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.     

基于小生境遗传算法的矩形件优化排样

将小生境遗传算法应用于计算机辅助排样领域,提出了一种改进的解码算法--高度调整法,将高度调整法和小生境遗传算法相结合,用于求解矩形件排样问题.该方法首先将矩形件的排样问题转化为便于优化求解的排列问题,然后应用小生境遗传算法的全局优化概率搜索能力进行优化求解,优化计算过程中应用高度调整法将排样序列转化为排样图.用该算法对文献中的两个算例进行了求解,结果表明该算法是行之有效的.     

基于递归的同尺寸矩形最优剪切排样算法

对同尺寸矩形毛坯剪切排样中的动态规划算法进行改进,给出了改进算法的基本设计原理、语言描述和一例系统排样输出.算法采用树型递归调用策略将板材按要求切成同尺寸矩形件,并使所产生的废料最少.实验结果表明,与原算法相比,可使循环计算次数大大减少,运算效率有较大提高.     

两阶段启发式算法在矩形件排样中的应用

针对定制式木门家具生产过程中板材资源利用率低和常规启发式排样算法得到的排样结果切割工艺复杂的问题,采用启发式排样和优化排序相结合的方式,提出了两阶段排样方式和遗传算法相结合的组合式矩形板材排样算法。以两阶段排样方式为基础,通过对排样过程中物块摆放时会遇到的5种情况分别给出对应处理方案,提出了两阶段启发式排样算法,同时利用改进的遗传算法进行板材组号的排序优化。测试结果表明,该文算法取得了98.11%的最高资源利用率,算法输出排样方案的板材切割工艺得到了优化,提高了实际生产中板材切割的生产效率并降低了生产与时间成本。     

基于改进克隆选择算法的含调整时间并行机调度

针对实际工业生产中广泛存在的带调整时间的并行机调度这一类NP难问题,研究并提出了一种改进的克隆选择算法(HSMCSA).为了提高算法的求解效率,特别是对大规模问题的优化性能,提出了一种基于单机排序的均匀插入分割点的编码方法;在此基础中进一步研究了基于单机调度最优解与随机解混合启发式初始化策略,有效提高了初始解性能;最后详细对比和分析了克隆选择算法中4种变异操作的优化性能,实现了基于改进的克隆选择算法的带调整时间的并行机调度问题的优化求解.仿真实验结果表明:所提出的改进克隆选择算法具有更好的优化性能;与遗传算法相比,求解性能提高了18.5%,与基本克隆选择算法相比提高了7.2%.     

二维板材圆形件剪冲的四块排样算法

针对二维板材圆形件剪冲下料问题,提出一种基于四块排样方式的下料算法.这种排样方式将一张板材划分成四个块,在每块中排放具有相同长度和方向的条带;条带中排放若干行同种圆形件.构造排样算法生成单张板材上圆形件的四块排样方式,首先确定圆形件在条带中的布局;然后构造递归算法生成条带在块中的布局;最后采用隐式枚举算法确定板材的最优四块划分.采用列生成算法调用上述排样方法生成多个不同的排样方式,按照单纯型原理择优选择一组排样方式形成下料方案,并对小数解进行圆整操作.使用文献例题和实际生产实例将本文算法与文献算法进行对比,结果表明: 本文算法下料方案板材利用率比四种文献算法分别高0.49%, 0.32%, 6.04%和1.50%, 计算时间能满足实际应用需要.     

基于混合表达图形的二维不规则排样构造算法

提出了一种基于矢量图与像素图混合表达的二维不规则排样构造算法.在算法的初始阶段,零件信息采用矢量方式输入,在寻找最优排样姿态阶段则采用像素化表达,最后为了消除零件之间的缝隙并输出精确的排样图,零件恢复为矢量图表达.算例分析表明,该算法具有复杂度低、执行速度快和排样效果好的优点,有望推广为一种新型三维不规则排样构造算法,并基于图形处理器(GPU)的并行计算技术对其进行性能升级.     

基于改进遗传算法的线材排样优化

针对线材排样优化问题,在分析线材排样方案数学模型的基础上,提出了基于改进遗传算法的优化求解方案。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。实验表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了线材排样问题。     

冲裁件优化排样的多边形顶点射线算法

研究冲裁工件优化排样问题.在普通单排多边形顶点算法的基础上,针对对头单排、普通双排、对头双排3种排样方式的特点,提出一种多边形顶点射线算法.经实际测试证明,该算法克服了多边形顶点算法通用性差的局限,可高效准确地得出常规单件排样方式的最优解.应用改进算法,在AutoCAD2000上,通过ObjectARX2000开发出了冲裁模优化排样系统.应用结果表明,与原手工排样方案相比,节省材料率约10%.     

