板材合理下料

以天津客车厂ＴＪ－６２０Ｂ型汽车冲压件材下料问题为例，根据线性规划和组合原理，采用逐级优化的设计思想，建立了数学模型并研制计算机软件，得出优化套裁下料方案，原材料利用率从８０％提高到９４．７９％。     

板材最优化套裁下料方法与程序

本文以研究天津客车厂现生产的〈TJ-620B型汽车冲压件板材优化下料方案〉为背景,根据线性规划理论和组合原理,采用了逐级优化的设计思想,深入地研究了板材下料问题,从建立数学模型到研制计算机软件,通过计算得出最优化套裁下料方案,使原材料利用率从80%提高到94.79%。该厂试生产一个月就节省钢板30余吨,价值人民币6万元,全年可节省70多万元,经济效益显著。     

套裁下料在生产中的应用

“套裁下料”是一项节约效果明显,而又简单易行的合理利用材料的新工艺。在工厂现有生产条件下实行“套裁下料”,即能合理使用原材料,提高材料利用率;又可以降低生产成本,提高企业管理工作水平。尤其在当前,各企业生产飞跃发展的情况下,材料消耗大量增加,供应比较紧张,节约原材料更是一项十分迫切和艰巨的任务。因此,在工厂生产中应当大力推广“套裁下料”工艺,对材料实行综合利用,以促进社会主义企业的不断发展。生产什么机器都离不开钢材。钢材对于工厂的生产就象粮食对于人的生活一样,有着非常重要的意义。在怎样利用钢材的问题上,却有着两种不同的做法,一种是浪费、一种是节     

模拟退火算法在图片优化排版中的应用

图片优化排版是一种特殊的二维下料问题,属于NP-Complete.传统算法只考虑直线切割,不考虑更复杂的套裁方式.本文针对排版问题的特殊性,在几何数据结构上,采用空闲块算法描述复杂的套裁方式;在优化算法上,使用模拟退火算法进行迭代.实践表明,算法的优化效果是令人满意的.     

一种变压器硅钢片下料算法的设计与实现

硅钢片是变压器铁芯、电动机的主要原材料。提高硅钢片利用率、减少原材料成本是相关企业重点关注的问题。文章针对变压器厂铁芯车间下料提出一种基于余料控制的套裁下料算法,在考虑主动生成规范余料的基础上排入梯形毛坯,同时采用改进的顺序分组启发式算法(improved sequential grouping heuristic,ISGH)实现毛坯的横纵剪切,保证每次生成的排样方式满足规范余料价值和毛坯填充价值之和最大化,直到所有毛坯全部排完,从而得出最优排样方案。经验证,该算法运行时间合理,可以在一定程度上减少原材料成本、提高硅钢片的利用率。     

分支定界算法优化一维下料问题

一维下料问题是生产实践中常见的问题,优化下料要求最大限度地节约原材料,提高原材料的利用率.本文提出分支定界算法优化一维下料问题,并用MATLAB编写程序,通过计算机来完成这一复杂的过程.     

型材优化下料问题的变换算法

根据旅行商问题（TSP）的邻域搜索算法的思想，提出了型材下料问题的一种优化算法．该算法避免了求解大量下料方式及求解大规模整数规划的复杂问题．最后给出了一个实际例子，表明该方法是可行的．     

套裁下料在生产中的应用

三、利用线性规划方法选择合理的套裁方案配合表1.什么是线性规划为了说明这个问题,我们先看一个简单的例子。例1 前面的表2(见《破与立》自然科学版第一期第57页)列出了二种电机产品的套裁方案。现在我们要从这个套裁方案表中选择一个配合表,获得使用最少的投料完成要求的任务数。为了解决这个问题,我们采取的办法是:列出数学式子,通过计算求出。设:x_1——使用第1方案下料的硅钢片数(张)x_2——使用第2方案下料的硅钢片数(张)     

从线性整数规划谈一维下料问题

一维下料问题是运筹学的一个经典NP-hard问题,在生产中普遍存在．优化下料可以提高原材料的利用率, 是企业增加经济效益的途径之一．从线性整数规划开始讨论了下料问题的各种模型,提出了一些需要改进的问题, 介绍了目前该问题研究的热点．     

塑型门窗异型材优化下料设计

目前国内的塑料门窗生产企业大多数采用单一下料法,由此产生的残料比例大。文中在分析定长条优化下料数学模型的基础上,利用线性规划单纯形优化的知识,提出了可编程实现的求解算法。实践表明,采用优化下料可明显降低原材料的消耗,有利于提高经济效益,并减少废料对环境的污染。     

