一种有效的求解一维下料问题的启发式算法

使用了一种改进的顺序启发式算法,在排样方式的生成过程中不断修正当前排入毛坯的价值,使之趋于合理,依次选取求解背包函数获得的最大单位价值的排样方式组成当前排样方案,迭代调用该过程多次,最终选取最优的排样方案。在保证较高材料利用率的同时考虑减少排样方式,增加最后一根材料余料长度等多个优化目标。通过多组实验结果比较,证实了算法的有效性。     

生成矩形毛坯最优两段排样方式的确定型算法

排样价值、切割工艺和计算时间是排样问题主要考虑的3个因素.文中提出一个新的基于排样模式的确定型排样算法——同质块两段排样算法,此算法适合剪冲下料工艺,在实现工艺简化的同时提高了排样价值时间比.首先通过动态规划算法生成最优同质块,然后求解一维背包问题生成块在级中的最优排样方式和级在段中的最优排样方式,最后选择两个段生成最优的两段排样方式.通过3组经典测题对该文算法进行了测试,将算法与4种著名算法进行了比较.实验结果表明,该文算法的优化结果好于以上4种著名算法,有效地提高了板材利用率,并且计算时间合理.     

基于价值修正的圆片下料顺序启发式算法

讨论圆片剪冲下料方案的设计问题。下料方案由一组排样方式组成。首先构造一种生成圆片条带最优四块排样方式的背包算法,然后采用基于价值修正的顺序启发式算法迭代调用上述背包算法,每次都根据生产成本最小的原则改善目标函数并修正各种圆片的当前价值,按照当前价值生成一个新的排样方式,最后选择最优的一组排样方式组成下料方案。采用文献中的基准测题将文中下料算法与文献中T 型下料算法和启发式下料算法分别进行比较。实验计算结果表明,该算法的材料利用率比T 型下料算法和启发式下料算法分别高0.83%和3.63%,且计算时间在实际应用中合理。     

冲裁件条料最优四块剪切下料方案的生成算法

讨论冲裁件条料剪切下料方案的设计问题。下料方案由一组排样方式组成。首先构造一种生成条料最优四块排样方式的背包算法,然后采用基于列生成的线性规划算法迭代调用上述背包算法,每次都根据生产成本最小的原则改善目标函数并确定各种冲裁件的当前价值,按照当前价值生成一个新的排样方式,最后选择最优的一组排样方式组成下料方案。采用例题将该排样方式生成算法和文献中多段排样方式生成算法进行比较,实验计算结果表明,该算法得到的排样方式排样价值较高。最后通过文献中实例的下料方案求解,可以看出该算法解决实际下料问题是有效的。     

一种求解圆形件下料问题的启发式算法

针对二维圆形件下料问题,提出一种改进的顺序启发式算法。在生成排样方式的过程中,采用价值修正策略不断修正当前排入圆片的价值,使之趋于合理,选取价值最大的排样方式组成当前排样方案,迭代调用该过程多次,从中选取最优的排样方案。实验结果证明,与线性规划算法相比,该算法更有效。     

基于多阶排样方式的矩形件二维板材下料算法

针对二维剪切下料的特点,提出一种基于多阶排样方式的优化算法。递归构造多阶排样方式,称若干行若干列同种矩形件按照相同方向排列在一起形成的排样方式为0阶排样方式,n(n为正整数)阶排样方式由两个n-1阶排样方式沿着水平方向或竖直方向拼合而成。设计多阶排样方式的递归生成算法,按照阶数从小到大顺序生成多阶排样方式。将列生成算法与多阶排样方式生成算法相结合得到下料方案,按照板材使用张数最少原则确定下料方案中每个排样方式的使用次数。将这里排样方式分别与文献中的匀质条带三块排样方式、双排多段排样方式、简单块占角排样方式和递归四块排样方式进行对比,实验计算结果表明,多阶排样方式的排样价值高于以上4种排样方式。进一步地,将该下料算法与文献下料算法进行对比,实验结果表明该下料算法可提高板材利用率。     

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。     

生成矩形毛坯最优T形排样方式的递归算法

讨论矩形毛坯无约束两维剪切排样问题．采用由条带组成的T形排样方式，切割工艺简单．排样时用一条分界线将板材分成2段，同一段中所有条带的方向和长度都相同．一段含水平条带．另一段含竖直条带．采用递归算法确定分界线的最优位置以及每段中条带的最优组合．以便使下料利用率达到最高．采用大量随机生成的例题进行实验，结果表明该算法在计算时间和提高材料利用率2方面都较有效．     

圆片剪冲下料排样算法

为解决圆片剪冲下料排样精确算法的运行时间过长问题,并综合考虑在保证所生成的排样方案利用率最优或接近最优的前提下,先采用动态规划算法,在精确算法的基础上,选取规范长度和规范宽度的子集进行计算,实现无约束算法,解决剪切阶段的无约束排样问题.再与线性规划方法相结合,解决两维圆片剪冲下料问题,使整个排样方案的利用率达到最大,所耗费的板材数最少.最后通过实验结果表明了该算法的有效性.     

