实用异形件优化排样系统的研究与开发

对于多种不规则零件的优化排样,综合利用冲裁件排样中的图形识别和图形分析处理技术和拒形件的排样优化技术,在对它们作一些合理的改造后,有机地组合构造出多种不规则需件的5种排样算法。然后在保证可排性的条件下,将这些排样零件按不同的寻化规则排放到板材上去。为此研究开发了一些必要的许多图形处理技术,以保证算法的实现。这些算法具有优化效果好、自动化程度高、并且速度快等特点。因此在实际应用中,一般能为用户提供一个求解的效果接受率高或具有极好参考价值的解。在此基础上制作了一套操作方便、简单、快速的种不规则零件优化排样系统。     

基于遗传模拟退火算法的不规则多边形排样

将遗传授拟退火算法应用于计算机辅助排样领域，设计了一种基于遗传模拟退火技术的启发式排样算法．该算法能够处理不规则多边形的排样问题；同时，给出一种对象的几何表达方式，可以忽略高度不规则形状带来的复杂性影响．该算法通过基于遗传模拟退火算法的全局优化概率搜索，寻找排样件在排样时的最优次序及各自的旋转角度，然后采用基于左下角(BL)策略的启发式排样算法实现自动排样．     

二维不规则零件排样问题的遗传算法求解

提出一种基于遗传算法求解二维不规则零件排样问题的方法，通过提取零件的最小包络矩形，将其转变为矩形件的正交排样问题，应用一种有效的解码算法－“最低水平线法”将编码转变为排样图。实例表明，该算法是有效的。     

一种不规则零件排样的新粒子群优化策略

基于图形扫描转换的启发式底左（Heuristic Bottom-Left,HBL）算法,把一种最大速度收缩策略（Maximal Velocity Contractile Strategy,MVCS）的粒子群优化（Particle Swarm Optimization,PSO）算法应用于不规则零件的优化排样,给出了新的排样组合优化算法（MVCS-PSO）的粒子构造方法和零件排样过程,通过实例把该算法与模拟退火遗传算法（Simulated Annealing Genetic Algorithms,SAGA）进行优化排样比较,实验结果表明,具有良好的非线性和动态搜索性能的MVCS-PSO算法是求解排样问题的一种高效算法。     

板材排样问题中不规则多边形优化组合策略研究

板材排样问题是从一组给定的矩形（或非矩形）板材上切割出一批规则的和不规则形状的零件，且使板材的耗费最低。本文研究不规则多边形优化组合策略，提出一种相同零件受限递归组合算法。     

基于深度强化学习的二维不规则多边形排样方法

本文将深度强化学习应用于二维不规则多边形的排样问题中,使用质心到轮廓距离将多边形的形状特征映射到一维向量当中,对于在随机产生的多边形中实现了1％以内的压缩损失.给定多边形零件序列,本文使用多任务的深度强化学习模型对不规则排样件的顺序以及旋转角度进行预测,得到优于标准启发式算法5％-10％的排样效果,并在足够次数的采样后...     

基于样图的排样及其样图检索方法

为解决不规则图形排样问题,讨论了基于实例(样图)的推理方法在零件排样问题中的应用,给出了基于样图的排样系统结构.此方法的一个关键问题是在已知待排的零件组和板料的前提下,如何从样图库中检索出相应样图的图形匹配方法.为此提出了基于图形(组)简化骨架的模式编码的串间Findler距离的图形(组)之间相似性检索算法,并给出了算例验证.     

基于离散化和遗传算法的皮革制造中的排样问题

采用离散化处理使排样优化过程与皮料和样片的几何信息无关，解决了不规则几何轮廓约束的困扰，研究方法特别适用于二维不规则形体在多个二维不规则平面上的优化排样。     

不规则区域矩形件排样的一种改进算法

采用遗传算法解决不规则区域的矩形件带排样问题,用有序的带符号整数串作为初始种群个体,改善了初始个体解的质量.提出基于最低水平线的择优插入算法,同时考虑不规则区域的左右两端区域,选取最适合的零件进行填充,使零件排放紧凑,提高了材料的利用率.     

基于自动碰撞技术的最优排样算法

提出一种针对不规模形状冲压零件排样的智能化算法。该算法利用了一种新的自动碰撞技术以寻求尽可能多的可行排样,并自动计算碰撞零件和固定（被撞）零件之间的动态距离。     

分布式虚拟环境中的一致性问题研究

一致性问题是分布式虚拟环境中的基本问题。该文分析和总结了分布式虚拟环境中不一致问题产生的原因和将导致的结果,提出用面向对象方法中的对象-属性-事件机制解决实体状态的一致性问题,用软件时钟同步的方法解决时间一致性问题。提出了一个基于回调滞后的事件定序算法,用于解决事件处理顺序的一致性问题,用坐标转换的方法解决空间一致性问题。将这些方法初步应用于一个分布交互仿真系统-综合仿真环境中,系统的运行结果证明了这些方法的有效性。     

