基于免疫遗传算法考虑割缝及间隙补偿的矩形件排样优化研究

激光切割钢板产生零件广泛应用于造船厂等重型企业，其中矩形件是一类非常重要的零件。针对制造业中大规模、多尺寸的矩形件排样问题，考虑了割缝距离及钢板边缘间隙距离对板材利用率的影响，以板材利用率最大为目标构建数学模型，将免疫遗传算法与剩余矩形算法结合求解该模型。通过与遗传算法和免疫算法与剩余矩形算法结合的求解结果进行比较，证明了免疫遗传算法在提高板材利用率方面的有效性，并生成了对应的排样图，对工厂生产实践具有一定的指导意义。     

不规则件优化排样的小生境遗传模拟退火算法

提出一种基于小生境遗传模拟退火算法求解不规则件排样问题的方法。该方法首先充分考虑不规则形状零件自身的形状特征,采用组合矩形包络算法将二维不规则零件的排样问题转化为矩形件的排样问题,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,从而导致材料可能发生的利用率过低问题;然后利用遗传模拟退火算法及小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度;最后用"最低水平线与填充算法相结合"策略的启发式排样算法实现自动排样。实例表明了该算法的有效性和实用性。     

混合遗传算法在飞机钣金零件排样中的应用

针对飞机钣金二维不规则零件排样问题,将遗传算法与模拟退火算法相结合,提出一种混合遗传算法。该算法利用改进的最小包络矩形把不规则件转化成矩形件,在初始种群时提出一种既考虑排样高度,又考虑排样废料利用率的适应度函数,并引进浓度衡量个体之间的相似程度,为逃离局部最小值指明了方向。实例结果表明,该算法运用到飞机钣金排样系统中,在缩短排样时间和提高排样精度方面取得一定的效果。     

蚂蚁算法在矩形件优化排样中的应用

蚂蚁算法是解决优化问题的一种相对轻新的启发式算法，大规模的矩形件优化排样问题是个NP难题。文中尝试用蚂蚁算法求解矩形件优化排样问题，根据提出的求解算法，开发出了基于蚂蚁算法的计算机辅助优化排样系统，并将蚂蚁算法的求解结果和遗传算法进行了对比，试验结果证明了用蚂蚁算法求解矩形件优化排样问题的可行性和有效性。     

面向智能制造的不规则零件排样优化算法

以智能工厂应用场景为例,为提高广泛应用于智能制造领域的二维不规则件的排样性能,提出了基于启发式和蚁群的不规则件排样优化算法.首先提取不规则件的几何特征,对零件进行组合操作预处理,使两个或多个不规则零件组合为矩形件或近似矩形件并对其包络矩形,然后利用蚁群学习算法对预处理后的零件进行排样,确定零件排放的最佳位置,不断更新得到最优排样结果.仿真实验结果表明,综合考虑板材利用率以及耗时情况,所提算法取得了较好的结果,能够满足实际生产的需求.     

矩形件优化排样算法研究

矩形件排样的合理性直接影响着板材的利用率。考虑到板材下料中纤维方向和一刀切等工艺约束,结合实际作业中切割机器的刀缝限制,建立了板材原料利用率最大的矩形件优化排样模型,同时设计了不同切割方式下的规则算法进行求解。算例结果表明,不同切割方式下的规则算法能够得到板材利用率不同的矩形件排样图,且都能较快地得到最优解,为实际作业提供决策支持。     

粒子群算法在不规则件排样优化中的应用

针对不规则件排样问题,提出一种应用粒子群算法优化求解的方法。首先以零件的入排交换序列和角度变异序列作为粒子运动速度构造粒子群算法,然后运用剩余矩形动态匹配算法实现解码和局部寻优,并结合不规则件的正交靠接算法实现自动排样。排样实例表明,该优化排样算法是有效的。     

求解矩形件排样问题的十进制狼群算法

为了使矩形件排样问题在可接受的时间内获得精确解,以在一定时间内获得高利用率的排样布局方案为研究目标,提出一种适合求解矩形件排样问题的十进制狼群算法。该算法结合基于复合评价因子的最低水平线搜索算法,对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为,具有狼群算法的职责分工协作式搜索特性,能够较好地平衡算法的全局优化和局部搜索能力。采用多组算例对所提算法进行测试,并与其他元启发式和启发式算法进行对比,结果表明所提算法具有实用性和有效性。     

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。     

矩形件同质条料五块排样方式的生成算法

材料利用率和切割工艺复杂度是金属板材切割排样中主要考虑的两个因素。提出矩形件同质条料五块排样方式的生成算法,用以解决金属板材切割排样问题。这种算法将板材分为五个块,各块中只排放方向和长度均相同的条料。通过求解背包问题优化块中条料的布局,使得块中排放的矩形件总价值达到最大;采用隐式枚举法考察所有可能的五块组合的排样价值,选择排样价值最大的一个组合作为最终的五块排样方式。用文献中的基准测题,验证文中的五块排样算法。数值实验结果表明,文中算法在提高材料利用率和简化板材切割工艺两方面均有效,且算法计算时间较短。     

