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。     

基于两段方式的圆形片约束排样算法

讨论圆形片约束排样问题,提出一种两段排样方式生成算法。两段排样方式用一条分界线将板材划分为两个段,每个段由相同长度和方向的条料组成,每根条料排放同种圆形片。首先确定所有可能尺寸的条料中圆形片的排样方式;然后采用背包算法,生成所有可能尺寸的段中条料的排样方式;最后依据板材排样价值最大原则,确定段的分界线位置,得到整张板材上圆形片的两段排样方式。将本文算法和文献算法进行比较,数值实验结果表明,本文算法排样价值高于文献算法。     

计算机辅助排样算法综述

讨论了计算机辅助排样算法的分类,分析了算法之间的层次关系,并分别对一维排样问题、卷材排样问题、板材排样问题、冲裁排样问题以及不规则零件无约束排样问题的算法作了总结.     

基于小生境混合遗传算法的二维优化排样

针对二维零件在板材区域的最优排样问题,采用小生境与遗传模拟退火算法相结合的混合算法作为主要排序算法,确定了零件的最优排序和各自旋转角度,并与启发式算法结合实现了零件的二维优化排样.以此算法为基础,开发了一套应用于实际生产的智能排样系统,与简单模拟退火算法的计算结果进行对比,分析结果表明,该算法具有高效排样的优越性.     

基于最优同质块的分段式矩形优化排样

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化算法进行研究,提出基于最优同质块的分段式矩形优化排样算法,有效解决了企业实际生产中的剪切排样问题。该算法首先使用剪床将板材剪成不同长度的子段,然后在子段上基于最优同质块进行优化排样。算法将板材的分段问题以及最优同质块在子段上的最优排样问题均转化为背包问题,并基于动态规划算法求解;使用枚举法求解最优同质块排样。将板材分成若干个子段使算法可以有效解决长板排样问题,使用最优同质块对子段进行优化排样使算法的优化性能得到提高。两组实例应用表明本文算法优于文献中的其他算法。     

约束二维排样问题的一种求解算法

讨论有约束二维切割排样问题,即将板材切割成若干种矩形毛坯,其中每种毛坯的数量有上界约束,优化目标以使板材所切割的毛坯总价值(排样价值)最大。采用五块排样方式简化切割工艺,将板材切割成五块,每块切割成所需毛坯。构造一种基于隐式枚举和分支定界思想的算法生成五块排样方式:(1)计算所有可能尺寸的块的排样价值;(2)选择排样价值最大的五块组合生成五块排样方式;(3)采用文献中的基准测题,验证文中的有约束五块排样算法。研究结果表明,文中算法平均排样价值比文献中的3种算法分别高出12.85%,4.52%和1.89%,且算法计算时间较短。     

矩形件排样问题的遗传模拟退火混合求解算法

为了提高矩形件排样问题的板材利用率,提出了基于匹配度的最低水平线定位方法和遗传模拟退火的排序方法。对于矩形件排样问题,建立了以提高板材利用率为目标的优化模型。在矩形件的定位方法中,为了提高最低水平线算法的板材利用率,提出了矩形件与板材匹配度的概念,实现了基于匹配度的最低水平线算法,此方法可以对排序结果进行微调和再优化。在排序方法中,给出了遗传模拟退火的混合算法,此算法依概率选择染色体,相比于贪婪准则可有效提高染色体的多样性。经Benchmark中的C算例进行验证,遗传模拟退火算法排样的板材利用率均高于遗传算法排样的板材利用率,验证了所提排样方法的优越性。     

可减少排样方式数的二维下料顺序启发式算法

讨论矩形件二维下料问题，将板材成本最小作为主要优化目标，将排样方式数最少作为辅助优化目标。提出一种可减少排样方式数的下料算法。该算法基于顺序启发式框架，按顺序逐个产生排样方式满足剩余矩形件的部分需求量，直到矩形件的所有需求量均得到满足为止。它采用一种分组技术选择可用来生成下一个排样方式的矩形件，用这些矩形件生成下一个排样方式后根据顺序价值校正方法调整矩形件的价值，其中每个排样方式均采用动态规划程序生成。将本文下料算法与两种文献算法进行对比，实验结果表明，本文下料算法使用的板材面积比文献算法分别节省了1.12%和0.89%,排样方式数比文献算法分别减少了45.56%和30.79%,且计算时间与文献算法接近。     

复合条带三阶段排样方式的生成算法

提出复合条带三阶段排样方式用以解决无约束二维剪切排样问题。该排样方式用3个阶段将板材切割成毛坯,首先用水平刀具将板材切成复合条带,然后用竖直刀具将复合条带切成初始毛坯,最后用水平刀具将初始毛坯切成具有精确尺寸的毛坯。采用背包算法生成该种排样方式,该算法求解两个背包模型分别生成条带在板材中的布局和毛坯在复合条带中的布局。采用文献中基准测题,将文中排样方式与文献中5种重要的排样方式进行比较。实验结果表明,文中复合条带三阶段排样方式平均排样价值高于以上5种排样方式,且切割工艺比较简单。     