混沌优化算法及其在组合优化问题中的应用

混沌优化方法(COA)是针对数值优化问题提出的,在解决数值优化问题上具有一定的普遍性,能够很快地搜索到全局最优解,而利用COA解决组合优化问题存在一定的难度,该文提出了混沌优化算法解决组合优化问题的方法,该方法先产生组合优化问题的初始解,再利用混沌变量产生新解或对原解进行混沌扰动,产生新解,然后在解空间中进行最优搜索。将该方法应用到2个典型的组合优化问题(TSP问题,0/1背包问题)的求解中,仿真实验表明了该方法的有效性。     

基于802.11的混合链路调制速率自适应算法研究

为了解决当前许多基于IEEE 802.11标准的速率自适应协议所面临着的快速变化链路中的切换滞后问题、碰撞问题及重复速率抖动问题,提出了一种混合速率自适应算法(MRA)。MRA算法通过高优先级速率自适应算法(HPRA)快速获得非最优化的传输速率来解决快速切换问题,通过低优先级速率自适应算法(LPRA)在一定时间后获得最优化的传输速率,其中利用获得的SNR参数减小碰撞问题带来的影响,并建立短时间内出现反复速率切换便在一定时间内禁止切换的机制来避免重复速率抖动问题的出现。仿真实验结果表明,无论在快速变化的链路中还是在相对平静的链路情况下,该算法的性能较当前的知名算法都有明显的提高。     

中小企业计算机网络的构建

该文针对如何构建中小企业网络的问题,给出了一个方法,还就如何解决网络过程中的设备选型,网络速度,防毒防黑等问题,给出了一些自己的想法。     

指针网络改进遗传算法求解旅行商问题

虽然遗传算法相较于其他算法能够更好地求解旅行商问题,但这种算法在使用的过程中容易陷入局部最优的问题,进而导致问题求解遭遇困境。文章在简要介绍旅行商问题的基础上,介绍了遗传算法求解旅行商问题的思路和方法,并明确算法应用中存在的不足。在此基础上提出基于指针网络改进遗传算法求解旅行商问题的新思路,为弥补遗传算法的缺陷提供相应的原理支持。     

用AOP的横切机制解决面向对象设计中的耦合问题

传统的面向对象思想无法有效解决由于系统对横切点的关注造成的实现代码散乱耦合问题。面向方面思想是为解决这一途径的技术,本文对面向方面思想中的静态横切机制和动态横切机制作了比较详细的分析说明,探讨了如何利用它们来解决这一问题。     

柔性资源受限多项目调度的混沌粒子群算法研究

为解决柔性资源受限多项目的调度问题,有效实行资源分配和工作时间安排,采用混沌粒子群算法结合混合优先规则,形成优先规则序列。针对多项目问题,避免了传统方法将多个项目合并为一个项目,而是形成一个链表在项目的各工序间进行选择调度,并在初始化中嵌入混沌理论,在迭代过程中使用并行算法,有效避免了算法易陷入局部最优解的可能。改编标准库的多模式算例,对比多种算法下的结果,验证了该方法在求解该问题的可行性和有效性,对于项目管理中柔性资源受限问题具有实际应用价值。     

改进蚁群算法求解旅行Agent问题

利用蚁群算法来求解TAP问题是解决移动Agent迁移策略的一种有效途径。旅行Agent问题是复杂的组合优化问题,蚁群算法作为一种新的生物进化算法,具有并行、正反馈和启发式搜索等特点,适合求解NP难问题。在蚁群算法的基础上,提出分泌多种信息素的改进蚁群算法来求解旅行Agent问题,动态反应了节点服务能力和网络负载的变化,使迁移更具有灵活性。实验结果表明了该文算法的可行性。     

单通道VLSI阵列容错的神经网络算法

为了解决大面积的VLSI（超大规模集成电路）电路制造过程中因缺陷而造成的成品率低的问题,可以采用降阶和冗余两种VLSI阵列重构方法,这两种方法都属于NP-完全问题。该文是通过冗余修复方法来解决这一问题的。该文基于Hopfield神经网络为模型,将阵列的重构问题转化为矛盾图的最大独立集问题。通过Hopfield神经网络的能量函数方程进行求解,求得合理的补偿通道来完成问题的求解。实验分析表明该方法是简单有效的。     

0/1背包问题的量子算法

近年来针对各种问题提出了许多量子算法,这些量子算法都利用了量子态的可迭加性(Superposition)和纠缠性(Entan-glement),本文在量子环境下对0/1背包问题进行求解,介绍了量子算法的基本思想及相关概念。然后分析并给出求解0/1背包问题的量子算法,在量子物理环境下它能在多项式时间内求出所需要的解。这个量子算法可以推广解决其它NPC问题,如旅行售货员问题等。