两级定位—路径问题的路径重连变邻域搜索人工蜂群算法

为适应物流需求从少品种大批量到多品种少批量的转变,建立了两级定位—路径问题的数学模型,提出求解该问题的路径重连变邻域搜索人工蜂群算法,即在基本人工蜂群算法中嵌入近年来广泛应用于组合优化问题求解的两种启发式搜索策略——变邻域搜索和路径重连。采用Lingo求解小规模两级定位—路径问题;选取三组较大规模的两级定位—路径问题,分别采用基本人工蜂群算法、路径重连人工蜂群算法、变邻域搜索人工蜂群算法和路径重连变邻域搜索人工蜂群算法进行求解。结果表明,所建数学模型是正确的,所提算法不但能够取得更好的优化结果,而且具有更好的收敛性。     

有约束单一尺寸矩形毛坯下料问题的一种求解算法

讨论有约束单一尺寸矩形毛坯下料问题:切割库存板材满足一定数量的单一尺寸矩形毛坯的需求,优化目标是使所切割的板材总面积最小,该问题广泛的出现在制造业领域的板材切割下料环节。提出一种基于五块布局模式的优化下料算法。首先调用无约束五块布局算法生成整张板材上的毛坯排样方式,然后调用有约束五块布局算法生成部分板上的毛坯排样方式。使用算例对文中下料算法进行了测试,并与文献中下料算法进行了比较。实验结果表明,下料算法可以提高下料利用率,而且计算时间合理。     

满足“一刀切”约束的矩形件交互式排样系统

在诸如玻璃、木材等板型材的加工过程中,受制造过程和工艺的影响,其下料排样方案必须满足"一刀切"约束——"从矩形板材的一端,沿直线方向切割到另一端,将其分割成两个独立的矩形件"。下料排样时,通过智能优化软件和方法获得的下料排样方案仍有可能进行多次交互式调整,形成的排样方案仍然需要满足"一刀切"约束。针对这一需求,在拥有自主知识产权的排样系统的基础上,设计和开发了满足"一刀切"约束的矩形件交互式排样系统;开发了具有矩形件增、删、旋转和移动功能的交互式排样组件;定义了原材料有效利用率这一核心概念;提出了一种以切割线总路径为优化目标的切割线生成算法,该算法能自动生成排样方案的切割线,同时也能保证切割方案的"一刀切"约束。     

矩形件优化排样算法研究

矩形件排样的合理性直接影响着板材的利用率。考虑到板材下料中纤维方向和一刀切等工艺约束,结合实际作业中切割机器的刀缝限制,建立了板材原料利用率最大的矩形件优化排样模型,同时设计了不同切割方式下的规则算法进行求解。算例结果表明,不同切割方式下的规则算法能够得到板材利用率不同的矩形件排样图,且都能较快地得到最优解,为实际作业提供决策支持。     

基于双种群遗传算法的含缺陷矩形件排样优化研究

结合缺陷约束的最低水平线算法与双种群遗传算法,对板材内部含缺陷时的情况进行矩形件排样优化。用双种群遗传算法对矩形件排样顺序进行寻优,将矩形件的排样顺序和旋转方式划分为2个种群分别进行遗传迭代,并结合改进的初始种群生成策略,改善算法的搜索效率及全局寻优能力。基于缺陷约束的最低水平线算法通过更新缺陷矩形轮廓信息与引入缺陷位置约束判断,使矩形件在根据优化顺序排样时可避开缺陷部位。通过算例运算测试可知,相比于经典遗传算法,所提算法在4种不同数量缺陷的板材中,最优板材利用率与排样优化稳定性均有所提高。双种群遗传算法和基于缺陷约束的最低水平线算法可在含缺陷板材的排样问题中得到推广应用。     

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。     

矩形毛坯三块排样方式及其算法

采用线性规划和动态规划解决矩形毛坯排样问题。采用下料工艺简单的三块排样方式,用两条成T形的剪切线将板材分成三个矩形区域,每个区域中包含一个由同尺寸毛坯组成的规范块。实验计算表明,所述算法可解决大规模矩形套裁排样问题,能够有效提高材料利用率和简化下料工艺。     

解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

遗传算法在风管制造排样中的应用CSCD

针对风管制造下料的排样问题,结合包络矩形算法、空余面积扫描算法和遗传算法应用,对零件进行旋转拼接、碰靠处理,提高原材料的利用率。改进了遗传算法的设计编码和适应度值,保证整条风管生产线的生产效率和连续性。设计了排样程序并进行仿真,结果表明了所提出的算法具有可行性与有效性。     