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。     

矩形件简单块占角排样方式的动态规划

目的 针对矩形件无约束2维剪切排样问题,提出一种可简化板材切割工艺的简单块占角排样方式,并构造这种排样方式的动态规划生成算法。方法 该排样方式在板材左下角按照简单块方式排样若干行若干列同种矩形件,将板材剩余部分划分为两个子板;将子板按照上述方法继续递归排样和划分,直至子板排满矩形件为止。采用动态规划确定所有可能尺寸的板材左下角排样的最优矩形件、矩形件的最优行列数和板材剩余部分的最优子板划分。运用规范尺寸排除不必要的计算。结果 将本文算法与目前常见的算法进行比较,实验结果表明本文算法计算时间合理,排样价值较高。在第1组41道基准例题中,本文算法所有例题均求出了精确解,同质块T型算法、同质块两段算法和复合条带两段算法分别有7道、5道和4道例题未求出精确解。在第2组20道基准例题中,本文算法只有1道例题未求出精确解,普通三阶段算法、同质块T型算法、同质块两段算法和匀质条带三块算法分别有18道、15道、15道和20道例题未求出精确解。在第3组50道随机例题中,本文算法、普通两段算法和同质块两段算法板材利用率分别为99.913 7%、99.862 3%和99.796 1%。在第4组31道基准例题中,本文算法所有例题均求出了精确解,普通占角排样算法有2道例题未求出精确解。结论 本文算法计算时间远小于精确算法,优化效果接近精确算法;本文算法计算时间与多种启发式算法接近,但优化效果好于多种启发式算法。     

圆片下料并行遗传算法的设计与实现

针对制造行业中的圆片下料问题,为了在合理的计算时间内使材料的利用率尽可能高,提出并行遗传下料算法（PGBA）,以下料方案的材料利用率作为优化目标函数,将下料方案作为个体,采用多线程的方式对多个子种群并行进行遗传操作。首先,在并行遗传算法的基础上设计特定的个体编码方式,采用启发式方法生成种群的个体,以提高算法的搜索能力和效率,避免早熟现象的发生;然后,采用性能较好的遗传算子进行自适应的遗传操作,搜索出一种近似最优的下料方案;最后,通过多种实验验证算法的有效性。结果表明,与启发式算法相比,PGBA的计算时间有所增加,但材料利用率得到了较大的提高,能有效提高企业的经济效益。     

生成最优单毛坯条带T型布局方式的精确算法

为解决大规模矩形件布局问题,提出一个生成单毛坯条带T型布局方式的精确算法。该算法不仅可在合理时间内取得好的优化结果,而且在满足实际下料工艺的同时化简了切割工艺。该算法首先确定最优单毛坯条带,然后通过求解一维背包问题确定单毛坯条带在级中的布局方式和级在段中的最优布局方式,最后选择两个最优段生成布局方式。通过文献中的63道基准测题,将该算法与5种著名算法(经典两阶段、普通T型、同质块两阶段、普通布局算法和启发式算法TABU500)进行了比较。实验结果表明,该算法在计算时间和材料利用率两方面都有效。     

入侵检测系统中高效的模式匹配算法

针对入侵检测系统模式匹配效率低的问题,提出一种高效的模式匹配算法.该算法通过对模式进行预处理记录模式的信息,然后对子节点进行递归比较,找到重复度最大的部分,提高模式匹配的效率;通过增加附加m个节点的匹配模式结构,降低模式匹配算法的时间与空间复杂度.理论分析表明,对于包含n个节点的主题树,提出的模式匹配算法的时间复杂度为O(nlog2n+mlog2m),空间复杂度为O(n+m).详细的实验以及与现有算法的比较表明,提出的模式匹配算法在时间、空间和匹配率性能上具有更高的效率.     

同尺寸矩形毛坯排样的连分数分支定界算法

在确定同尺寸矩形毛坯最优排样方式的算法中，连分数算法的时间效率最高，但所生成排样方式的切割工艺复杂．提出连分数分支定界算法，该算法应用连分数法确定毛坯数最优值，采用贴切的上界估计方法；在搜索过程中只保留上界不小于最优值的分支，遇到下界等于最优值的分支时结束搜索．实验结果表明，该算法的时间效率和连分数算法接近，并可以有效地简化切割工艺，生成切割工艺最简单的排样方式．最后，通过实例分析说明该算法的节约材料潜力。     

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。     

基于云环境的高效任务调度算法

高效的任务调度是云服务提供商高效处理业务并降低运营成本的关键。针对云环境下的任务调度问题,提出一种贪心模拟退火的新型算法。首先,利用贪心算法求出局部最优解,并用它来初始化所提新型算法的当前最优解及模拟退火算法的初始解;然后,采用模拟退火算法来不断更新当前最优解。实验结果表明,与传统调度算法相比,所提算法能够更快地达到全局收敛,并得到更加稳定的寻优结果,提高了寻优的质量和效率;同时,该算法不仅减少了总任务时间开销,而且使虚拟机的平均资源利用率稳定在99%以上,负载也更加均衡。     

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。