矩形件优化排样的自适应遗传模拟退火算法

针对理论上属于NP完全问题的矩形件优化排样问题,提出了一种基于小生境技术的自适应遗传模拟退火算法。研究了将矩形件在板材上的排列方式转换为特定编码的方法,利用遗传模拟退火算法进行全局优化概率搜索,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,并通过小生境技术对子辈个体是否替换父辈个体加以控制,最终得到矩形件排样的最优次序和排放方式,采用最低水平线策略的启发式排样算法实现自动排样。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。     

二维不规则冲裁件排样算法研究

冲裁件的排样是一个NP问题,在工业界具有广泛的需求.从矩形包络和遗传模拟退火算法这两个角度探讨了包含不规则形状的冲裁件的排样算法.随着冲压设备的不断发展,二维冲裁件的组合优化排样将会得到越来越广泛的普及和应用.     

基于模拟退火算法的矩形件排样

针对矩形件排样问题，提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形，使板材浪费降至最低。并将其与模拟退火算法相结合，可获得近似最优的排样结果。最后给出不同规模的算例，结果表明，该算法比最低水平线算法排样结果好，是解决矩形件排放的有效方法。     

不规则形状零件优化排样的关键技术

本文讨论了填充矩形排样单元中的空白区域,零件与排样单元的关联等优化排样的关键技术.     

遗传模拟退火算法在冲裁件优化排样中的应用

主要研究冲裁工件排样优化算法及实现问题。多边形顶点算法适于各种形状单件条料排样方式的优化 ,但随着优化精度提高 ,其搜索空间将急剧增大 ;将其与遗传模拟退火算法相结合 ,克服了顶点算法计算量大 ,耗时多的局限 ,可高效、准确地得出工件排样的最优解。该算法已在ObjectARX开发出的冲裁模优化排样系统中得到验证     

改进的遗传算法在异形件优化排样中的应用

对于二维不规则图形零件在排样区域上的最优排列，也就是对二维不规则图形的计算机自动排样算法进行优化的问题。采用矩形包络算法、遗传算法和模拟退火算法相结合，寻找排样件在排样时的最优次序及各自的旋转角度。再用基于“最低水平线”策略的启发式排样算法实现二维不规则图形零件自动排样。从而得到满意的优化排样结果。     

基于模拟退火算法的矩形件排样

针对矩形件排样问题,提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形,使板材浪费降至最低。并将其与模拟退火算法相结合,可获得近似最优的排样结果。最后给出不同规模的算例,结果表明,该算法比最低水平线算法排样结果好,是解决矩形件排放的有效方法。     

矩形件排样的一种优化算法

排样问题是一种总体资源分配问题，这里根据矩形件排样的工艺要求，提出了矩形件排样的一种近似算法，将一块板材分成三部分，每部分排一种零件，使得减料方便，提高了劳动生产率。     

基于填充算法的矩形件排样优化求解

针对矩形件优化排样问题，提出了一种将填充算法和遗传算法相结合的优化排样方法。该方法应用填充算法对遗传算法作预处理，使矩形件排样适用于“一刀切”的下料工艺，并克服了填充算法局部搜索的缺点，使搜索空间由一点扩大为多点，最终可获得总体最优的排样结果。算例表明，该优化排样算法运算速度快，具有广泛的适应性。     

矩形件排样优化的背包算法

根据矩形件排样的实际下料工艺要求，将一个二维排样问题转化为一个一维下料问题，并构造了一个利用背包问题解法的矩形件排样的近似优化算法。     

遗传算法与模拟退火法寻优能力综述

介绍了遗传算法与模拟退火算法的基本思想,综述归纳了两种算法的寻优特点,使之在工程优化设计领域得到更广泛的应用.     

模拟退火算法在车间设备布局中应用

给出模拟退火算法在车间布局评价中的具体应用方法,提出了搬运矩阵的概念。然后,给出了一个具体的应用实例,并对优化结果进行了分析,得出优化设计结果符合生产实际要求。     

一种基于小生境的混合遗传退火算法

分析遗传算法和模拟退火算法混合优化策略的构造出发点 ,融合小生境技术的思想 ,提出一种以遗传算法和模拟退火算法为子算法的基于小生境技术的混合遗传退火算法———NGSA算法 ,并对该算法的特点和优化性能作了定性分析。结合典型多峰值测试函数———Shubert函数的求解实验 ,说明NGSA算法具有较强的全局和局部搜索能力 ,能够高效地寻找到多个全局极值 ,且参数选择不必过分严格 ,是一种优化能力、效率和可靠性较高的多峰值优化方法。最后 ,讨论了该算法在机械学科的广泛应用背景。     

基于模拟退火的贯通约束不规则排样

针对带贯通性约束的不规则凸多边形的排样问题,提出了一种分阶段构造算法。为了控制每个阶段新生成的组合图形的形状,构造过程引入变动的形状权重,算法运行早期采用较小权重使图形组合具有较高出材率,而在后期采用较大的权重得到类似矩形的复合。基于模拟退火思想引入温度参数控制权重的变化率,在早期和后期形状权重变化率较小而在中期变化率较大。采用ESICUP标准测试数据分别对常数散列、线性散列和温控散列进行对比,结果表明温控散列函数能有效提高排样效率和排样出材率。     

剩余矩形匹配算法在矩形件排样中的应用

介绍了剩余矩形匹配算法，并将其应用到任意矩形的优化排样上，较好地解决了矩形件板材的排料问题。     

模拟退火实参数遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早及局部收敛。提出了一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度。将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高。     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。