和遗传模拟退火的排序方法。对于矩形件排样问题,建立了以提高板材利用率为目标的优化模型。在矩形件的定位方法中,为了提高最低水平线算法的板材利用率,提出了矩形件与板材匹配度的概念,实现了基于匹配度的最低水平线算法,此方法可以对排序结果进行微调和再优化。在排序方法中,给出了遗传模拟退火的混合算法,此算法依概率选择染色体,相比于贪婪准则可有效提高染色体的多样性。经Benchmark中的C算例进行验证,遗传模拟退火算法排样的板材利用率均高于遗传算法排样的板材利用率,验证了所提排样方法的优越性。 相似文献
7.
8.
针对机械制造业领域的矩形件单一排样问题,即在长宽为L、W的板材里排放最多个数的长宽为l、w的矩形件,提出一种基于整数规划和约束规划的精确排样算法。首先在板材上刻画W+1条等距的水平基线;然后建立单一排样问题的整数规划数学模型,求解出最优排样方案所对应的每条基线上排放的水平矩形件和竖直矩形件个数;最后采用约束规划模型求解出每个矩形件在基线上的具体排放坐标,画出最优排样方案图。将本文算法与文献中的单一排样算法进行比较,结果表明,本文算法求得的板材排样方案中可以排放更多的矩形件,板材利用率更高。 相似文献
9.
大规模矩形件优化排样遗传算法 总被引:6,自引:0,他引:6
遗传道法是一种全局优化的数值计算方法。与传统优化算法相比,其优点是对函数的要求不高,一般不会陷入局部最优解,更适应于求解大规模离散优化问题。本文将遗传算法应用于工程问题的一个典型离散优化问题--大规模矩形件优化排样。通过该算法可以找出高效率的非样加工方法。设计结果能广泛应用于各零件的排样加工实例。 相似文献
10.
研究了在一定矩形板材上排放所需要小矩形的优化排样问题,提出了一种基于四块结构和一般分块排样模式的新方法,分析了四块结构模式和一般分块模式的特点,并且根据该分块的思想建立了动态规划模型.通过对在计算机上随机产生的试验数据的数值计算,表明该方法获得了比遗传算法更好的解,是一种行之有效的方法.类似文中矩形件排样问题完全可以用该方法来求解,选定合理的参数可以在比较短的时间里得到近似最优解,并且该算法具有一定的鲁棒性.如何把这种分块的启发式思想应用到不规则二维排样和一般的三维排样中去是今后的研究目标. 相似文献
11.
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。 相似文献
12.
13.
14.
15.
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。 相似文献
16.
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。 相似文献
17.
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。 相似文献
18.
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。 相似文献
19.
针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。 相似文献