基于改进遗传算法的矩形件排样优化研究

针对定宽无限长板材上的矩形件排样优化问题,将具有启发式判断的改进最低水平线策略与具有全局搜索能力的改进遗传算法结合在一起,共同解决矩形件排样问题,提高了板材的利用率。实例表明,该算法可以得到更好的排样结果。     

基于双种群遗传算法的含缺陷矩形件排样优化研究

结合缺陷约束的最低水平线算法与双种群遗传算法,对板材内部含缺陷时的情况进行矩形件排样优化。用双种群遗传算法对矩形件排样顺序进行寻优,将矩形件的排样顺序和旋转方式划分为2个种群分别进行遗传迭代,并结合改进的初始种群生成策略,改善算法的搜索效率及全局寻优能力。基于缺陷约束的最低水平线算法通过更新缺陷矩形轮廓信息与引入缺陷位置约束判断,使矩形件在根据优化顺序排样时可避开缺陷部位。通过算例运算测试可知,相比于经典遗传算法,所提算法在4种不同数量缺陷的板材中,最优板材利用率与排样优化稳定性均有所提高。双种群遗传算法和基于缺陷约束的最低水平线算法可在含缺陷板材的排样问题中得到推广应用。     

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。     

矩形排样问题的优化设计模型

研究了具有NPC(Nonpolynomial Complete)难度的矩形排样问题,通过引入匹配度及匹配权重,对剩余矩形匹配算法进行改进,采用粒子群算法对权重进行优化,从而建立该问题的优化设计模型,最后利用Matlab编程求解具体的排样方案,经过实证分析,改进后的方法能够快速给出较优的排样方案。     

大规模定制板材排样的多种群蚁群优化算法

为解决定制家具企业的大规模多品种小批量的矩形件排样问题,针对其一刀切的特殊生产工艺要求,通过对待切板自动生成两个不同的编号:横切编号和纵切编号的方法,采用面积,长度,宽度来启发的多种群蚁群算法,避免了单因素启发的不合理布局,做到了"生成即可行",经多个企业的实际使用后,发现与单因素蚁群启发相比,多种群算法寻优能力强,主要表现为:最大利用率最高;多次寻优的最大利用率变化区间小.     

基于摇瓶机理和极小势能原理的异形件排样

针对异形件排样问题,提出一种基于摇瓶机理和极小势能原理的求解算法,从力学的角度解释排样问题的基本物理意义。首先,由摇瓶子现象得到启发,初步构建排样的摇瓶子算法;由弹性力学中的极小势能原理可知,零件总是通过平移和旋转变换找到最低的重心位置,利用多边形正负梯形投影法计算排样零件的形心坐标,碰靠过程采用OBB包围盒相交测试算法,最终实现自动排样。通过船舶件排样实例验证,该原理可行,物理意义明确,能够实现异形件排样。     

一种针对绝缘纸板排样的混合算法

绝缘纸板排样属于"一刀切"的二维矩形排样问题,是一个NP难问题,在造纸、变压器制造等领域有着广泛的应用。提出了一种改进的剩余矩形填充算法和遗传算法相结合的混合算法,建立绝缘纸板排样的数学模型,在满足"一刀切"工艺的同时,能使同种类零件尽量排放在一起,方便加工。算法解决了多种类零件、多种类板材排样的组合优化问题,并结合工厂下料实例,得到了更优的排样方案,大大提高板材利用率。最后总结并分析了二维排样问题的前景。     

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。     

基于改进遗传算法的矩形件下料优化方法研究

为提高制造过程中钢材的利用率,针对矩形零件的排样下料问题,提出了一种采用混合遗传算子的遗传算法与最低水平线搜索算法相结合的优化方法。该方法以原材料利用率最大为目标,建立了钢构矩形件下料优化数学模型,并利用遗传算法在所得到的解空间中进行全局优化概率搜索,获得矩形件的排放序列,并采用最低水平线法对其进行自动排样以得到最优排布解,最后经过实例验证该方法的可行性。     

矩形件套裁排样的一种优化解法

求解矩形件套裁排样问题,即用指定规格的板材切割出若干种矩形件,目标是极大化板材利用率。构造一种基于五块结构的矩形件套裁排样方式,该排样方式首先将板材划分为五个块,然后在每块中按照简单方式排样一种矩形件。建立五块排样方式的整数规划数学模型,并在Visual Studio和CPLEX中进行编程求解。用文献中的基准测题,检验五块排样方式的性能,数值实验结果表明,排样方式在提高板材利用率和简化板材切割工艺两方面均有效,且模型求解时间在实际应用中合理。