同尺寸矩形毛坯排样算法

讨论了同尺寸矩形毛坯二维剪切排样问题,切割刀数对减少剪切下料工作量有重要作用。文章提出了一种动态规划算法,在保证板材所含毛坯数最大的前提下,实现切割刀数最小化。实验结果表明上述算法可以简化切割工艺。     

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。     

飞机结构件装配顺序规划研究与实现

设计了一个能力飞机结构件自动生成、选择和评价装配顺序的基于知识规则的割集算法,该算法目的是为了建立一个新的装配关系和装配工艺表示模型,并且对于给定装配体,割集算法可生成详细可行的子装配全组,最终生成所有可行装配顺序,为得到最佳的装顺序,算法采用定量标准（如装配时间和费用、工夹具数目等）选择装配顺序,所提出的算法在CATIA设计平台上实现,并给出某型号飞机垂尾实例,验证了算法的正确性与有效性。     

飞机装配顺序的多目标综合评价方法研究

飞机的装配顺序受多种因素的综合影响,为了得到装配的最佳方案,提出了一种从多个目标评价装配顺序的方法。以装配并行性、稳定性、重定向性、操作的聚合性为评价因子,针对飞机装配的特点,从保证装配准确度的角度对装配工艺装备提出要求;通过使用层次分析法得到各因子的权重系数,最终对所有因素综合评价后比较结果获取最佳顺序。文中所提算法在某机型机身装配中得到应用,验证了算法的有效性。     

一维下料方案的贪心算法优化

在对一维下料方案数学模型分析的基础上,提出了一种基于贪心算法的求解方法.主要思想是采用原材料利用率最高的切割方式优先的贪心选择策略,从而将问题转化为求解给定集合的子集和问题.实际应用表明,采用该算法求解出一维优化下料方案,可提高材料的利用率.     

截断误差的光滑型支持向量顺序回归

支持向量顺序回归算法已成功应用于解决顺序回归问题,但其易受训练样本中野点的干扰。为此,提出一种截断误差的光滑型支持向量顺序回归(TLS-SVOR)算法。学习顺序回归模型时,将错划样本形成的误差s限制在范围u内。TLS-SVOR首先用包含参数u的分段多项式近似s;再引入光滑型支持向量机分类算法的思路,将优化目标转变为二次连续可微的无约束问题,从而由牛顿法直接求得唯一的决策超平面。采用两阶段的均匀设计方法确定TLS-SVOR的最优参数。实验结果表明,相比其他顺序回归算法,TLS-SVOR在多个数据集能获得更高的精度。     

一维下料问题数学模型的计算机自动生成与优化计算

介绍了一维下料问题的下料方式,采用计算机自动生成相应的线性规划数学模型,给出了最优下料方案的求解方法。     

一种改进的自然数编码遗传算法在非满载时间窗车辆优化调度问题中的应用

用改进的一种顺序交叉算子代替实数编码遗传算法中的标准顺序交叉算子,应用于时间窗车辆调度优化问题的求解,克服了标准顺序交叉算子在求解该问题时局部寻优能力的不足.一组仿真实验结果表明,改进的顺序交叉算子具有很好的局部寻优能力,改进的算法求解时间窗VSP问题收敛性明显好于标准遗传算法.     

矩形毛坯匀质条带排样方式及其生成算法

提出了匀质条带规范排样方式及其动态规划生成算法：从边界开始,逐段递推寻找优化排样方式。这种算法假定每一刀都从板材上切下1根水平或竖直的匀质条带,每根匀质条带中只含尺寸相同的毛坯,从而简化下料工艺。实验计算结果表明,和其他常见排样方式相比,使用匀质条带规范排样方式可提高材料利用率,计算时间能够满足实际应用需要。     

基于关联分类的中文短信分类

为高效地识别垃圾短信,在关联分类算法基础上,提出基于语序的关联分类(associative classification based on word order,ACW)算法.该算法利用关联规则挖掘方法,同时结合句法顺序,生成分类规则.通过实验证明,在短信分类领域,ACW算法的效果优于传统关联分类算法.     

一维下料问题的几点注记

在下料问题中,某一给定规格的物品,在一定的目标和约束条件下,由较大规格的原材料切割而成.本注记主要讨论在2个不同约束和2个不同目标下,一维下料问题所对应的模型之间的关系.2个约束是指等式约束和不等式约束;2个目标包括所用原材料最少和剩下的料头最少.在等式约束下,2个模型是等价的,其对应的连续松弛问题也是等价的.在不等式约束下,2个不同目标所对应的模型是不等价的;但是所用原材料最少为目标的模型的连续问题的最优解也是剩下的料头最少为目标的模型的最优解.     

一维优化下料问题

下料问题在生产中普遍存在，优化下料可以提高原材料利用率，是企业增加经济效益的途径之一．对一维下料问题进行了探讨，给出一维下料问题的一些概念和数学模型，讨论解决一维下料问题的常用算法以及算法的适用情况，分析与之相关的一些问题和具体的实际应用．     

基于ARM切绘机控制器设计及其排样优化

数控切绘机控制系统对切绘机工作效率及延长切刀运行寿命起着重要作用.为了提高控制效率、硬件可靠性及性价比,设计了一款低成本、高效率并可靠的切绘机控制系统.系统采用飞利浦公司的LPC2138芯片为主控制器,并移植具有较高稳定性的μC/OS-Ⅱ实时操作系统,以实现多任务之间的调度.为了提高切绘过程中图形排列效率及材料利用率,提出了采用贪婪算法与递归算法中分而治之策略相结合的算法进行排样优化.经试验证明本算法比一般排样算法具有更高的效率和可靠性,有效提高耗材利用率.     

关联且项项正相关频繁模式挖掘

针对频繁模式和已有的相关模式不能完全去除交叉支持可疑模式和包含负相关商品项的可疑模式的问题,提出了关联且项项正相关频繁模式挖掘的新问题及其解决方案.阐述了一种新颖的all-item-confidence相关兴趣度量,探讨了该度量所具有的合适的上下界、反单调性等性质.选取all-item-confidence描述模式的项项正相关性,从而有效过滤包含负相关商品项的可疑模式;同时采用all-confidence描述模式的关联性,去除交叉支持可疑模式.进一步给出相关定义,提出两种挖掘算法:ItemCoMine_AP和ItemCoMine_CT,并对算法性能、度量减枝效果、实际零售数据集应用效果进行了测试. 实验结果表明,两种算法执行性能良好,all-confidence和all-item-confidence对可疑模式有明显的减枝效果,挖掘得到的关联且项项正相关模式具有较好的应用价值.     

基于遗传算法的钢锭配切优化

针对马钢车轮公司钢锭切割中利用率偏低现状，提出一种基于遗传算法的钢锭优化配切方案，建立多型材、变截面、多品种组合下料模型。采用多规格组合配切的办法，解决了钢锭利用率低下、成材率偏低的问题。实践表明，该方案在提高切割效率的同时，有效提高了原材料切割率。     

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.     

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。     

上证指数的时间序列预测模型

为研究上证指数的变化规律,利用时间序列分析方法建立了预测模型,模型对上证指数的日-上证指数和月-上证指数分别作了预测分析,结果表明,预测值接近真实值,并为指导投资者在证券投资市场上的正确投资战略决策提供有效依据.