定序列矩形件优化排样的二维搜索算法

为了提高矩形件排样时材料的利用率,针对定序列矩形件优化排样问题,本文在＂基于最低水平线的搜索算法＂的基础上,提出了一种改进的矩形件优化排样算法——基于最低水平线的二维搜索算法.此改进算法在＂基于最低水平线的搜索算法＂基础上,进行了排样宽度的二维搜索,并将该改进算法与其他算法进行实例排样比较,排样结果表明,改进后的排样算法能有效地利用排样时产生的空白区域,在提高材料利用率上具有可行性和有效性.     

矩形件排样优化贪婪算法及系统开发

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,在此基础上,提出一种新的排样算法——贪婪算法.该算法的主要思想是在每次排样过程中,都用面积最大的矩形件对板材进行填充.同时,开发了一个矩形件排样优化系统.实际排样结果表明,贪婪算法能够获得比近似算法更有效的排样结果.     

变压器制造中钢板数控下料排样案例分析

本文结合常州变压器厂中厚钢板数控下料实例,对人工排样与计算机优化排样方案进行对比分析,说明应用优化排样系统的优点与节材潜力,并提出一些提高钢板下料利用率的措施供生产厂家参考。     

矩形件排样优化的双向双原算法

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,并在此基础上提出了一种新的排样算法-双向双原算法.该算法的主要思想是:首先采用局部最优原则,将板材划分成两段,然后将该分割点设定为两个待排区域的原点,最后采用改进的近似算法对其进行排样.实际排样结果表明,双向双原算法既满足了实际生产的工艺要求,又提高了板材的利用率,获得了比近似算法更好的排样结果.     

基于遗传算法的二维不规则形排样研究

二维不规则零件的排样问题,在理论上属于NP完全问题,有着较高的计算复杂度,求解很困难,但是在工业上有着广泛的应用,迫切需要解决此类问题.笔者结合启发式算法思想,将二维不规则图形排样问题建模成一个变异的旅行商问题,采用遗传算法求解.并在经典BL排样算法基础上进行改进,提出了一种基于多路径搜索的图形排样算法,在此排样算法基础上,应用遗传算法优化计算,成功的解决了不规则图形的排样问题.     

缺陷石板的计算机优化排样

目的利用遗传算法解决缺陷石板优化排样问题以提高石材大板的利用率.方法提出了一种基于遗传算法的缺陷石板优化排样方案,建立优化排样数学模型,并采用C#语言结合AutoCAD平台开发出了缺陷石板矩形单一排样程序模块.结果遗传算法实现对缺陷的石板进行实时优化排样,开发程序可以进行石材参数化设计,板材设计和表面廓形数据采集系统无缝连接,对板材进行在线测量和实时分割优化下料.结论该方法在分割缺陷石板时避开了石材表面空洞、大斑、裂纹等缺陷,提高了石材加工和设计效率,提高材料利用率,较好地解决了缺陷石板的二维矩形件单一优化排样问题.     

变压器制造中钢板数控下料排样案例分析

本文结合常州变压器厂中厚钢板数控下料实例，对人工排样与计算机优化排样方案进行对比分析，说明应用优化排样系统的优点与节材潜力，并提出一些提高钢板下料利用率的措施供生产厂家参考。     

二维矩形排样问题的启发式算法

矩形件优化排样问题具有多个算法,但是这些算法均有一些局限性,如排列不规则,计算量巨大等等。本文给出了单一尺寸的矩形排样问题的几种启发式算法, 它克服了现有众多排样算法执行效率低的缺陷,使板料排样的执行效率和优化率均得以显著提高,并用Delphi编程实现,可直接应用于实际问题中。     

基于遗传模拟退火算法的矩形件排样

将遗传模拟退火算法运用在矩形件排样中,利用遗传模拟退火算法的全局搜索能力,寻找出排样件最优的排样次序(排列最紧密),再结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。此结果适合应用于大批量、多种类的矩形件优化样。     