实用下料问题的优化算法

本文针对单一原材料下料问题，讨论了如何在合理的时间内求得一维和二维实用下料问题的较优解。我们实现的是一种改进的以模式为导向的下料方案。以模式为导向的下料方法是相对于以需求为导向的下料方法而言的，即把几种零件组合进行下料，一次切割可得到不同规格的零件，以达到节省原材料的目的。我们的改进是引入了动态权值，具体来说，依据各零件的完成时间要求，赋给每种零件一个权值，而且这个权值会随着下料的进行而不断改变，以调整下料时零件的优先次序。引入动态权值后，不仅能解决时限问题，而且能优化搜索过程。在搜索下料方案的过程中，一维主要采用回溯法搜索部分状态空间，从中找出较优解；二维情形，观察到各种零件的长度比原料的宽度大很多，所以只能按原料的长边方向切割零件的长边，我们运用二叉树前序遍历法去寻找较优解。求得一维问题的下料结果是：需要804块原料，61种下料方式，废料总长度为37012mm，能保证任务按时完成。求得二维问题的解答：需要472块原料，52种下料方式，废料总长度为7340880mm^2，能保证任务按时完成。本模型具有操作简便，求解速度快，适应性好等优点，稍稍修改一些初始值就可以适应新的实际情况。算法是用编程来实现的。     

机械加工车间板材数控下料方法分析

当前工业机械生产领域中,板材下料是其加工生产作业环节中的重要关键程序,其板材下料直接关系到其生产环节效率、质量以及成本,因此工业行业领域关于机械加工板材下料研究广泛且深入,大多围绕着其板材套裁排样和数控切割优化上面.笔者结合个人经验,主要研究探讨基于AutoCAD平台开发的板材排样软件和DXF文件标准的条件环境下,提出板材数控加工生产过程中,代码自动生成和仿真加工生产的的方法,通过该方法能够使得AutoCAD软件及其图形信息资源得到更深层次和广泛深入的应用.     

一维实用下料问题的一种解法

针对单一原材料的一维下料问题,建立了整数规划模型,然后将模型转化为求解最优下料方式问题;利用lingo进行编程,实现循环调用得到一维下料问题的局部最优解.结果显示,下料方式K=60,利用率为98.711%,同时满足时间约束.     

一维下料方案的遗传算法优化

在对一维下料方案数学模型分析的基础上，提出了一种基于遗传算法的求解方法。主要思想是把零件的一个顺序作为一种下料方案，并视作组合优化问题来求解。在求解过程中，给出了应用遗传算法求解关键问题的编码、解码方法、遗传算子及适应离函数的定义，并根据这算法开发出一维下料方案的优化系统。实际应用表明，采用该方法求解一维下料方案，可提高材料的利用率，而且还可以提供多个优化方案。     

基于VNABC的多规格板材二维下料问题

针对二维下料问题板材单一的特点，研究了多规格板材二维下料问题。板材规格多样、毛坯规格多样且数量庞大，是NP(Non-deterministic Polynomial)完全问题。针对该问题的特点，将下料过程设计成规整和非规整两个阶段。规整阶段完成每种矩形毛坯的主体下料任务之后，如仍有毛坯剩余，则进入非规整阶段采用BL算法（Bottom Left Algorithm）下料剩余毛坯。根据模型特点，提出变邻域人工蜂群算法（VNABC），设计两种解码策略STD和SLD，并改进了VNABC算法的操作算子。最后，采用响应面分析法对VNABC算法进行参数标定。通过仿真实验将VNABC算法与遗传算法（GA）、改进粒子群优化算法（NUS）、模拟退火算法（SA）、人工蜂群算法（ABC）进行了对比分析，实验结果验证了VNABC解决多规格板材二维下料问题的优越性。     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

一种基于Web Service的网络化优化下料系统

结合分析传统优化下料技术存在的问题,阐明了网络化优化下料的意义.在此基础上,提出一种新的基于Web Service的网络化优化下料系统,并对系统的构建过程、体系结构和运行机制进行了阐述.系统以Web 服务为中心,通过建立不同粒度的服务和支持多层次的服务调用,将网络化的多软件协同优化计算模型有机地融合到下料系统当中.实验表明本所提出的系统能有效地提高下料的总体优化利用率.     

基于基因群体的一维优化下料

针对一维优化下料问题,将基于群体的编码方法与遗传算法相结合,设计了一种适用于一维优化下料问题的编码方法,修改了经典遗传算子的操作方法,提出了降序最佳置换方法(BRD).引入最佳配合(BF)、优先配合降序(FFD)局部搜索算法,建立了求解一维优化下料问题的复合遗传算法.应用结果显示,本文方法的效果是令人满意的.     

基于Internet的二维优化下斜方法及其实现技术

二维优化下斜问题是一个NP－复杂性问题,每一种优化软件都是利用近似和启发式处理得到下料结果,不同的优化方法及其优化软件不同的某些数据结构可能效果并不理想,企业又不可能购进大量不同的优化软件来选优。针对以上问题本文提出了一种基于Internet的二维优化下料解决方法,并给出了该方法的具体实现技术。实验表明,该方法将明显提高二维优化下料的总体优化效果。     

一维下料优化的一种新算法

针对一维下料优化问题,提出了一种基于启发式多级序列线性优化思想的新算法,即将下料优化问题转化为多级序列线性优化问题求解．每级求解时,在当前可行的下料方式中选择最优的一种进行下料。不断重复此操作。直到所有剩余的坯料数目均减小至零为止．原问题的最优解就是各个序列优化问题所求得的最优下料方式的总合．计算表明,与目前常用的整数线性规划或遗传算法相比较．该算法有结构简明、计算速度快、节材效果好的优点．