基于动态择优组合的板材切割下料算法

针对二维矩形板件排板利用率问题,提出了一种矩形板件优化组合的排板算法.该算法在最低水平线搜索算法的基础上加入了动态择优组合算法.通过启发式定位算法可以得到板材的切割路径以及板件的排放位置信息.为缩短每次优化排列组合的计算时间,采用了易于描述板材、板件信息的C#语言.为提高板材的利用率,将每次的余料加入数据库并被优先利用...     

采用分层搜索填充策略的启发式带排样算法

要解决的矩形件带排样问题是指在宽度固定高度无限的二维板材上,排放给定的矩形件集合,矩形件的边必须与板材的边平行或垂直,且不允许重叠,排放最终目标是使所消耗的板材高度最小.针对此问题,采用启发式的分层搜索填充策略进行排样,先根据矩形件最长边的长度值降序排序,然后按照下-左优先原则依序填充或搜索现有的闲置空间进行填充,闲置空间包括已填充矩形件顶部空间和层末空间,空间不够时则建立新层.该启发式算法可采用成本较低的剪切方式进行切割,具有材料利用率较高、切割工艺简单、余料价值高等特点,且算法复杂度低,具有广泛的应用场合.     

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.     

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.     

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.     

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.     

钣金件剩余矩形排样遗传优化方法研究

为了提升钣金件排样的板材利用率,对剩余矩形排样算法进行了分析改进,结合遗传算法,提出了一种更为有效的排样算法.在分析研究剩余矩形排样算法在排样过程中的不完善之处后提出了改进方法,验证了其有效性.基于遗传算法对排样优化进行求解,确定了适用于排样优化的编码方式,在基本遗传算法的基础上加以改进,编写了选择算子,交叉算子及适应度函数,将遗传算法与改进后的剩余矩形排样算法结合进行排样优化,提升了板材利用率.实例测试结果表明:在改善的剩余矩形排样算法基础上运用遗传算法实现钣金件排样可有效提升钣金材料利用率,该方法有效可行.     

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。     

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。     

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。     

大规模矩形零件优化套排的遗传算法

采用遗传算法对大规模矩形零件在板材上的套料方案进行优化,以提高板材利用率和降低生产成本。建立了优化套料的遗传算法模型,描述了算法的实现技术。通过计算实验证明此算法能得到很好的矩形零件排样的优化方案,可以显著提高板材的利用率。     

矩形件排样优化的最小余料删除法

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———最小余料删除法.实验结果表明,同近似算法相比,最小余料删除法既满足实际生产的工艺要求,并能使板材利用率提高10%以上.     

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.     

一种矩形件布局问题的求解方法

布局问题来源于生产实际,在提高板材利用率以节约原材料,降低成本,提高经济效益,对各行业均有重要意义。针对遗传算法在矩形件布局问题中的实际特点,并分析了矩形件布局给定排放顺序的排放算法,并提出了一种新的排放算法——最低水平线旋转搜索法,并将这种算法和遗传算法结合应用于矩形件布局问题的求解。计算实例表明这种新的排放算法可以和遗传蚁群算法有效的结合。     

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。     

互补件排样优化算法的研究

对下料件排样问题进行了深入分析,提出一种互补件排样优化算法.以该算法为核心的排样系统能够根据下料件的图形信息,自动快速地确定排样参数,具有计算速度快、板材利用率高的优点.     

二维矩形件组块优化切割的研究与实现

针对当前矩形件切割中板材和能源浪费、切割效率不高、切割质量不好等问题，从切割路径的优化入手，采用把相同尺寸的矩形件进行组合形成组合矩形块的思想进行优化排样；利用共边切割和连续切割，提出了一种适用的组合矩形块切割方式，并利用遗传算法解决了多选择、切割始终点不一致的组合矩形件切割顺序问题。算例表明，该切割方法不但能很好地满足工艺要求，而且使切割路径得到优化。     

不规则件最优排放布局的实现

使用遗传算法,突破了通常只按照某种固定的标准(如按面积大小)确定的零件的排样顺序,通过全局优化概率搜索产生最佳的排样次序和每个排样件的旋转角度,得到最优的排样顺序;用改进的平行线分割一步平移法,计算出了两个相交的图形不重叠所需移动的距离;用最低水平线定位算法确定了每一个排样件在板材上的定位位置。通过实例可看出板材的利用率得到了很大的提高。