基于遗传算法的二维排样优化方法

遗传算法是一种全局最优化的数值优化方法,由于搜索过程不依赖梯度信息、不易陷入局部最优解,它适合解决各类优化问题,尤其是复杂的非线性问题。二维排样是典型的组合优化问题、应用遗传算法,建立了排样优化问题的数学模型,提出了解决这一问题的有效算法,开发了实用的排样软件,并给出了计算实例。     

缺陷板材二维排样的一种随机密钥遗传算法

讨论缺陷板材二维排样问题,即用一张带缺陷区域的板材切割出若干种矩形件,对每种矩形件允许从板材上切割的数量不做限制,优化目标为板材切割出的矩形件的总价值最大.将放置规则和随机密钥遗传算法相结合求解排样方式,用放置规则确定当前待排样矩形件在板材上的放置位置,用随机密钥遗传算法确定矩形件的排样序列和排样参数,用极大空闲空间技术处理板材的空闲空间和缺陷区域.为了提高遗传算法对解空间的搜索范围,放置规则采用最下最左和最左最下两种不同的启发式.通过数值实验比较所提方法与文献方法,实验结果表明,所提方法计算时间较少、排样价值较高.     

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.     

一种有约束矩形排样问题的求解算法

对属于NP完全问题的有约束矩形排样问题，国内外多采用计算复杂度较小、时间较快、便于控制问题约束条件的启发式方法.分析了启发式排料算法影响优化程度的原因，提出利用回溯寻求优化零件组合的混合启发式策略，并利用排样过程中产生的小剩余区域划分与合并的方法和现有的矩形排样启发式算法相比，说明该方法可以更大地提高板材的利用率.     

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.     

矩形排样的一种算法

针对当前矩形排料的问题，分析了当前矩形排料的一些算法，结合计算机自动排样速度快和人工排样灵活的特点，提出了一种新的人机排样的算法，构造了相应的模型，并开发了自动排样和人工排样相结合的交互式排样软件。与自动排样比较，排样的利用率由87．73％提高到94．17％。     

基于遗传算法与重心最小化的二维不规则图形排样

采用不规则图形挤压算法,在不规则图形排样过程中通过向左、向下挤压以实现重心最小化,尽管该方法计算量较大,但能有效提高板材的利用率.     

基于蚁群算法的矩形件优化排样问题

由于蚁群算法具有正反馈并行自催化机制和较强的鲁棒性等优点,逐渐成为一种应用广泛的元启发式算法。针对矩形毛坯在定宽无限长的板材上排样这个NP难问题,提出采用蚁群算法进行求解。采用1种2步法:第1步利用蚁群算法寻找最优底部毛坯排放顺序得到条形料排放顺序,第2步采用一种宽度方向最大填充排放算法来排放每个条形料。并将得到的结果与以往算法的结果进行比较,进一步验证了蚁群算法的优越性及处理矩形件排样问题的有效性。     

计算机辅助板材排样系统的研制

针对石油化工工业中存在的板材排样问题,采用矩形包络法将不规则图形转化为规则图形,在此基础上进行优化排样。实践证明,该排样系统是行之有效的。     

基于改进蚁群算法和剩余矩形法的二维矩形件优化排样

二维矩形件优化排样是一类具有NP完全难度的组合优化问题。提出了一种基于改进蚁群算法和剩余矩形法的新型混合算法对其进行求解。通过针对最优个体的变异策略和具有随机选择机制的路径选择规则,提高了算法的全局寻优能力。在每一代的寻优过程中采用剩余矩形法完成矩形件排样,以改善算法的局部寻优能力。将该文算法与已有算法通过两个仿真实例进行了对比分析,仿真结果表明该算法具有明显的优势。     

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。     

基于二重结构编码遗传算法的传感器优化配置

传感器的优化配置是一类组合优化问题,针对此问题,文章以应变模态保证准则SMAC为优化原则,以SMAC矩阵的最大非对角元为目标函数,针对满足传感器数量不变的约束条件问题,提出改进的二重结构编码遗传算法,并通过现有文献中的算例验证本文所提算法的高效性。算例结果表明,该遗传算法优化结果优于现有的遗传算法,将其应用于复合材料板模型损伤诊断的传感器优化配置是可行的。     

改进遗传算法在WiMAX基站选址问题中的研究（增刊）

针对无线网络规划优化中基站选址问题，建立了一种适用于WiMAX基站选址问题的模型。利用遗传算法中的一些算子所具有的选择、交叉、变异和迁移等特性，提出了改进的遗传算法，设计了一种高效的十字搜索算子(CSO），并将其应用到WiMAX基站选址问题的研究中。仿真结果表明，所提出的改进的遗传算法与基本遗传算法和已有算法相比，收敛速度大大提高，并能在理想的迭代次数内得到全局近似最优解，搜索效果优于已有算法。     

基于遗传优化策略的传感器配置算法

传感器配置是传感器网络研究的核心问题之一.传感器网络配置可以有效布置传感器网络节点、合理覆盖感知数据区域、延长感知区域传感器网络的运行周期,既能够准确地采集感知区域的数据信息,又能够充分管理传感器网络资源.本文提出了在传感区域中一个有效的基于遗传算法策略的的传感器配置算法,算法目标在于优化传感器数量并且确定它们的位置以支持分布式传感器网络.实验结果表明这种算法非常有效.     

用遗传算法优化飞剪机剪切机构

本文利用MATLAB编写了遗传算法(GA)程序,并利用遗传算法对飞剪机剪切机构进行优化计算,然后将结果与用内点混合惩罚函数法求解的结果比较,发现利用遗传算法有利于对函数进行全局寻优.     

混合遗传算法的最优通信频率分配研究

随着移动通信的迅速发展,飞速增长的用户数量与有限的频率资源这两者之间的矛盾越来越突出,如何能高速有效地分配有限的通信频率是通信公司的重要任务。针对此问题,采用混合遗传算法为通讯基站分配通信频率,该分配算法违约率低,分配速度快,可以在规定频率范围和时间内生成最优频率分配。     

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。     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.