基于改进遗传算法的铝合金型材下料方法研究

铝合金型材的下料问题属于一维下料问题。主要针对多规格铝合金型材下料问题,在铝合金原材料长度大于零件长度的情况下,采用了蚁群算法和遗传混合模拟退火算法两种不同的求解方法求解多规格铝合金型材下料问题,并进行分析对比。根据某门窗有限公司在铝合金门窗方面实际下料情况,建立一维下料优化模型并设计算法,通过MATLAB进行编程,并以企业的门窗切割实例进行模拟计算。结果表明,遗传混合模拟退火算法比蚁群算法更为优异,能有效提高铝合金门窗下料的材料利用率。     

面向可加工性的矩形件优化下料方法

针对多规格、大批量的矩形件优化下料问题,综合考虑原材料利用率高、切割加工路径短等优化目标,提出一种面向可加工性的矩形件优化下料方法。运用矩形原材料单方向余料最小化计算方法优选出候选板条,候选板条构造过程中的共边排样可用于共边切割,缩短了矩形原材料上局部切割加工路径;利用基于候选板条的连续启发式排样算法实现矩形原材料上优化排样设计,保证高原材料利用率的同时,简化了矩形原材料上切割加工总路径。通过实例验证了所提方法的可行性和有效性。     

递推矩阵的列生成算法下的一维下料方案研究

针对工程实际中一维下料优化问题,这里采用以原材料使用量最少为目标,以每根原材料的余料长度小于最短零件长度等为约束,建立数学优化模型,提出使用一种基于递推矩阵的列生成算法进行求解该模型.此算法主要通过求解列生成优化模型中的递推矩阵,生成添加列,最终得出下料方案.最后针对单一订单的情况,并根据实例优化计算所得结果进行对比,...     

蚁群算法在一维下料优化问题中的应用

研究了一维下料优化问题,建立了一维下料的双目标多约束数学优化模型,并给出了求解模型的蚁群算法的具体实现过程;针对模型的特殊性,提出了零件编码和将所有下料方式首尾连接转化为蚂蚁路径的方法,并讨论了初始化参数变量的选择问题。通过一维下料实例进行验证,计算结果表明,此算法可逼近理论最优解,收敛速度较快,理论上可以解决多规格大规模的一维下料优化问题。     

基于混合顺序启发式算法的一维下料问题

针对一维下料问题,提出一种改进的混合顺序启发式算法。该算法修正了传统顺序启发式算法的待切子集选择策略,采用广度搜索算法在有限时间内解决终止条件问题,根据用户最大时间容忍度动态地改变参数。最后采用C#进行编程,实现了该算法,通过对比证明算法的有效性。该算法在马鞍山钢铁公司车轮分公司正式使用了两年多,使切割率提高4%。     

多规格—维型材优化下料

针对工程实际中常见的多规格一维型材下料问题,本文根据原材料数量是否满足下料要求将该问题分为完全下料和不完全下料两方面,分别建立优化模型。在传统遗传算法的基础上,引入FFD、BF近似算法的思想,提出求解该类问题的混合遗传算法,并编制相应软件。最后给出一个工程项目的下料算例,实际使用表明,本文方法的效果是令人满意的。     

面向排样方式中零件种类数约束的一维优化下料方法

在一维下料方案的每种排样方式中,零件种类数决定后续切割加工过程中零件分类搬运的复杂度,进而影响下料全过程的加工成本。针对这类问题,以最小化原材料成本为主要优化目标的同时,兼顾考虑排样方式中零件种类数这一重要约束,建立了基于排样方式中零件种类数约束的一维多种原材料下料问题的数学模型,提出了一种面向排样方式中零件种类数约束的一维优化下料方法。采用基于排样方式中零件种类数约束的排样生成方法,获取多种原材料利用率高、同时满足排样方式中零件种类数约束的排样方式;以每种排样方式为基础,运用基于排样方式中零件种类数约束的顺序启发式算法生成多种优化下料方案,选取加工总成本最小的一种下料方案作为当前最优的下料方案。最后,通过实例验证了所提方法的可行性和有效性。     

