单一尺寸矩形毛坯排样时长板的最优分割

讨论了存在剪刃长度约束时单一尺寸矩形毛坯的优化排样问题,将板材分割成多张子板,通过优化确定子板张数、各子板长度和毛坯在各子板上的排列,使事 板材中所含毛坯数达到最大;并对Agrawal提出的单一尺寸矩形毛了优化排样方法进行扩展,构造出一种分支定界方法,用于解决长板最优分割问题,实验计算结果表明,所述算法非常有效;最后给出了例题数据的排样结果,与企业的通常做法相比较,说明了采用本方法的节材潜力。     

矩形毛坯最优三块排样的新算法

针对矩形毛坯二维下料问题,提出采用三块排样的下料算法,以达到最小化板材消耗量和简化切割工艺的目标。该算法将列生成法和排样方式生成算法相结合,生成一个含多个排样方式(排样图)的集合,然后通过解整数规划问题获得各个排样方式的使用次数。排样方式生成算法通过构造并求解整数规划模型,求出最优三块排样。采用的三块排样,切割工艺简单,能有效提高切割效率。实验结果表明,该算法可以明显减少板材消耗。     

生成矩形毛坯最优T形排样方式的递归算法

讨论矩形毛坯无约束两维剪切排样问题．采用由条带组成的T形排样方式，切割工艺简单．排样时用一条分界线将板材分成2段，同一段中所有条带的方向和长度都相同．一段含水平条带．另一段含竖直条带．采用递归算法确定分界线的最优位置以及每段中条带的最优组合．以便使下料利用率达到最高．采用大量随机生成的例题进行实验，结果表明该算法在计算时间和提高材料利用率2方面都较有效．     

同尺寸矩形毛坯排样的连分数分支定界算法

在确定同尺寸矩形毛坯最优排样方式的算法中,连分数算法的时间效率最高,但所生成排样方式的切割工艺复杂．提出连分数分支定界算法,该算法应用连分数法确定毛坯数最优值,采用贴切的上界估计方法;在搜索过程中只保留上界不小于最优值的分支,遇到下界等于最优值的分支时结束搜索．实验结果表明,该算法的时间效率和连分数算法接近,并可以有效地简化切割工艺,生成切割工艺最简单的排样方式．最后,通过实例分析说明该算法的节约材料潜力。     

简化同尺寸矩形毛坯排样方式的动态规划算法

同尺寸矩形毛坯排样方式的最优性包括毛坯数量最优性和切割工艺最优性。前者是指排样方式中所含毛坯数最大;后者是指在所有实现毛坯数量最优性的排样方式中,切割工艺最为简单。采用条带数衡量排样方式的复杂性,用动态规划算法生成条带数最少的最优排样方式。实验计算结果表明,所述算法能够明显简化下料工艺,对指导生产实践具有较重要的意义。     

长板单一尺寸矩形毛坯定长分割优化排样

讨论剪刃长度小于金属板材长度,单一尺寸矩形毛坯的优化排样问题。将长板分割成多块子板,除最后一块外,所有子板具有相同的长度与相同的毛坯排列。通过对Agrawal提出的单一尺寸矩形毛坯最优化排样方法进行扩展,使之适用于确定最优的子板长度,实验计算结果表明所述算法非常有效,给出例题数据的排样结果,并和企业的通常作法相比较,说明采用该方法的节材潜力。     

基于多阶排样方式的矩形件二维板材下料算法

针对二维剪切下料的特点,提出一种基于多阶排样方式的优化算法。递归构造多阶排样方式,称若干行若干列同种矩形件按照相同方向排列在一起形成的排样方式为0阶排样方式,n(n为正整数)阶排样方式由两个n-1阶排样方式沿着水平方向或竖直方向拼合而成。设计多阶排样方式的递归生成算法,按照阶数从小到大顺序生成多阶排样方式。将列生成算法与多阶排样方式生成算法相结合得到下料方案,按照板材使用张数最少原则确定下料方案中每个排样方式的使用次数。将这里排样方式分别与文献中的匀质条带三块排样方式、双排多段排样方式、简单块占角排样方式和递归四块排样方式进行对比,实验计算结果表明,多阶排样方式的排样价值高于以上4种排样方式。进一步地,将该下料算法与文献下料算法进行对比,实验结果表明该下料算法可提高板材利用率。     

基于排样矩形的直角边零件下料算法

针对实际操作中直角边零件下料利用率不高的问题,导入排样矩形的概念,将直角边零件下料问题分解为若干优化子问题,在此基础上,基于动态规划思想通过求解子问题构建全局最优解.实验表明,与传统的直角边零件板材切割相比,使用本文算法能够使板材的利用率提高30％-50％;与其他几种典型算法相比,本算法板材利用率提高显著,并且排样方案...     

