矩形件排样优化的一种近似算法

摘要根据矩形件排样的实际下料工艺要求，以板材的长或宽对待排矩形件的长或宽求余数，根据余数结果提出了一种矩形件排样的近似优化算法。     

大规模矩形件优化排样遗传算法

遗传道法是一种全局优化的数值计算方法。与传统优化算法相比,其优点是对函数的要求不高,一般不会陷入局部最优解,更适应于求解大规模离散优化问题。本文将遗传算法应用于工程问题的一个典型离散优化问题－－大规模矩形件优化排样。通过该算法可以找出高效率的非样加工方法。设计结果能广泛应用于各零件的排样加工实例。     

大规模矩形件优化排样的遗传算法

遗传算法是一种全局优化的数值计算方法。与传统优化算法相比,其优点是对函数的要求不高,一般不会陷入局部最优解,更适应于求解大规模离散优化问题。本文将遗传算法应用于工程问题的一个典型离散优化问题——大规模矩形件优化排样。通过该算法可以找出高效率的排样加工方法。设计结果能广泛应用于各零件的排样加工实例。     

实用矩形件优化排样系统的研究与开发

在研究矩形件优化排样数学模型的基础上, 根据不同的下料的工艺要求, 构造出与之相适应的四种不同的近似优化算法。对于这些算法, 要求它们在板材尺寸与矩形件的尺寸的差异方面;在矩形件个数的规模方面; 在矩形件之间的尺寸差异方面等敏感问题上有较好的适应性。在理论方面对这些算法进行一些定量的分析以保证这些算法的先进水平。     

基于并行遗传算法的矩形件排样优化

利用遗传算法对待排零件进行编码,将矩形件正交排样问题转化为排列问题.然后采用一种新的解码排样算法--基于最低水平线的改进算法,将每一个体编码转化为排样图,进行适应度评价,以驱动遗传进化,最终寻找出最优排样图.对遗传算法进行了并行性改进,较好地维持了种群的多样性,增强了算法的搜索效率.对文献中的两个算例进行了求解,结果表明该算法是有效的.     

矩形件优化排样算法与系统的研究

为了有效解决矩形件优化排样问题,通过在已有动态规划算法的基础之上,引入多种启发式策略,提出一种带有启发式策略的动态规划算法,并设计和开发了一个基于该算法的矩形件优化排样系统。介绍了系统的总体设计方案。并通过实例测试,讨论了矩形件优化排样算法的有效性和系统的实用性,证明矩形件优化排样算法具有排样过程耗时少、效果好和适用范围广3大优点,可以有效地提高材料利用率和生产效率。     

实用矩形件化排样系统的研究与开发

在研究矩形件优化排样数学模型的基础上，根据不同的下料的工艺要求，构造出与之相适应的四种不同的近似优化算法。对于这些算法，要求它们在板材尺寸与矩的尺寸的差异方面；在矩形件个数的规模方面；在矩形件之间的尺寸差异等敏感问题上有较好的适应性。在理论方面对这些算法进行一些定量的分析以保证这些算法的先进水平。     

矩形件优化排样模拟退火算法求解

综合条料生成算法与填充算法思想，提出了一种适用于矩形件优化排样的最小宽度算法，将其与模拟退火算法相结合，能够跳出局部搜索，最终可获得近似总体最优的排样结果。使用表明，该优化排样算法具有广泛的适应性，并可适合“一刀切”的高效率下料工艺。     

遗传算法模型在矩形件排样优化中的应用

采用遗传算法对矩形件在板材上的排样进行优化,以提高板材的利用率和降低生产成本.本文建立了优化排样的遗传算法模型,描述了遗传算子的设计方法.将此模型与基于最低水平线的搜索算法相结合应用到矩形件排样优化中,产生的排样结果满足"一刀切"和相同的矩形件尽量排放在一起等工艺要求,并且使板材的利用率在94%左右,可以应用到企业的实际生产中.     

