矩形件排样优化贪婪算法及系统开发

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,在此基础上,提出一种新的排样算法——贪婪算法.该算法的主要思想是在每次排样过程中,都用面积最大的矩形件对板材进行填充.同时,开发了一个矩形件排样优化系统.实际排样结果表明,贪婪算法能够获得比近似算法更有效的排样结果.     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"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二维不规则件自动排样,得到了满意的优化排样结果。     

矩形件排样的模拟退火算法求解

讨论了用模拟退火算法求解矩形件排样问题。在这问题数学模型分析的基础上,给出了模拟退火算法求解的关键步骤和方法,并通过算例讨论了模拟退火算法中三个主要参数初始温度、冷却系数以及终止温度对排样结果的影响。实验结果表明：采用模拟退火算法求解排样问题是适合的。     

基于蚁群算法的矩形件优化排样问题

由于蚁群算法具有正反馈并行自催化机制和较强的鲁棒性等优点,逐渐成为一种应用广泛的元启发式算法。针对矩形毛坯在定宽无限长的板材上排样这个NP难问题,提出采用蚁群算法进行求解。采用1种2步法:第1步利用蚁群算法寻找最优底部毛坯排放顺序得到条形料排放顺序,第2步采用一种宽度方向最大填充排放算法来排放每个条形料。并将得到的结果与以往算法的结果进行比较,进一步验证了蚁群算法的优越性及处理矩形件排样问题的有效性。     

采用分层搜索填充策略的启发式带排样算法

要解决的矩形件带排样问题是指在宽度固定高度无限的二维板材上,排放给定的矩形件集合,矩形件的边必须与板材的边平行或垂直,且不允许重叠,排放最终目标是使所消耗的板材高度最小.针对此问题,采用启发式的分层搜索填充策略进行排样,先根据矩形件最长边的长度值降序排序,然后按照下-左优先原则依序填充或搜索现有的闲置空间进行填充,闲置空间包括已填充矩形件顶部空间和层末空间,空间不够时则建立新层.该启发式算法可采用成本较低的剪切方式进行切割,具有材料利用率较高、切割工艺简单、余料价值高等特点,且算法复杂度低,具有广泛的应用场合.     

一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

矩形件排样优化的双向双原算法

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,并在此基础上提出了一种新的排样算法-双向双原算法.该算法的主要思想是:首先采用局部最优原则,将板材划分成两段,然后将该分割点设定为两个待排区域的原点,最后采用改进的近似算法对其进行排样.实际排样结果表明,双向双原算法既满足了实际生产的工艺要求,又提高了板材的利用率,获得了比近似算法更好的排样结果.     

基于改进蚁群算法和剩余矩形法的二维矩形件优化排样

二维矩形件优化排样是一类具有NP完全难度的组合优化问题。提出了一种基于改进蚁群算法和剩余矩形法的新型混合算法对其进行求解。通过针对最优个体的变异策略和具有随机选择机制的路径选择规则,提高了算法的全局寻优能力。在每一代的寻优过程中采用剩余矩形法完成矩形件排样,以改善算法的局部寻优能力。将该文算法与已有算法通过两个仿真实例进行了对比分析,仿真结果表明该算法具有明显的优势。     

缺陷板材二维排样的一种随机密钥遗传算法

讨论缺陷板材二维排样问题,即用一张带缺陷区域的板材切割出若干种矩形件,对每种矩形件允许从板材上切割的数量不做限制,优化目标为板材切割出的矩形件的总价值最大.将放置规则和随机密钥遗传算法相结合求解排样方式,用放置规则确定当前待排样矩形件在板材上的放置位置,用随机密钥遗传算法确定矩形件的排样序列和排样参数,用极大空闲空间技术处理板材的空闲空间和缺陷区域.为了提高遗传算法对解空间的搜索范围,放置规则采用最下最左和最左最下两种不同的启发式.通过数值实验比较所提方法与文献方法,实验结果表明,所提方法计算时间较少、排样价值较高.     

定序列矩形件优化排样的二维搜索算法

为了提高矩形件排样时材料的利用率,针对定序列矩形件优化排样问题,本文在＂基于最低水平线的搜索算法＂的基础上,提出了一种改进的矩形件优化排样算法——基于最低水平线的二维搜索算法.此改进算法在＂基于最低水平线的搜索算法＂基础上,进行了排样宽度的二维搜索,并将该改进算法与其他算法进行实例排样比较,排样结果表明,改进后的排样算法能有效地利用排样时产生的空白区域,在提高材料利用率上具有可行性和有效性.     

不规则件最优排放布局的实现

使用遗传算法,突破了通常只按照某种固定的标准(如按面积大小)确定的零件的排样顺序,通过全局优化概率搜索产生最佳的排样次序和每个排样件的旋转角度,得到最优的排样顺序;用改进的平行线分割一步平移法,计算出了两个相交的图形不重叠所需移动的距离;用最低水平线定位算法确定了每一个排样件在板材上的定位位置。通过实例可看出板材的利用率得到了很大的提高。     

基于粒子群算法的服装矩形样片模型研究

针对服装排料中如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大的问题,在服装样片矩形化的基础上,建立混合组合方式下的服装最优排料的数学模型,并将粒子群算法与实际服装排料经验相结合,设计了整体排料最优求解算法.通过实例证明了服装排料数学模型的有效性.     

服装矩形样片组合优化模型及其求解算法

服装排料问题是指如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大。根据实际技术需求,在服装样片矩形化的基础上,建立了混合组合方式下的服装最优排料的数学模型,并将最优化方法与实际服装排料经验相结合,设计了整体排料最优求解算法。最后,通过实例证明了所提出的服装排料数学模型的正确性。     

基于碰撞算法的冲裁件优化排样系统的开发

把碰撞理论应用在冲裁件优化排样中，通过增加对圆弧分段处理的步骤，采用直接对圆弧计算的方法，减少了计算复杂度。解决了排样件的非直线轮廓线性化所带来的离散精度与计算效率的矛盾。适合用于解决含有圆弧的复杂轮廓的同类零件优化排样。基于此算法作者开发了冲裁件的优化排样系统，自动计算零件间的碰撞距离、冲裁步距和最优排放角度。利用本研究的对头双排法裁料，可以把材料利用率从普通双排的76．6％提高到81．4％。     

一种新型的二维优化排料方法

将二维优化排料问题分解成两个步骤，在优化过程中，首先将多边形或曲线图形栽片优化组合成矩形基本模块；其次对矩形基本模块进行优化排料，该算法特别适合于中小规模的二维排料，根据本文的设计思想开发了一个多边形或曲线图形栽片排料系统。     

一种有约束矩形排样问题的求解算法

对属于NP完全问题的有约束矩形排样问题，国内外多采用计算复杂度较小、时间较快、便于控制问题约束条件的启发式方法.分析了启发式排料算法影响优化程度的原因，提出利用回溯寻求优化零件组合的混合启发式策略，并利用排样过程中产生的小剩余区域划分与合并的方法和现有的矩形排样启发式算法相比，说明该方法可以更大地提高板材的利用率.