冲压条带二维优化排样问题的一种启发式算法

针对条带在板材中的优化排样问题,提出一种启发式算法。这种启发式算法的基本思想是每刀从板材上剪切下一根水平或竖直条带,直至板材被剪切完,并且在每次剪切时按照板材排样价值最大原则确定条带的方向和宽度。首先,计算所有可能尺寸的条带的价值,按照条带价值最大原则确定条带中零件的最优布局。然后,采用动态规划原理按照从小到大顺序依次生成板材上的条带优化排样方式。采用文献中的基准例题,将本文算法与多段排样算法、三块排样算法和四块排样算法进行比较,数值实验结果表明本文算法排样价值更高,并且计算时间可满足实际应用的需要。     

基于遗传光学算法的镜片加工车间布局优化

为了提高镜片加工车间生产效率,降低成本,对设备布局优化问题进行研究.以最小化镜片车间设备间物流搬运费用和设备包络面积为优化目标,构建了多行设备布局优化模型,并开发了一种遗传光学算法来求解模型.在算法设计中,通过连续编码、部分优先权解码的策略,将光学算法取代遗传算法中变异算子,改进了遗传算法容易陷入局部最优的缺点.结果表...     

一种基于遗传算法的钣金零件排样算法

钣金类零件是通过压力成形技术制造的一种应用广泛的零件,现今钣金件的数字化制造手段日益广泛。钣金工艺设计是钣金设计和制造之间的重要连接环节,科学合理的工艺是生产优良产品的重要因素。但钣金产品的工艺设计水平却远远落后于其设计和制造水平,成为了制约产品质量和成品的瓶颈。本文以一种复杂的锂电池箱体为例,对钣金件的数字化制造进行研究。首先提出了钣金件数字化集成制造的总体流程,研究了钣金件的设计、展开、板材的排样、激光切割、数控冲压和折弯等技术,实现了锂电池钣金箱体的集成制造。     

Machining fixture layout optimization using the genetic algorithm

Dimensional and form accuracy of a workpiece are influenced by the fixture layout selected for the machining operation. Hence, optimization of fixture layout is a critical aspect of machining fixture design. This paper presents a fixture layout optimization technique that uses the genetic algorithm (GA) to find the fixture layout that minimizes the deformation of the machined surface due to clamping and machining forces over the entire tool path. The advantages of the GA-based method over previously reported non-linear programming methods for fixture layout optimization are discussed. Two GA-based fixture layout optimization approaches are implemented and compared by applying them to several two-dimensional example problems.     

基于SLP与遗传算法的仓储布局优化

针对现有仓储布局优化方法计算复杂、存在个人主观意愿、易产生局部最优解等问题,采用SLP和遗传算法相结合的方式对仓储布局进行优化。首先,利用社会网络分析法和SLP结合的方式产生初始方案,对遗传算法的初始种群进行改善。其次,将仓储区域按实际需要划分为若干个作业单位,以总物流量与总布置面积最小为优化目标,建立仓储布局优化的数学模型,使用Simtalk编程语言和eM-Plant内置的遗传算法工具箱进行求解,提高仓储布局的效率和效益。最后,以某变速器工厂仓储布局优化为例,采用文中提出的方法进行建模和优化,结果显示,优化后的布置方案减少了24%的物流量,能够有效降低仓储成本。     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合,成功地应用到LFB算法中,利用遗传模拟退火混合算法的全局优化搜索能力,得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论,为钣金件排样系统的开发提供一种实用的算法。     

基于混合算法与大型水箱装配的车间布局

为解决大型水箱装配车间布局问题以及提高产品的装配效率,提出使用一站式装配的车间布局方式.该布局充分考虑了大型水箱的工艺需求,以及车间布局的物流因素和非物流因素;采用系统布置设计方法初始化车间布局,并提出以物流量成本最低、最大化车间面积利用率、多工艺路线配送成本最低为目标的综合线性规划模型;利用粒子群和灰狼优化算法结合的...     

基于智能优化算法的设备布局设计

制造系统的设备布局与生产率和生产成本密切相关,布局设计是制造系统设计者面临的关键问题之一.文章针对布局问题的平方分派模型,构建了一种布局设计的混合智能优化算法--遗传退火算法 ,并分析了算法实现的方法.实例表明遗传退火算法的高效性.     

一步平移法与遗传模拟退火算法在冲裁件排样中的应用

研究冲裁件优化排样算法及实现问题,提出一种用一步平移法和遗传模拟退火算法相结合的算法解决冲裁件的排样问题。克服了平行线分割一步平移法中计算量大的问题,具有优化效果好、自动化程度高、迅速准确地得出工件排样的最优解。     

基于IAGA的多行设施布局优化方法

针对横向和纵向通道位置和数量均不确定的多行设施布局问题,提出一种基于IAGA的多行设施布局优化方法。考虑设施最大纵横比约束,建立以物流成本、搬运设备空载成本及占地面积成本的加权平均值最小化为优化目标的布局优化模型;设计基于柔性隔间结构编码的改进自适应遗传算法(IAGA)对模型进行求解。算法中设计了自适应调整交叉概率、自适应选择交叉算子(双点交叉算子和单亲单点交换算子)及分别针对隔间结构和设施编号排列的基本位变异算子,提高了其收敛速度和搜索能力。最后,通过案例分析验证了IAGA算法的有效性。