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。     

基于遗传模拟退火算法的矩形件排样

将遗传模拟退火算法运用在矩形件排样中,利用遗传模拟退火算法的全局搜索能力,寻找出排样件最优的排样次序(排列最紧密),再结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。此结果适合应用于大批量、多种类的矩形件优化样。     

基于动态择优组合的板材切割下料算法

针对二维矩形板件排板利用率问题,提出了一种矩形板件优化组合的排板算法。该算法在最低水平线搜索算法的基础上加入了动态择优组合算法。通过启发式定位算法可以得到板材的切割路径以及板件的排放位置信息。为缩短每次优化排列组合的计算时间,采用了易于描述板材、板件信息的C#语言。为提高板材的利用率,将每次的余料加入数据库并被优先利用。根据工厂提供的板材、板件数据表明,该算法能够减少板材切割过程中的余料。     

基于动态择优定序的矩形件优化排板算法

针对定宽定高板材的矩形件切割下料问题,提出了一种改进的启发式定位优化排板算法。该算法在启发式定位的基础上引入了动态择优定序策略,并通过改进的遗传算法得到较优的矩形件排板序列,然后应用改进的启发式定位算法将编码转化为排板图并得出矩形件排列的相关信息。为提高算法的运行效率,采用了面向对象编程的C#语言。每次排板前,该算法还采用了余料优先利用原则。实用矩形件排板表明,该算法能够提高板材的利用率。     

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.     

二维矩形件组块优化切割的研究与实现

针对当前矩形件切割中板材和能源浪费、切割效率不高、切割质量不好等问题，从切割路径的优化入手，采用把相同尺寸的矩形件进行组合形成组合矩形块的思想进行优化排样；利用共边切割和连续切割，提出了一种适用的组合矩形块切割方式，并利用遗传算法解决了多选择、切割始终点不一致的组合矩形件切割顺序问题。算例表明，该切割方法不但能很好地满足工艺要求，而且使切割路径得到优化。     

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.     

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.     

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.     

二维矩形排样问题的启发式算法

矩形件优化排样问题具有多个算法,但是这些算法均有一些局限性,如排列不规则,计算量巨大等等。本文给出了单一尺寸的矩形排样问题的几种启发式算法, 它克服了现有众多排样算法执行效率低的缺陷,使板料排样的执行效率和优化率均得以显著提高,并用Delphi编程实现,可直接应用于实际问题中。