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。     

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.     

钣金件剩余矩形排样遗传优化方法研究

为了提升钣金件排样的板材利用率,对剩余矩形排样算法进行了分析改进,结合遗传算法,提出了一种更为有效的排样算法.在分析研究剩余矩形排样算法在排样过程中的不完善之处后提出了改进方法,验证了其有效性.基于遗传算法对排样优化进行求解,确定了适用于排样优化的编码方式,在基本遗传算法的基础上加以改进,编写了选择算子,交叉算子及适应度函数,将遗传算法与改进后的剩余矩形排样算法结合进行排样优化,提升了板材利用率.实例测试结果表明:在改善的剩余矩形排样算法基础上运用遗传算法实现钣金件排样可有效提升钣金材料利用率,该方法有效可行.     

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。     

CAD技术在矩形铝板幕墙排样中的应用

针对矩形铝板幕墙生产特点及排样要求，研究了矩形件排样的算法。提出了适合于矩形铝板排样的优化过程。在此基础上利用VC 6．0作为开发工具开发了一套以排样效据库为核心的集数据库维护、排样优化、数据查询等功能于一体的排样软件。     

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。     

基于可行域的矩形智能排样系统设计

基于可行域求解矩形排样算法,采用VC++6.0作为编程工具,进行了矩形智能排样系统的设计开发,以完成具有NP-hard的矩形排样问题的自动优化求解。实例证明该系统能够对各种不同形式和规模的矩形排样问题进行快速的求解,并输出最终排样方案,对工程实际中的排样问题有积极的指导作用。     

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.     

基于层次聚类模型的矩形优化排样问题研究

将数据挖掘中凝聚的层次聚类思想引入矩形排样问题求解中。首先计算矩形件两两之间的结合度,将结合度最高的两个矩形件合并形成一个新的矩形件,并重复执行这一步骤,直到所有矩形件合并完成。据此编写算法程序,利用标准数据集进行仿真实验。