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。     

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。     

基于橡皮筋势能下降策略的圆形件排样算法

合理排样是钣金制品下料过程提高材料利用率降低企业生产成本的重要途径之一,针对圆形钣金制件的排样优化问题,提出一种基于橡皮筋势能下降策略的拟物理过程快速排样算法(RPED)。通过建立圆排样问题的数学优化模型,在理想化条件下制定橡皮筋势能下降排样策略,并对排样过程进行物理学受力分析和运动分析,提出基于时间节拍的排样过程离散模拟方法,最后结合精英保留遗传算法对排样模型的初始布局进行优化,进一步提高算法的全局搜索能力。计算机实验结果表明,RPED算法的平均板材利用率较企业实际生产排样高1.1%,而对国际通用算例RPED算法的平均板材利用率较RBLP和ASA算法高0.68%和0.19%。RPED排样优化算法可获得更高的平均板材利用率。     

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。     

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。     

一种针对板材余料的排样优化方法

在板材加工过程中,会产生一定的板材余料,为了加强板材余料的管理和利用,降低企业生产成本,提出采用图像处理的方法得到余料板材的形状尺寸信息,并对余料板材进行分类,根据待排零件通过关键词搜索对余料板材进行查询;在分析国内外有关二维排样问题的研究基础上,以Auto CAD为载体利用Object ARX语言的优势进行程序设计,采用遗传-蚁群算法得到待排零件的排样序列,利用碰撞检测和包络矩形原理实现余料板材的半自动优化排样。     

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。     

灰狼算法在定制化家具矩形件排样中的应用

针对定制化家具矩形件排样问题，以板材的利用率最大化为目标，建立矩形件排样模型，提出一种改进的灰狼算法进行求解，针对定制化家具的零件差异性较大的问题，在矩形件排样定序问题中，采用改进的灰狼算法进行求解，改进算法的编码方式、游走和奔袭策略，在矩形件排样定位问题中，采用改进的最低水平线定位算法，实现矩形件定位过程中的零件序列微调，并确定排布位置，再次优化排样方案，实现利用率最大化。     

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。     

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。     

面向多规格板材的矩形工件排样优化方法

针对规格板材件的矩形工件排样问题,提出一种支持一刀切工艺约束的放宽式搜索算法,利用多规格板材组合的构造算法,依据工件的总面积形成多种可行的板材组合;根据组合的总面积大小排序,优先选择面积较少的组合进行排样,单片板材的排放采用组化策略和启发式的排样规则;在多规格板材的排样过程中如果排样失败,则针对组合中还未排样的板材所构成的组合进行放宽式替换,再重复上述排样过程,以此搜索最佳板材组合,从而使所有工件可以排放且板材利用率最高。实验结果显示:该算法行之有效,测试结果相对于文献报道的算法具有一定优势。     

矩形毛坯套裁排样时板材尺寸的选择

阐述矩形毛坯套裁排样时板材尺寸的选择方法,并结合具体生产实例用计算机排样系统进行详细分析,给出具体 的决策方法,可提高材料利用率。     

有约束单一尺寸矩形毛坯下料问题的一种求解算法

讨论有约束单一尺寸矩形毛坯下料问题:切割库存板材满足一定数量的单一尺寸矩形毛坯的需求,优化目标是使所切割的板材总面积最小,该问题广泛的出现在制造业领域的板材切割下料环节。提出一种基于五块布局模式的优化下料算法。首先调用无约束五块布局算法生成整张板材上的毛坯排样方式,然后调用有约束五块布局算法生成部分板上的毛坯排样方式。使用算例对文中下料算法进行了测试,并与文献中下料算法进行了比较。实验结果表明,下料算法可以提高下料利用率,而且计算时间合理。     

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.     

满足“一刀切”约束的矩形件交互式排样系统

在诸如玻璃、木材等板型材的加工过程中,受制造过程和工艺的影响,其下料排样方案必须满足"一刀切"约束——"从矩形板材的一端,沿直线方向切割到另一端,将其分割成两个独立的矩形件"。下料排样时,通过智能优化软件和方法获得的下料排样方案仍有可能进行多次交互式调整,形成的排样方案仍然需要满足"一刀切"约束。针对这一需求,在拥有自主知识产权的排样系统的基础上,设计和开发了满足"一刀切"约束的矩形件交互式排样系统;开发了具有矩形件增、删、旋转和移动功能的交互式排样组件;定义了原材料有效利用率这一核心概念;提出了一种以切割线总路径为优化目标的切割线生成算法,该算法能自动生成排样方案的切割线,同时也能保证切割方案的"一刀切"约束。     

钢材切割的最佳选材与优化排样的研究

随着钢结构产品的广泛应用,提高原材料板材的利用率是钢结构企业迫切需要解决的问题。本文以矩形钢材下料排样应用为背景,结合软件开发技术开发了钢结构产品排样系统。首先该系统可以快速从数据库中匹配出最符合产品尺寸的材料板材,然后提供高质量的排样方案,节约原材料,降低产品成本,提高企业经济效益。     

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。     

矩形毛坯三块排样方式及其算法

采用线性规划和动态规划解决矩形毛坯排样问题。采用下料工艺简单的三块排样方式,用两条成T形的剪切线将板材分成三个矩形区域,每个区域中包含一个由同尺寸毛坯组成的规范块。实验计算表明,所述算法可解决大规模矩形套裁排样问题,能够有效提高材料利用率和简化下料工艺。     

家具板材智能排料控制系统优化研究

板材的排样、下料和切割方案直接影响成品家具的成本及所需板材的利用率。针对非标和标准家具制造需求,分别提出板材智能排料优化算法及系统控制方案。利用粒子群算法优化非标家具所需板材的排样、下料和切割,通过全局优化获取最小材料剩余对应的非标板材切割方案;通过布尔运算对最小材料剩余的几何尺寸进行二次优化,获取满足标准家具成品所需的板材式样。排料优化及系统的应用能大幅提高对家具板材的利用率,有助于调控生产成本,提高企业竞争力。