一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

SLP在液压件厂平面布置中的应用

介绍如何利用SLP对某液压件厂进行总体的平面布置设计;通过对该液压件厂基本要素分析和作业 单位之间的物流分析,运用经典的系统布置(SLP)理论求得设施间的相互关系;根据物流关系确定目标参数值,采用 遗传算法求解具体的平面布置优化方案;最后对优化的平面布置方案用成本比较法进行评估,证明了用SLP进行平 面布置的可行性和优化性。     

基于碰撞算法的冲裁件优化排样系统的开发

把碰撞理论应用在冲裁件优化排样中，通过增加对圆弧分段处理的步骤，采用直接对圆弧计算的方法，减少了计算复杂度。解决了排样件的非直线轮廓线性化所带来的离散精度与计算效率的矛盾。适合用于解决含有圆弧的复杂轮廓的同类零件优化排样。基于此算法作者开发了冲裁件的优化排样系统，自动计算零件间的碰撞距离、冲裁步距和最优排放角度。利用本研究的对头双排法裁料，可以把材料利用率从普通双排的76．6％提高到81．4％。     

基于启发式二步搜索法的二维板材自动排料系统

为实现多种类不规则板类零件二维排料过程自动化,提出了一种新的排料算法——启发式二步搜索法。通过对零件预处理、计算评价函数、确定合理的零件选择规则和定位规则,完成了零件在板材上的排放。最后,通过排料实例验证了算法的有效性和系统的实用性。     

不规则鞋片的自动排料设计

为了实现多种类二维不规则鞋片排料过程的自动化,在基于人工智能的启发式搜索方法的基础上提出了一种自动排料算法.该算法通过生成轮廓多边形,根据材料利用率来确定一种鞋片的选取和定位规则,完成鞋片在样板上的自动排放.最后,通过排料实例计算该排料算法的材料利用率和运算时间来验证该算法的有效性.     

基于遗传算法的多目标双行车间布局改善方法

在原有布局的基础之上,对双行布局车间进行布局改善。建模过程中,以物料搬运成本、改善过程中产生的设备移动成本,以及基于生产节拍的效率成本作为目标,同时考虑到了车间中的通道和各设备的搬运出入点,应用遗传算法进行求解,并进行了适应度函数的尺度变换以避免早熟。通过实例演示了该布局方法的操作过程及有效性。     

虚拟车间设备布局优化的三维可视化研究

研究了基于虚拟现实技术和遗传算法的设备布局优化的三维可视化问题,采用遗传算法作为车间设备布局优化的计算算法,并应用于Multigen-Paradigm公司的Vega环境下建立的虚拟车间系统,通过遗传算法优化模块得到布局文件在虚拟车间中显示三维的优化结果,同时可以在系统中进行实时浏览和生产过程的仿真.     

基于神经网络的不规则件排样技术

提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。     

服装矩形样片组合优化模型及其求解算法

服装排料问题是指如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大。根据实际技术需求,在服装样片矩形化的基础上,建立了混合组合方式下的服装最优排料的数学模型,并将最优化方法与实际服装排料经验相结合,设计了整体排料最优求解算法。最后,通过实例证明了所提出的服装排料数学模型的正确性。     

基于SLP法的零件加工车间布置优化

为了提高车间设备利用率,运用系统布置设计对某工厂零件加工车间设施总体布置进行了评价,得到了作业单位综合接近度排序表。对车间布置和生产流程进行了Flexsim建模和仿真分析,并通过调整零件生产流程与整合设备配置,确定了优化后的车间布置方案。结果表明:优化后的方案提高了车间的设备利用率和腾出了更多空间,使部分零件的生产流程趋于合理。研究工作增加了传统布置设计方法无法考虑到的因素,为车间实际生产过程提供了有效的仿真数据,提高了优化方案的可行性。