一种针对绝缘纸板排样的混合算法

绝缘纸板排样属于"一刀切"的二维矩形排样问题,是一个NP难问题,在造纸、变压器制造等领域有着广泛的应用。提出了一种改进的剩余矩形填充算法和遗传算法相结合的混合算法,建立绝缘纸板排样的数学模型,在满足"一刀切"工艺的同时,能使同种类零件尽量排放在一起,方便加工。算法解决了多种类零件、多种类板材排样的组合优化问题,并结合工厂下料实例,得到了更优的排样方案,大大提高板材利用率。最后总结并分析了二维排样问题的前景。     

遗传算法在风管制造排样中的应用

针对风管制造下料的排样问题,结合包络矩形算法、空余面积扫描算法和遗传算法应用,对零件进行旋转拼接、碰靠处理,提高原材料的利用率。改进了遗传算法的设计编码和适应度值,保证整条风管生产线的生产效率和连续性。设计了排样程序并进行仿真,结果表明了所提出的算法具有可行性与有效性。     

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。     

多板材单一圆片剪冲下料的一种优化算法

讨论多板材单一圆片剪冲下料问题,即使用剪冲工艺将若干种不同尺寸的板材剪冲出一定数量的单一尺寸圆片,优化目标是使得材料利用率尽可能的高。文中采用由圆片条带组成的规范多级排样方式,简化剪切工艺;采用多板材组合下料方案,提高下料利用率。首先运用动态规划算法确定圆片在每种板材中的排样方式;然后运用整数规划算法确定多板材组合下料方案。计算结果表明,对于板材使用张数无约束问题和有约束问题,文中算法生成的下料方案比文献中算法生成的下料方案,下料利用率分别提高了1.75%和1.38%。     

矩形件排样优化的背包算法

根据矩形件排样的实际下料工艺要求，将一个二维排样问题转化为一个一维下料问题，并构造了一个利用背包问题解法的矩形件排样的近似优化算法。     

单一尺寸矩形件下料问题的一种精确算法

针对机械制造业领域的单一尺寸矩形件下料问题,提出一种基于整数规划和约束规划的精确下料算法。首先在板材上刻画W+1条等距的水平基线;然后建立下料问题的整数规划数学模型,求解出最优下料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,画出最优下料方案图。将这里算法与文献中单一尺寸矩形件下料算法进行比较,数值实验结果表明,这里算法求得的下料方案板材利用率更高。     

面向多约束矩形预制构件的自动排板算法研究

目前大多数预制构件生产企业采用人工排板方式,工作效率低,模台利用率低。基于排板问题的分析,建立了一种考虑间距约束、钢筋交叉和超边界约束的矩形预制构件排板优化模型。根据该排板优化模型研究了矩形预制构件自动排板算法,开发了预制构件自动排板系统。通过某预制构件生产实例对该自动排板算法进行了应用验证。     

基于改进遗传算法的矩形件下料优化方法研究

为提高制造过程中钢材的利用率,针对矩形零件的排样下料问题,提出了一种采用混合遗传算子的遗传算法与最低水平线搜索算法相结合的优化方法。该方法以原材料利用率最大为目标,建立了钢构矩形件下料优化数学模型,并利用遗传算法在所得到的解空间中进行全局优化概率搜索,获得矩形件的排放序列,并采用最低水平线法对其进行自动排样以得到最优排布解,最后经过实例验证该方法的可行性。     

灰狼算法在定制化家具矩形件排样中的应用

针对定制化家具矩形件排样问题，以板材的利用率最大化为目标，建立矩形件排样模型，提出一种改进的灰狼算法进行求解，针对定制化家具的零件差异性较大的问题，在矩形件排样定序问题中，采用改进的灰狼算法进行求解，改进算法的编码方式、游走和奔袭策略，在矩形件排样定位问题中，采用改进的最低水平线定位算法，实现矩形件定位过程中的零件序列微调，并确定排布位置，再次优化排样方案，实现利用率最大化。     

不规则件优化排样的小生境遗传模拟退火算法

提出一种基于小生境遗传模拟退火算法求解不规则件排样问题的方法。该方法首先充分考虑不规则形状零件自身的形状特征,采用组合矩形包络算法将二维不规则零件的排样问题转化为矩形件的排样问题,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,从而导致材料可能发生的利用率过低问题;然后利用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;最后用"最低水平线与填充算法相结合"策略的启发式排样算法实现自动排样。实例表明了该算法的有效性和实用性。