空白矩形填充和邻域搜索结合的矩形件排样优化算法

针对矩形件排样问题,提出一种新的空白矩形填充算法和邻域搜索算法相结合的混合优化算法.首先,设计空白矩形填充算法时,提出了消除多余空白矩形的方法,以减小计算时间复杂度.其次,利用邻域搜索算法优化矩形件排放顺序,通过挖掘矩形件排样的问题特征,设计了受限距离的交叉和插入两种邻域算子,并提出了特殊算子执行点选择策略.然后,设计...     

基于T型布局方式的异构矩形件下料算法

讨论异构矩形件下料问题,提出一种基于T型布局方式的优化下料算法。首先构造一种约束布局算法,生成矩形件在单张板材上的T型布局方式,然后采用列生成算法,依据当前矩形件剩余需求量,迭代调用上述约束布局算法,生成一个虚拟下料方案,按照不产生多余矩形件原则,选取虚拟下料方案中的部分布局方式加入到实际下料方案中,更新当前矩形件剩余需求量,重复上述步骤,直到矩形件剩余需求量为零。采用文献中基准例题将本文算法与3种文献中算法进行比较,数值实验结果表明,本文算法比3种文献中算法分别节省3.93%,1.27%和1.17%的板材。     

矩形件排样优化的十字线法

矩形件排样优化问题是一个多目标优化问题，一方面要考虑到材料的利用率，另一方面要考虑到生产时的下料效率，而且还要满足“一刀切”的工艺要求。本文综合考虑这些因素，提出了一种排样方法——十字线法。实验表明，该方法是一种有效的方法，可同时兼顾材料利用率和切割时的生产效率。     

一种"一刀切"式矩形件优化排样混合算法

对"一刀切"矩形件排样问题,提出一种将启发式递归与免疫克隆算法相结合的混合优化方法。首先,提出一种启发式递归算法,利用该算法逐次生成利用率最高的条料,直到所有矩形件均生成条料;然后利用免疫克隆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,即使总的板材利用率达到了最大。对两个典型算例进行计算,并与相关文献比较,表明了算法的有效性。     

基于均匀条带排样方式的二维下料启发式算法

条带结构排样方式在机械制造业下料领域有广泛的应用。针对矩形件二维下料问题,提出一种基于均匀条带排样方式的启发式下料算法。下料方案包含多个排样方式,每个排样方式满足部分矩形件的需求量。首先构造均匀条带四块排样方式的约束排样算法;然后采用列生成法反复调用上述约束排样算法生成各个排样方式,直到所有矩形件需求量得到满足为止。采用文献中的基准例题,将本文下料算法和文献中下料算法进行比较,数值实验结果表明本文下料算法能有效地提高板材利用率,且计算时间能满足实际应用要求。     

矩形件单一排样问题的一种精确算法

针对机械制造业领域的矩形件单一排样问题,即在长宽为L、W的板材里排放最多个数的长宽为l、w的矩形件,提出一种基于整数规划和约束规划的精确排样算法。首先在板材上刻画W+1条等距的水平基线;然后建立单一排样问题的整数规划数学模型,求解出最优排样方案所对应的每条基线上排放的水平矩形件和竖直矩形件个数;最后采用约束规划模型求解出每个矩形件在基线上的具体排放坐标,画出最优排样方案图。将本文算法与文献中的单一排样算法进行比较,结果表明,本文算法求得的板材排样方案中可以排放更多的矩形件,板材利用率更高。     

基于优先度的改进最低水平线排样算法

针对矩形零件的排样问题提出了一种基于最低水平线算法的改进算法。针对最低水平线算法及其派生算法的不足引入优先度(优先度的影响因子包括零件排入宽度与当前最低水平线的匹配程度以及零件本身的长宽比),使算法对零件排入顺序的把握更具灵活性,以获得更优的排样结果。运行实例表明该算法能有效克服现有最低水平线算法的缺陷,使排样图更为紧凑,提高了板材利用率。