冲裁条带最优多段排样方式的动态规划算法

讨论冲裁件无约束剪冲排样问题,用动态规划算法生成冲裁条带多段排样方式。采用一组相互平行的分割线将板材分成多个段,每段含一组方向和长度都相同的条带。通过动态规划算法确定所有可能尺寸段的最优价值以及板材中段的最优组合,使整张板材价值达到最大。实验结果表明该算法能够提高材料利用率,计算时间能满足实际应用的需要。     

求解板材排料问题的新方法

§１．引言 板材排料问题是家具、包装、地毯等行业常见的一个问题．它是指将一批不同种类的待排矩形件全部排放在给定的板材上,使排料所用的板材数量尽可能地少,即板材的利用率尽可能地高．实质上是一个组合优化的二维布局问题,从计算复杂性来看,是一个ＮＰ完全问题,但至今还没有找到解决该问题的有效多项式时间算法．寻求其近似最优解的近似算法是目前解决该问题的途径之一． 国内外已有不少学者在布局问题方面作了一些研究．如有用模拟退火算法解决大规模排料问题,但其解过分依赖于模拟退火算法冷却进度表的参数的选取,而且该算法…     

改进的蚂蚁算法在矩形优化排料中的应用

矩形件优化排料问题是一类具有NP完全难度的组合优化问题.将改进的蚂蚁算法应用到矩形件优化排料问题求解中,优化试验结果表明可获得比基本蚂蚁算法更好的效果,为矩形件优化排料这类NP完全问题提供了新的思路和方法.     

基于重要度的矩形工件优化填充排样算法

大规模矩形件优化排样是一个典型的组合优化问题,属于NP2hard问题。矩形件优化排样已广泛应用于板材切割、瓷砖铺设、服装裁剪等行业。在实际排样工作中发现,决策者对工件的选择不仅要考虑大小、工件费用、铺设利用率等诸多因素,往往还需要考虑颜色、花式、铺设方式等因素。基于这种状况,引入排样属性重要度的概念,提出了基于重要度的矩形工件优化填充排样算法,使用计算机辅助排样。通过实例排样表明了该算法的有效性和实用性。     

基于重要度的矩形工件优化填充排样算法

大规模矩形件优化排样是一个典型的组合优化问题,属于NP2hard问题。矩形件优化排样已广泛应用于板材切割、瓷砖铺设、服装裁剪等行业。在实际排样工作中发现,决策者对工件的选择不仅要考虑大小、工件费用、铺设利用率等诸多因素,往往还需要考虑颜色、花式、铺设方式等因素。基于这种状况,引入排样属性重要度的概念,提出了基于重要度的矩形工件优化填充排样算法,使用计算机辅助排样。通过实例排样表明了该算法的有效性和实用性。     

一种基于四叉树结构的排料算法

提出了一种利用四叉树结构来描述矩形物体排料过程的算法。为了确保排料布局的合理性，满足工业上的一刀切要求，需采用组合规则和邻接规则来合成矩形块，这样做还可减少废料碎片、降低算法复杂度、提高板材利用率。     

冲模CAD中冲裁零件排料最优问题的图形处理

本文介绍了利用ＡｕｔｏＣＡＤ和ＡＤＳ编程抚育地冲ＣＡＤ系统中确定冲裁零件料最优化的图形处理方法，形显示冲裁时所使用的最少材料。为实现排料优化提供了可视化途径。     

一种分阶段优化的排料算法

提出一种基于分阶段优化的排料算法.在算法的第一阶段,在排料前先估算本阶段用到的原板材尺寸和数量,将权重因子超过阅值的待排件均匀分布在其上.在排料过程中再根据待排件权重因子和组合因子动态调整空闲区域的排料布局,从而可大幅度降低排料算法复杂度,提高板材利用率.在第二阶段,将剩余待排件合理排放在原板材上,在排料即将结束时,可根据相邻因子确定排料布局以减少废料碎片.生产实践表明,这样研制出的排料系统利用率高、布局合理,能满足工业上的一刀切要求.     

矩形毛坯排样中条带长度的约束处理

该文的排样问题是根据剪冲工艺的要求抽象出来的。剪冲工艺是指分两步将板材分割成毛坯:第一步用平剪床将板材切成条带;第二步采用剪或冲的方式,将条带切成毛坯。所考虑的工艺约束包括最小条带长度约束和最大条带长度约束,排样方式中条带的长度,必须在最小和最大条带长度约束值之间。该文对基本的动态规划算法加以改造,使之能够处理最小和最大条带长度约束,并在C++环境下,开发出同尺寸矩形毛坯排样系统UR。利用这个软件,进行了大量的例题测试,得出对生产实践具有指导意义的结论。     

生成冲裁条带四块排样方式的最优算法

提出一个生成冲裁条带四块布局方式的最优算法,用于解决冲裁件无约束排样问题。该算法用三条剪切线把板材划分成四个块,每个块里面只包含方向和长度都相同的冲裁条带。首先生成所有可能长度的冲裁条带,然后求解背包问题生成冲裁条带在块里面的最优布局,最后通过枚举三条剪切线位置得到不同的四块组合,选择使排样价值最大的四块组合生成最优的四块排样方式。实验结果表明,该算法不仅可以提高材料利用率,而且计算时间合理。     