矩形毛料无约束二维剪切排样的递归算法

将板材分成一系列的板块.对于每一板块,通过优化选择一个毛料放在其左下角,并确定剪切线的方向;沿着该毛料的上边界或右边界将剩余区域分成2个更小的板块以待进一步排样.实验结果表明：该算法的时间效率可满足实际应用的需要,与其他算法相比,所给出的排样方式材料利用率较高.     

基于蚁群优化算法求解矩形件排样问题

布局问题来源于生产实际,优秀的布局可以提高原料利用率,降低成本,提高经济效益,对许多行业有重要意义。矩形件优化排样是一类具有NP完全难度的组合优化问题。人工蚁群算法是对蚂蚁群体行为的模拟抽象,该算法具有分布计算、信息正反馈和启发式搜索等特点。本文将蚁群算法和剩余矩形法结合用于解决矩形排样问题,首先用蚁群算法将矩形件排样问题转化为一个排列问题;然后通过剩余矩形排样算法排出每一个排列所对应的排样图;最后用算法对文献[9]中的两个算例进行了验证,表明了其有效性。     

矩形件排样优化的一种近似算法

本文对理论上属于ＮＰ－完备问题的二维矩形件优化排样问题，构造了一个效率高、速度快、可令人满意的一种近似算法，该算法的主要思想是在排样过程中根据一种局部最优原则不断地动态产生一些较小的矩形，然后对这些小矩形区域排样，同时也消去一些已排过的矩形区域，直至所有的矩形件被排完，根据本文算法我们开发了一个矩形件排样系统。     

矩形窗口的曲线裁剪算法

本文研究了矩形窗口的曲线裁剪问题，对现有的文献资料作了一个简单介绍后，提出了一个新的矩形窗口的圆和椭圆的裁剪算法。该算法与原有算法相比，在计算量和算法复杂度方面均有较大的改进。     

一种基于二叉树结构表达的矩形物体布局的启发式方法

本文提出了一种利用二叉树结构表达矩形物体布局状态空间的方法．通过将布局空间依次分割，每次放入相对于当前布局空间来说是满足特定条件的最优布局块，并将该布局块定位于当前布局空间的左上角来完成不同大小矩形物体的布局方案的确定．通过调整调序因子ＫＡ和ＫＢ的值，可得到满足不同要求的优化布局方案．同时，所得布局方案均满足工业上一刀切的要求．实验结果证明了该算法的灵活性和有效性．     

时序模式发现算法研究

针对时序数据 ,提出一种新的时序模式的逻辑表示法 ,通过分段线性表示法 ,将时序曲线拟合为线段序列 ,从而以相对应的线段的斜率反正切值序列作为模式的逻辑表示 .在此基础上 ,设计出时序模式发现算法 ,此算法能够自动地发现所有 (子 )模式 .有关实验结果证明算法是行之有效的 .     

二维优化排样方法及实现技术

在工业应用领域中存在大量的二维下料问题,其中应用最多的是矩形件下料问题.矩形件下料问题的关键是寻找二维平面的优化布局.针对工业生产中实际存在的问题与约束条件,给出了新的规则设计理论和数据模型,利用覆盖率和有效覆盖率的概念来控制余料合并操作的执行,运用布局规则、组合规则和切割规则给出了一种新的启发式算法.实验分析和工业应用证明,该启发式算法可以有效地提高板材的整体利用率,极大地减少了板材损耗.     

ASS算法分析与改进

本文提出了一种新的排序方法－－数轴分段排序算法，此方法彻底抛弃了传统排序算法对数据反复比较和交换两种操作，以数据值同空间的对应关系完成其排序过程。其排序运算量为Ｏ，达到了排序运算量的下限。     

一种改进的二值图像矩形划分编码

矩形划分编码根据两点能够确定一个矩形的原理,把二值图像划分为矩形区域从而达到压缩图像数据的目的.由于图像边缘区域黑白像素混杂,导致图像划分时会标识出许多长而狭窄的矩形,这样得到的压缩效果并不理想,压缩比不高.针对这一局限进行了改进,提出了矩形窗口搜索算法,对图像中黑白像素区域都进行矩形窗口滑动搜索划分,以获取数量较少的能够覆盖像素区域的矩形.实验证明,改进的算法在划分矩形时能极大地减少矩形数目,提高压缩效率.     

一种核模糊聚类的改进及其在育肥猪出栏中的应用

核模糊聚类算法不适用于含孤立点与噪声点的数据,并且对初始化中心敏感。针对此种情况,结合减法聚类,对样本加权,放宽隶属度归一化条件,提出基于减法聚类的加权核模糊聚类。通过IRIS和WINE数据集证实改进算法比传统的核聚类算法具有更高的健壮性与抗噪性,并将改进后的算法运用在育肥猪出栏中,验证了算法的实用性与可行性。