存在表面缺陷原材料的矩形件优化排样问题研究

针对存在表面缺陷原材料的矩形件优化排样问题是一个组合优化问题,提出了一种单亲遗传算法求解方法.研究了将矩形件在板材上的排样转换为遗传算法特定编码的方法,通过单亲遗传算法的遗传算子进行优化搜索,最终得到矩形件排样的最优次序和排放方式,用基于矩形件与板材内靠接临界多边形最低点的排样算法实现在表面存在缺陷原材料上的自动排样.排样实例表明,该优化排样算法行之有效,具有广泛的适应性.     

一种启发式矩形毛坯带排样算法研究

介绍一种两维矩形毛坯带排样问题的改进启发式递归算法,它基于递归结构和分支定界技术.首先初始化板材作为一个块,考虑目前的块,算法选择一个毛坯,将毛坯放在块的左下角,然后用水平或竖直的剪切线将未使用空间分为两个更小的块,便于进一步递归求解.使用上下界来去除无用的分支,缩短运算时间.将该算法和遗传算法相结合,先通过遗传算法确定所有矩形毛坯较优的排放顺序和排放方式,然后使用递归排样生成排样图,通过比较不同的矩形排放序列对应的板材利用率,最终得到较优的排样方案.测试数据表明了该启发式优化算法的有效性.     

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.     

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.     

适合“一刀切”剪切方式的矩形件排样算法

本文以满足剪板机加工工艺要求,提高板材的利用率为出发点,研究了大量国内外有关矩形件排样的各种算法,总结了适合普通剪床"一刀切"剪切方式的丁字尺算法,模拟退火算法,分层排样算法,并给出了算法的实现过程,方法简单易懂易编程,适合大规模矩形件排样,能提高材料利用率和下料效率,期待这些排样算法能为进行矩形排样的学者和从事生产实践的技术人员提供参考价值。     

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.     

融合蚁群算法和遗传算法的矩形件排样问题研究

提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最优排样图.计算实例表明:与单一遗传算法相比较,该融合算法可达到更好的排样效果.     

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.     

基于单毛坯条带的矩形件最优两段排样方式

对大规模矩形件排样问题提出一种精确、可生成一种新的满足剪冲下料工艺需求的排样方式:基于单毛坯条带的矩形件最优两段排样方式.采用动态规划算法生成最优单毛坯条带,通过一维背包算法确定条带在级中的排样方式和级在段中的最优排样方式,选择最优的两个段组成排样方式.对传统文献中的43道大规模基准测题进行计算,有38道测题达到最优,剩余5道测题的优化结果与最优化结果的比率达到99.9%,每题的平均计算时间仅用2.17s.结果表明,本文算法优于经典两段和著名的T型排样算法,在解决大规模矩形件排样具有高效性.     

二维矩形件优化排样算法的改进研究

提出了一种基于遗传算法求解矩形件排样的改进方法,通过比较搜寻待排矩形件宽度与最低水平线长度之间的关系来确定零件的排样,并用程序实现了该算法,结果表明这种改进算法是有效的。     

带剪刃长度约束的矩形件剪切下料优化算法

讨论矩形件二维下料问题,提出一种带剪刃长度约束的下料算法。这种算法将板材划分成四块,每块中排放长度和方向均相同的条带,每根条带中排放同种矩形件。运用递归技术构造四块排样方式的无约束生成算法和有约束生成算法。采用线性规划算法调用无约束生成算法生成第一部分下料方案;采用顺序启发式算法调用有约束生成算法生成第二部分下料方案。组合两部分下料方案形成最终解。数值实验结果表明下料算法有效地解决带剪刃长度约束的下料问题。     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.     

OFDM系统中基于改进阈值的DFT信道估计

在OFDM系统中，传统的基于DFT的信道估计不能使循环前缀内的噪声得到有效的抑制.为解决此问题，在分析利用不同的时域阈值来抑制噪声的算法缺点和不足的基础上，提出了一种新的将噪声样本点能量的中位数作为时域阈值的DFT信道估计算法.仿真实验表明，所提算法在大脉冲噪声情况下，可以很好地解决信道有效样本点被滤除的问题，且能使循环前缀内的噪声得到有效抑制，误码率和均方误差得到进一步降低，提高了信道估计的准确性.     