维不规则零件排样问题的粒子群算法求解

提出了一种基于粒子群算法求解二维不规则零件排样问题的方法.该方法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,然后利用粒子群算法优化求解,在求解过程中运用自适应调整策略对零件的排样位置进行微调.最后用该优化排样算法对文献中的两个算例求解,排样结果表明该算法是有效的.     

基于分组混合策略的LDPC置信传播译码算法

置信传播(BP-Based)译码算法通过对校验节点消息的简化处理,并在传递的变量信息之间引进相关性,可大大降低算法的复杂度.为了减少BP-Based算法的迭代次数和性能损失,采用分组混合策略对BP-Based算法进行改进,加快了信息更新速度,减少了错误信息从停止集传播到Tanner图中其他节点的概率.MATLAB仿真表明,在几乎不增加复杂度的情况下,改进算法可以提高译码性能.     

基于改进小生境免疫遗传算法的矩形件排样

讨论了基于改进小生境免疫遗传算法的矩形件排样问题,提出了基于排挤机制的小生境技术结合遗传算法的新思路,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对大规模矩形件排样问题进行了实例比较分析,实例表明：在大规模矩形件排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的运用具有较好的全局寻优表现和收敛速度,算法有效、可行.     

基于改进的禁忌搜索算法求解带2维装箱约束的低碳车辆路径问题

同时考虑2维装箱和车辆路径2个NP难问题,以碳排放量为目标函数,对低碳环境下带2维装箱约束的车辆路径问题进行研究.求解思路是以禁忌搜索算法(Tabu Search,TS)为主要框架,然后基于贪心的思想采用4种启发式装箱策略生成初始解,并通过改进编码解码方式以及使用动态增长的禁忌长度对TS算法进行改进; 由给出算例的计算结果可知,改进的禁忌搜索算法对于求解该类问题具有一定的优越性.     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

基于小波分析和Retinex算法的图像增强算法

为了改善图像增强效果, 提高图像质量, 提出一种基于小波分析和Retinex算法的图像增强算法(WA Retinex). 先采用小波分析对图像进行多尺度分解, 去除图像中的噪声; 再采用Retinex算法对图像细节信息进行增强, 并引入更符合人眼视觉特性的拟合函数拓宽图像灰度范围; 最后通过仿真实验对其有效性和优越性进行分析. 实验结果表明, 该算法明显改善了图像的整体视觉效果, 能更好地刻画图像细节信息,  性能优于现有的一些经典Retinex算法.     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

基于改进AES的一次一密加密算法的实现

AES(advanced encryption standard)加密算法在分组密码领域一直有着不俗的表现,但是传统AES算法具有S盒的迭代循环周期短、轮密钥和种子密钥之间的相关性较强的缺陷。为增强AES算法的安全性,通过采用一种新的仿射变换对产生新的S盒,再利用平方剩余算法产生随机密钥流序列的方法对AES算法进行了改进。结果表明:改进后的S盒的迭代循环周期在GF(2~8)域上为256;每一次加解密运算使用的密钥都是不一样的随机密钥流序列。可见,改进后的AES算法使得明文的每一个分组都使用不同的密钥进行加密,从而使得各分组密文之间不具相关性,达到了使用固定密钥实现一次一密加密的目的,从而提高了AES加密算法的安全性。     

基于差分进化算法的FMS中机器与AGV同时调度方法

针对柔性制造系统中机器与AGV（automated guided vehicle）同时调度问题，提出一种混合变邻域搜索的改进离散差分进化算法。以最大完工时间最小为优化目标，考虑机器与AGV双资源约束，建立相应的数学模型。为了同时调度机器与AGV，采用基于工序、机器、AGV的3层编码结构。通过改进差分进化（differential evolution，DE）算法的变异、交叉算子产生新个体以提高算法的全局搜索能力，并引入模拟退火算法中解的接受准则选择下一代。同时，为了增强算法的局部搜索能力，对算法每次迭代的最优个体进行变邻域搜索。通过算例计算和对比，证明了提出的改进DE算法的有效性、稳定性和优越性。     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.