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.     

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.     

二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．     

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。     

工艺约束策略下的二维不规则零件排样算法

针对已有排样算法在实际工业生产情况下缺乏对零件工艺约束等问题,提出一种基于工艺约束策略的二维不规则排样算法(PCTNA)。该算法结合临界多边形算法,通过对零件内含有的空洞进行填充,实现提高被加工板材材料的利用率;再通过引入等距偏移思想,解决实际生产时所需要的零件间的工艺间隙问题。通过对欧洲排样问题兴趣小组提供的测试算例进行实验测试,从12个测试算例的测试结果得到平均时间优化比率为10.33%,平均路径优化比率为11.06%,实验结果显示PCTNA可以降低排样的切割时间和减少路径,提高切割效率。     

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。     

二维矩形块布局的交叉熵方法实现

给定一个小矩形块集和一个固定宽度而高度变化的大矩形的二维布局问题,就是将这矩形集中的所有矩形正交布置于这个大矩形中,并且保证矩形块之间不发生重叠,目的就是使得布局后这个大矩形块的高度最小.本文提出通过DROP或DROPF (DROP FILL)的启发式解码策略与交叉熵算法相结合求解该类问题.试验结果显示,算法稳定有效,较经典元启发式算法在提高空间利用率上有较大提高.     

基于启发式搜索和背包算法的分布式排样系统

针对理论上属于NP完全问题的二维矩形件优化排样问题,构建了一个排样效率高、计算速度快和排样效果好的一种近似算法.并结合计算机网络的大量应用,将算法应用于分布式排样系统.算法的主要思想是采用启发式搜索和背包算法,使每次排样都达到局部最优,从而得到近似最优解.并与其它2种近似算法进行了比较,指出了它们的不足之处,还给出了一个排样实例.     

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.     

基于改进遗传算法的二维不规则零件优化排样

针对二维不规则零件排样问题,提出了一种改进的优化排样算法.对最小包络矩形求取方法进行了改进,提高了算法的运算速度;借助最优选择策略,对选择算子进行了改进,提高了算法的全局收敛性能;提出了高度调整法,对解码算法进行了改进,提高了算法的精度.排样实例表明,算法性能得到了很大提高,该算法是行之有效的.     

矩形件和任意多边形排样问题的算法及应用

探讨了矩形件和任意形状图案的抽样优化问题的遗传算法求解，提出了剩余矩形表示法和条形图表示法。对于矩形排样，剩余矩形表示法提高了板材利用率，更容易得到较优解。对于任意形状图案排样，条形图表示法直接利用位图排样，不对图案作任何限制（允许有孔洞），排样速度很快。该算法已应用于智能印花分色系统中。     

对AgraWal单一矩形排样算法的改进与扩展

讨论单一矩形剪切下料排样方式最优设计问题,给出更为贴切的上界,从而改进Agrawal算法．Agrawal以图解方式说明规范多级排样方式中包含最优剪切割方式,现给出这一结论的数学证明．扩展无约束算法用于解决有约束排样问题．     

不规则凸域板材中单一尺寸矩形排样算法

目的研究在不规则凸域板材中进行单一尺寸矩形排样算法,解决在不规则凸域板材中排样单一尺寸矩形工程板数量最大化的问题.方法首先针对凸域板材中任意两点连线必在凸域板材内的特点,通过数学方程描述矩形工程板在凸域板材内和相互不重叠的约束条件,并以矩形工程板面积之和与凸域板材面积之比最大为目标函数,建立凸域板材中单一尺寸矩形排样算法的数学模型,然后利用启发式搜索算法,求解数学模型,最后得到最优的排样方案.结果矩形工程板面积之和与凸域板材面积之比可以达到83.3%~93.3%,有效地提高了不规则凸域板材的利用率.结论通过在多种不规则凸域板材中进行单一尺寸矩形排样实例可见,笔者建立的模型和求解方法可有效地求解不规则凸域板材中单一尺寸矩形的排样问题.     

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.     

基于匀质块五块模式的矩形件非剪切排样算法

基于匀质块五块排样模式对一类矩形件非剪切排样问题进行了研究.基于动态规划和隐枚举的思想设计了无约束矩形件非剪切排样问题的匀质块五块排样算法.与文献中的矩形件非剪切排样算法的对比试验表明:这种算法能够快速给出问题的最优解，而且可以降低板材切割工艺难度并减少矩形件的分拣成本.与2种矩形件剪切排样算法的对比进一步表明了引入“非剪切”的经济效益.     

二维不规则贯通排样的模拟退火算法

提出一种获得不规则零件的最佳包络矩形的方法,根据矩形件的启发式算法,设计模拟退火智能算法将最佳包络矩形排样.模拟退火算法是全局优化概率的搜索算法,可以在优化排样中将排样次序优化,再利用最低水平线算法将不规则多边形排样.结果显示:同一排样问题,初始温度、冷却参数以及终止温度有一组最佳组合值,使得问题解的质量较高.该算法在排样效果和时间效率上更为优秀.     

求解带平衡约束矩形布局问题的混合算法

以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.     

一类矩形切割的优化模型

研究了工业中常遇到的先将原料板切割成加工拼板后，再将拼板切割成单元板的一类矩形板材切割问题，此类问题归结为二维排布的双层优化，针对单元板在拼板上和拼板在原料板上的4种不同排布情形，建立了统一的非线性整数规划模型，根据问题的特点，给出了该模型的一个化双层优化为单层优化的求解算法，实际应用中，该算法能在数秒钟内按工艺要求给出最优切割方案，与传统方法相比，料板利用率常可提高5％～10％．     

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.     

一种分层填补的矩形件几何排样算法

通过分析矩形件排样问题中图形间的几何关系,根据矩形件的尺寸提取其角点坐标,对待排样矩形件进行重组。按照板材的尺寸将重组后的矩形件进行分层排样,利用可变式排样基线定位排样空隙,选择尺寸适宜的矩形件进行空隙填补,提出了一种分层填补的矩形件几何排样算法。选用矩形件长边分别平行于x轴和y轴两种板材摆放方式,并设计多种分层排样规则,计算出多种排样结果,优选后输出最佳排样方式。通过算例分析,验证了该算法的有效性。试验结果表明,该算法操作简单、结果可视可选、稳定可靠、适应性广。