基于遗传算法的一刀切矩形排料求解

采用遗传算法对一刀切矩形排料问题进行求解,在排料过程中引入了启发式思想。并针对这个具体问题设计了新的交叉算子和变异算子,新的遗传算子更适合求解一刀切矩形排料问题。     

基于CS-SCHT域的相幅结合水印算法

针对目前一些水印算法鲁棒性有待提高的问题，提出一种将相位和幅度相结合的CS-SCHT 域水印算法.由于相位的抗干扰能力比幅度的强，而幅度对旋转、剪切和缩放具有不变性，故若先将水印均分，然后再分别嵌入到同一系数的相位和幅度中，将可兼得相位算法和幅度算法的优势，进而达到提高鲁棒性的目的.仿真结果表明:新算法在未受到攻击时峰值信噪比达到 47.4517dB，在经过各种攻击后归一化相关系数也都在 0.9 以上.新算法的不可感知性好，并且对增亮攻击、旋转攻击、剪切攻击、高斯噪声攻击、高斯低通滤波攻击，以及JPEG压缩攻击都有很强的鲁棒性.     

基于GA和DEFORM的陶瓷材料切削力数值模拟

通过有限元仿真及材料本构模型修正、遗传算法优化、数值模拟以及车削试验，研究了车削陶瓷材料切削力变化规律.有限元仿真成屑对比结果表明，经典的Johnson-Cook模型的切屑为连续片状，与实际加工不符；模型改进后，其仿真切屑为块状崩碎屑，对陶瓷材料有限元仿真较为适用.依据简单单因素有限元仿真数据，利用最小二乘法进行了一元回归数值拟合，获得了切削力与单一参数的解析式，相关系数检验结果表明模型具有较高的精度.利用遗传优化算法，建立了切削力多元模型.通过单因素试验、正交试验进行了多元模型验证，结果表明该模型能够准确反映切削力变化规律，具有较好的可靠性.     

经验模态分解中一种改进的包络线拟合算法

针对经验模态分解(empirical mode decomposition,EMD)过程中存在的包络线拟合问题,提出了一种精确消除欠冲现象的改进算法.该算法首先确定利用三次样条插值(cubic spline interpolation,CSI)进行包络线拟合时所产生的欠冲区间,然后通过单调分段三次多项式插值法对欠冲区间包络线进行补偿.该改进的包络线能紧紧地包住原始信号,而不影响信号本身的特征,尽可能保持前包络线的平滑性.仿真结果表明,提出的方法可以有效地消除由CSI所造成的欠冲现象,拟合出更好的包络线,进一步提高EMD的分解精度.     

一种高精度低复杂度的改进Root-MUSIC算法

针对目前多数低复杂度Root-MUSIC算法的精度损失问题，研究并提出了一种具备精度补偿能力的低复杂度Root-MUSIC算法.该算法依据有限快拍数得到的近似数据观测矩阵首行重构具有Toeplitz形态的自相关矩阵，使重构的自相关矩阵具备Hermitian性;对重构的自相关矩阵特征值分解后获得噪声子空间，并将噪声子空间翻转拆分，重构新的求根多项式，进而通过求根方法得到DOA估计值.本文算法通过Toeplitz矩阵重构及求根多项式降阶，不但有效提高了改进Root-MUSIC算法的DOA估计精度，同时改进算法的时间复杂度不高于前人算法;在不同的入射信源及采样快拍数下，本文算法表现出更强的鲁棒性和稳定性.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

重特大事故人员疏散算法设计及系统实现

针对工业企业重特大事故中的人员疏散问题，提出了一种能有效决策、指挥人员疏散的物联网系统.在此基础上，以较短的时间使全部人员疏散为优化目标，设计了一种快速搜索人员疏散路线的启发式算法ERSA.该算法根据厂区内道路和当前人员的分布情况，在规定的时间内通过多次循环迭代优化人员疏散路径.大量对比实验表明，ERSA能够有效地减少疏散时间，与最短路径疏散方法和随机疏散方法相比全体人员的疏散时间分别缩短了15%和28%.