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。     

一种"一刀切"式矩形件优化排样混合算法

对"一刀切"矩形件排样问题,提出一种将启发式递归与免疫克隆算法相结合的混合优化方法。首先,提出一种启发式递归算法,利用该算法逐次生成利用率最高的条料,直到所有矩形件均生成条料;然后利用免疫克隆算法全局搜索能力强的特点,对这些条料序进行搜索重组,使其所用的板材数最少,即使总的板材利用率达到了最大。对两个典型算例进行计算,并与相关文献比较,表明了算法的有效性。     

矩形件单一排样问题的一种精确算法

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。     

一种求解矩形件排样问题的启发式算法

研究在一定的矩形板材上排放所需要小矩形的优化排样问题,提出一种基于4块结构排放模式的启发式算法,并且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模拟计算,获得了比遗传算法更好的解,是一种行之有效的方法。     

矩形件优化排样算法与系统的研究

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。     

一种矩形排样问题的优化设计方法

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.     

大规模矩形件优化排样遗传算法

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。     

实用矩形件化排样系统的研究与开发

在研究矩形件优化排样数学模型的基础上，根据不同的下料的工艺要求，构造出与之相适应的四种不同的近似优化算法。对于这些算法，要求它们在板材尺寸与矩的尺寸的差异方面；在矩形件个数的规模方面；在矩形件之间的尺寸差异等敏感问题上有较好的适应性。在理论方面对这些算法进行一些定量的分析以保证这些算法的先进水平。     

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。     

矩形件优化排样模拟退火算法求解

综合条料生成算法与填充算法思想，提出了一种适用于矩形件优化排样的最小宽度算法，将其与模拟退火算法相结合，能够跳出局部搜索，最终可获得近似总体最优的排样结果。使用表明，该优化排样算法具有广泛的适应性，并可适合“一刀切”的高效率下料工艺。     

NGSA算法在不规则零件优化排样中的应用研究

对于二维不规则图形零件在排样区域上的最优排列,也就是对二维不规则图形的计算机自动排样算法进行优化问题.采用矩形包络算法、遗传模拟退火算法及小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,然后采用基于"最低水平线"策略的启发式排样算法实现二维不规则图形零件自动排样,得到满意的优化排样结果.     

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。     

匀质条带五块布局方式及其生成算法

针对矩形毛坯无约束二维布局问题,提出一种匀质条带五块布局方式。这种布局方式将板材划分为5个矩形块,每个块由包含同种毛坯的匀质条带组成。构造五块布局方式的生成算法:首先采用动态规划方法生成所有可能尺寸的块中匀质条带的最优布局;然后采用隐式枚举和分支定界技术考察板材所有可能的五块划分方式,按照板材布局价值最大原则确定板材的最优五块划分,得到最终的五块布局方式图。数值实验结果表明,这种算法能有效地提高板材布局价值。     

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。     

一步平移法与遗传模拟退火算法在冲裁件排样中的应用

研究冲裁件优化排样算法及实现问题,提出一种用一步平移法和遗传模拟退火算法相结合的算法解决冲裁件的排样问题。克服了平行线分割一步平移法中计算量大的问题,具有优化效果好、自动化程度高、迅速准确地得出工件排样的最优解。     

空白矩形填充和邻域搜索结合的矩形件排样优化算法

针对矩形件排样问题,提出一种新的空白矩形填充算法和邻域搜索算法相结合的混合优化算法.首先,设计空白矩形填充算法时,提出了消除多余空白矩形的方法,以减小计算时间复杂度.其次,利用邻域搜索算法优化矩形件排放顺序,通过挖掘矩形件排样的问题特征,设计了受限距离的交叉和插入两种邻域算子,并提出了特殊算子执行点选择策略.然后,设计...