一维下料的基于贪心策略的多目标自适应粒子群算法优化

针对一维下料问题,提出一种基于贪心策略的多目标自适应粒子群算法,在余料率最低和下料方式数量最少两个目标上进行优化。通过将贪心策略应用于粒子群算法,把一维下料问题分割成多个子问题,对每个子问题依次求全局最优解,有效缩小单次处理问题的规模,由所有子问题的最优解取得原问题的近似最优解。为解决种群过早收敛而因此陷入局部最优,设计一种自适应策略。此外,考虑到切换下料方式会产生一定成本,通过最大化当前下料方式使用次数优化下料方式数量。仿真实验结果表明,该算法收敛速度快,取得的下料方案利用率高且下料方式数量较少,具备较好的实用性,并能够为企业带来显著的经济效益。