一种实用的二维不规则零件排样算法

模拟人排样的排样过程,提出了排样问题的计算和过程模型,实现了直接对多边形进行排样,在实现每重零件的最优的基础上实现排样的近优,实现了快速高效的排样。     

一种实用的二维不规则零件排样算法

模拟人排样的排样过程,提出了排样问题的计算和过程模型,实现了直接对多边形进行排样,在实现每重零件的最优的基础上实现排样的近优,实现了快速高效的排样.     

矩形件排样问题的遗传算法求解

本文研究了求解矩形件正交排样优化问题的遗传算法。同时，将矩形件正交排样问题转化为一个排列问题，提出了求一个排列所对应的排样图的下台阶算法（改进的ＢＬ算法）将下台阶算法与遗传算法相结合，用于矩形件排样问题的求解，给出了该算法的实现。用该算法对文献中的两个算例进行了求解，结果表明该算法获得了比ＢＬ算法更好的解，是一种较为行之有效的方法。     

用启发算法和神经网络法解决二维不规则零件排样问题

本文提出一种用启发算法和神经网络法相结合的算法解决二维不规则零件的排料问题。此算法具有优化效果好、自动化程度高、并且速度快等特点。     

用于求解二维圆形排样问题的自适应混合算法

针对二维圆形版面不等圆排样问题,在最小局部距离定位布局策略的基础上,引入紧凑度和适应度,提出基于拟矩形排样的自适应启发式算法,并与以自然数编码的遗传算法相结合构建混合算法。该混合算法发挥两者的全局搜索能力与局部寻优能力。在标准测试算例上,与一些经典算法进行比较,结果表明,该算法能够在更短的时间内获得更为满意的结果。     

改进的遗传算法优化二维不规则图形排样

针对大规模零件和不规则石材下料优化排样问题,提出了改进的遗传算法优化排样方法.采取二进制与十进制混合编码的策略,既克服了单独使用二进制编码时,编码串太长且操作不方便的不足,又解决了十进制编码中相近的编码方案获得的材料利用率却相去甚远的问题;通过计算矢量图形的相似度,从而对图形群体进行分类,降低了遗传算法的时间复杂度.实验结果表明,该优化排样算法在时间复杂度和空间占有率上均优于传统的遗传算法优化排样.     

用于二维不规则排样的离散临界多边形模型

提出了一个用于求解二维不规则排样问题的离散临界多边形模型.Burke等人的BLF算法是求解排样问题的一种有效算法,但其算法对一些特殊实例会产生非法的解.为了解决这个问题,提出了一种基于离散临界多边形模型,并对其正确性作了严格证明.新模型是只含有点和区间的简单模型,在大大降低原问题几何复杂性的同时,也使许多启发式策略可以更容易地求解该问题.计算结果表明,基于离散临界多边型模型的排样算法是很有效的.     

基于改进遗传算法的不规则图形排样

针对大规模零件和布料优化排样问题,研究遗传算法在智能排样中的应用及其在智能优化排样中的优缺点。以传统遗传算法优化排样为基础,提出一种改进的基于遗传算法的优化排样算法,利用图形间的相似度对图形群体进行分类,降低遗传算法的时间复杂度。实验结果证明,该方法在时间复杂度上优于传统的遗传算法优化排样,适用于大规模的图形排样系统。     

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．     

缺陷板材非规则件优化排样

针对理论上属于NPC 问题的非规则件优化排样问题,论文提出一种基于 小生境技术的自适应遗传模拟退火算法与基于内靠接临界多边形最低点的启发式布局算法 相结合的方法。考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应 的交叉概率和变异概率,通过基于小生境技术的遗传模拟退火算法对非规则件排样的最优顺 序和各自的旋转角度进行优化搜索。将非规则件定位在有缺陷原材料和非规则件多边形的内 靠接临界多边形最低点以实现个体的解码,同时避开了原材料表面缺陷。排样实例表明,该 优化排样算法行之有效,具有广泛的适应性。     

一种不规则零件排样的快速解码算法

设计了一种应用于不规则零件排样的快速解码算法,首先平行线化零件和板料,然后采用左下角（Bottom-Left-condition,BL）策略驱动零件在板料上向x和y两个方向移动,引入零件之间的顶点碰撞特性,以加快获得零件在x方向上的定位坐标;提出板料基线提高策略,以加快获得零件在y方向上的定位坐标.实验表明,该算法解码速度快,易于实现.     

圆形件卷材排样问题的一种定序定位算法

圆形件卷材排样问题是指将一组不同半径的圆形件互不重叠的排放在宽度指定的 卷材上,使得占据的卷材长度最小。针对该问题提出一种定序定位启发式优化算法。设计基于 最大穴度的定位算法,对于每个特定排样序列,计算待排样圆形件在当前布局的所有可行放置 位置的穴度,选择穴度最高的一个位置放置圆形件;更新当前布局,继续排放剩余圆形件,直 到所有圆形件均排放进卷材为止。采用遗传算法对排样序列进行遗传进化得到多种不同的排样 方案,选择耗费卷材长度最小的一种排样方案作为最终解。实验结果表明,本文算法排样方案 耗费卷材长度较小,且算法计算时间相对合理。     

求解不等圆布局问题的一类遗传算法物方法

在已有求解不等圆布局问题算法的基础上 ,根据问题特点提出了一类遗传算法 ,通过将拟物方法与标准遗传算法结合使用 ,较好地解决了对布局优化函数进行全局最优求解的问题 最后通过实例计算验证了本算法的有效性 .     

基于遗传算法的SDN网络装箱问题研究

随着网络规模愈加庞大和复杂,运营商正处于逐渐从传统IP网络向SDN网络架构发展阶段。论文以SDN架构下的网络为研究对象,建立以最大带宽利用率最小化和新增业务后全局网络扰动最小为目标的网络模型,提出基于改进的遗传算法对复杂网络环境下的装箱问题进行求解。利用Java编写并模拟仿真当前运营商主流网络场景IPRAN,分析遗传算法和其他启发式算法,如粒子群,模拟退火算法在装箱问题的优化效果,验证所提出的改进遗传算法对于解决网络装箱问题的有效性。     

矩形件优化排样问题的混合遗传算法求解

利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过遗传算法将矩形件正交排样问题转化为一个排列问题,并引入剩余矩形排样算法来惟一确定每一个排列所对应的排样图(即排样方案),两者结合用于求解矩形件排样问题。最后用此混合遗传算法对文献[1]中的两个算例进行了验证,表明了其有效性。     

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。     

基于改进初始解的遗传算法的布局设计方法

带性能约束的三维布局问题属于具有很强应用背景的组合优化问题,进行了基于全局的布局求解方法的探索。由于NP完全问题的计算复杂性,使得遗传算法求解问题的全局最优解时效率较低。改进了遗传算法的初始解,对提高算法的效率进行了研究。并以旋转卫星舱布局的简化模型为背景,建立了多目标优化数学模型。实例结果与传统遗传算法以及乘子法的计算结果比较,表明该算法具有较好的求解效率。     

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.