基于在线检测动态一维下料问题的GPU并行蚁群算法

随着在线检测技术发展,生产线上的物料需要根据检测结果进行快速切割。已有一维下料优化问题是根据全局目标进行建模的,其最优化算法不能满足实时调整切割方案的要求。本文首先根据物料在线检测及切割特点提出了动态多规格一维下料优化问题,并给出最优化模型;然后结合GPU特点创建并行蚁群算法来求解多规格动态一维下料问题,以保证在有限时间内求得近似最优结果;经过算法分析证明,对于大规模数据变量,并行蚁群算法效率高于传统蚁群算法。通过实验表明,在大规模数据量下,此并行蚁群算法与传统蚁群算法和分支定界算法相比,能够在较短时间内得到较优切割方案。     

一维下料问题的优化算法及其编程

提出了一种下料方案的算法,结合Kantorovich建立的线性规划模型,给出适合一维下料问题的数学模型.设计了一种求最优解的算法,并对最优解进行了分析.利用计算机编程完整地实现了一维下料问题的优化,解决生产中广泛存在的一维下料问题.     

整数非线性规划方法优化下料问题

探讨了生产实际中一维下料的优化问题,建立了下料问题的非线性整数规划的数学模型,并通过LINGO程序获得该优化模型的解。该方法适用于较大规模的型材下料问题,能够提高原材料的利用率。     

可焊接的一维排样问题的一种启发式算法

根据某大型钢结构生产企业提出的型材下料时既要切割又要焊接的生产工艺问题，构造出一种可焊接的一雏排样问题的启发式算法。该算法以矩阵来表述问题的数学模型，可以通过直接在矩阵上进行操作来求问题的可行解以及优化该可行解。通过对企业实际数据的实算，从型材利用率和剩余型材的零散程度对这一算法进行了评价。     

两阶段法求解1.5维切割问题

切割问题亦称为下料问题.多维切割问题是机加工、木材加工和造纸等行业在生产中经常遇见的实际问题.1.5维切割问题是介于一维和二维切割问题之间的一类问题.针对1.5维切割问题的特殊性,采用两阶段方法进行求解.第一阶段是将1.5维切割问题转化为一维切割问题,第二阶段首先利用一种启发式算法得到一组初始解,然后使用粒子群算法对初始解进行优化,得最终解.     

Generating multi-section silicon steel sheet cutting patterns in the manufacturing industry of electric generators

Circular and sectorial blanks are often cut from silicon steel sheet to make stators and rotors of electric generators. This paper presents an algorithm to generate optimal multi-section cutting patterns for the blanks. A cutting pattern includes one or more sections, each of which consists of strips of the same direction and length. Blanks in a strip are of the same size. The algorithm employs dynamic programming to generate cutting patterns, and linear programming to determine the cutting scheme. Cutting stock data from a factory that produces electric generators are analyzed, and the results indicate that the algorithm is efficient in improving material usage.     

一刀切问题的优化二叉树排样

为了在提高板材利用率的同时提高全料的二次利用率,以二维一刀切下料问题为研究对象,根据现实约束提出了优化二叉树的启发式算法。该算法基于最小空穴插入最大零件、零件靠左靠下放置、整除求余确定零件转向以及板材的整点切割等规则,给出兼容多板料的一刀切排样动态寻优算法流程;提出余料的动态拆分和合并思想,根据相邻关系将余料分为一类空穴和二类空穴两种类型,设计分裂、合并、Strip、Shake等算子,实现了一刀切下料的动态快速优化求解。基于本算法开发的系统在企业中的实际应用表明,所提算法能够在提高板材利用率的同时,有效避免余料的碎化,提高余料的二次利用率。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree,RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率.首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用...     

金属冲压智能排样法

针对冲压件排样过程如何进行有效的控制和规划并使局部优化策略朝着有利于全局优化的方向发展的需求，提出数学方法、子目标法、启发式搜索法及符号推理方法并行求解的智能优化排样方法。首次将制件下科技术的作业性作为排样的一种约束条件，探讨了智能优化排样的一些关键技术。