切板机计算机辅助排料软件系统的实现

有约束的矩形排料问题是将矩形零件按沿直线切割工艺要求在原料上进行最优布局 ,使得原料的废料最少。针对这种排料问题 ,对零件和原料种类和数量有限和无限的情况 ,采用启发式的方法 ,进行有效的搜索 ,以减少计算时间 ,确保最优的排料结果的算法 ,同时还介绍了在排料实现中一些问题的处理。     

基于梯形和平行四边形的圆片剪冲下料算法设计与实现

提出一种在矩形板材上引入梯形条带来进行排样的方法,首先用两条平行的分界 线将板材分为两个大小一致的直角梯形段和一个平行四边形段,分别采用递归算法和动态规划 算法确定梯形段和平行四边形段中条带的最优组合,从而确定最优排样方式;再结合线性规划 算法解决圆片下料问题,使得整个下料方案的材料利用率最大化。最后采用大量随机生成的例 题进行实验,实验结果表明该算法能有效提高材料利用率。     

ACS算法在矩形件优化排料中的应用

矩形件优化排料是一类具有NP完全难度的组合优化问题。有关的优化问题可用与或树来描述,这样就把矩形件优化排料问题变换为寻找一棵面积比率最大的二叉树。用ACS算法实现这种树搜索,是把一定数量的人工蚂蚁分布在与或树的根节点,人工蚂蚁间通过使用信息素相互交流,完成从与或树到二叉树的选择,从而得到矩形件优化排料问题的优化解。     

基于CASE推理的排样算法

优化排料的目的是根据给定待排样品对板材进行最优切割使得板材的利用率尽可能的高。提出了一种基于case推理的优化排样算法,基本思想是对每块板材的布局都进行case推理,选取CASE中的最佳布局,若没有相应的Case,则调用启发式算法搜索。算法不但避免了组合爆炸,加快了排料速度,而且具有满意的材料利用率。目前算法已集成了作者研制的《布局之星》切割系统,实际应用表明算法是成功的。     

矩形件智能优化排样算法与应用

文章在分析智能优化算法的基础上,针对下料生产作业中解决排样问题的需要,提出了将遗传算法、模拟退火算法分别与"最低水平线法"排放算法结合来进行矩形件优化排料的方法,并通过实例分析比较了两种智能优化算法的应用效果.     

基于PSO-SA算法的优化排料研究

现今用于家具制造的木材及板材的使用量大幅度增加。板材用料的合理利用与木材资源的浪费问题,越来越受到国家及社会的高度关注。在家具生产中,板式材料的合理剪裁成为现在的研究热点。根据现代社会产生的木材合理利用为研究点采用PSO-SA优化算法,对板式办公家具木质材料的优化排料方式进行建模。PSO-SA将PSO算法的优点与SA算法的优点运用在算法的实现中,并将两种算法进行有效结合,使之达到最良好的优化效果。尽量避免和减少其余料的产生和浪费,达到利用率最高的目的。同时提高辅助材料的价值和可用性。     

矩形件优化排样的混合启发式方法

提出一种启发式递归与遗传算法相结合的混合启发式算法求解矩形件优化排样问题。首先给出一种启发式递归算法,利用该算法逐个从待排矩形件中生成局部利用率高的条料,直到所有待排矩形件均生成条料;利用遗传算法全局搜索能力强的特点,对这些条料序进行搜索重组,使其所用的板材数最少;最后再次利用遗传算法,对条料生成之前的矩形件种类序进行全局最优搜索,使总的板材利用率达到了最大。对两个典型实际算例进行计算,并与相关文献比较,结果表明了该算法的有效性。     

带预选搜索步深的二维一刀切矩形优化排料

排料问题是一种总体资源分配问题，其目标是将定量的资源划分为若干指定的份额。使剩余量极小。本文提出了一种新的二维一刀切矩形优化排料算法。实验结果表明，该算法效率高，灵活性强，可被广泛应用于许多相关排料领域。     

单一尺寸矩形毛坯排样时长板的最优分割

讨论了存在剪刃长度约束时单一尺寸矩形毛坯的优化排样问题,将板材分割成多张子板,通过优化确定子板张数、各子板长度和毛坯在各子板上的排列,使事 板材中所含毛坯数达到最大;并对Agrawal提出的单一尺寸矩形毛了优化排样方法进行扩展,构造出一种分支定界方法,用于解决长板最优分割问题,实验计算结果表明,所述算法非常有效;最后给出了例题数据的排样结果,与企业的通常做法相比较,说明了采用本方法的节材潜力。     

基于改进最低水平线方法与遗传算法的矩形件排样优化算法

传统的最低水平线方法用于矩形件排样时可能产生较多未被利用的空白区域,造 成不必要的材料浪费。针对此缺陷,在搜索过程中引入启发式判断,实现空白区域的填充处理, 提高板材利用率。在应用遗传算法优化矩形件排样顺序时,在进化过程中采用分阶段设置遗传 算子的方法,改善算法的搜索性能与效果。通过改进最低水平线方法与基于分阶段遗传算子的 遗传算法相结合,共同求解矩形件排样问题。排样测试数据表明,所提出的矩形件排样优化算 法能够有效改善排样效果,提高材料利用率。