多种群蚁群算法在矩形件优化排料中的应用

矩形件优化排料问题是一类具有NP完全难度的组合优化问题。将多种群蚁群算法应用到矩形件优化排料问题求解中,优化试验结果表明可获得比基本蚁群算法更好的效果,为矩形件优化排料这类NP完全问题提供了新的思路和方法。     

基于非等值初始量蚁群算法的矩形优化排料

为提高矩形排料的板材利用率并节约求解时间,提出了非等值初始量蚁群算法,并应用于矩形优化排料问题。在蚁群算法初始信息素量赋值过程中引入矩形面积和长宽比因素以增大各矩形初始信息素的差别,加快算法收敛速度;同时对传统蚁群算法的信息素更新规则作适当改变,以便于信息素快速更新,缩短求解时间。采用改进的最低水平线法作为排料方法,能充分利用已产生的闲置区域,减少板材浪费。对比实验的结果表明,与传统蚁群算法和其他几种典型算法相比,本文算法能进一步提高板材利用率,且求解时间较短。     

求解矩形件优化排料蚁群算法

介绍了一种使用蚁群算法求解矩形件优化排料问题的新方法。矩形件优化排料问题可以用与或树来描述，这样有关的优化问题就变成寻找一棵面积比率最大的二叉树，用蚁群算法实现这种树搜索，是把一定数量的蚂蚁分布在与或树的根节点，蚂蚁间通过使用信息素相互交流，完成从与或树到二叉树的选择，从而得到矩形件优化排料问题的优化解。     

基于粒子群算法的服装矩形样片模型研究

针对服装排料中如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大的问题,在服装样片矩形化的基础上,建立混合组合方式下的服装最优排料的数学模型,并将粒子群算法与实际服装排料经验相结合,设计了整体排料最优求解算法.通过实例证明了服装排料数学模型的有效性.     

基于Open CASCADE的服装排料系统的研究与开发

文章针对服装人工排料劳动强度大、周期长及排料图不便于归档的问题,利用Visual C++6.0开发环境,并结合CAD开发平台Open CASCADE,研发了一套操作便捷的计算机辅助服装排料系统。该系统采用改进的遗传算法,即混合多种交叉、变异算子并采用快速解码方法,将不规则的衣片排料转化成矩形排料来实现服装的自动排料。通过平移、旋转和镜像等操作实现人机交互排料及优化自动排料。实验结果表明,该系统的使用能够缩短排料时间,并提高布料利用率。     

改进邻域搜索算法的矩形件排样优化研究

针对矩形件排样问题,给出精确的数学优化模型,提出一种改进邻域搜索算法的求解方法.为了克服一般邻域搜索算法易陷入局部最优解和搜索效率低的缺点,挖掘矩形件排样的问题特征,提出反悔算子、距离受限邻域算子、以"满足容忍度"接受劣解等3种新的改进策略.以矩形件排放顺序为编码,利用"最下左填充算法"进行解码,优化矩形件排样方案.对...     

Ant-Q算法在矩形件优化排料中的应用

矩形件优化排料问题是一类具有NP完全难度的组合优化问题,该优化问题可用与或树描述,即把矩形件优化排料问题变换为寻找一棵面积比率最大的二叉树问题.使用Ant-Q算法能够有效实现这种树搜索,从而求得矩形件优化排料问题的优化解.     

计算机辅助板材排料系统的研究

分析了板材排料问题的实质，提出了一种板材排料的算法，并在此基础上开发出计算机辅助板材排料系统的软件。结果表明，该系统软件能很好地解决板材排料中矩形件板材的利用率、排料速度和加工工艺等有关问题。     

基于遗传算法的矩形件排样问题研究

将多种群阶段性杂交遗传算法和基于剩余矩形排样算法结合起来,对矩形件优化排样问题求解.重点讨论算法的关键技术:编码方式和解码方式、适应度函数的构造、遗传算子的选择、交叉、变异操作,并通过实例验证了算法的有效性.     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则,给出一种基于DNA编码方法的改进遗传算法,以求解非线性多约束规划问题,原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子;算法中还加入了一个新的算子——淘汰算子,分析及算法仿真结果表明,本算法可有效求解该问题。     

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。     

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.     

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。     

下料问题中两种启发式算法的比较研究

给出单一矩形原材料单一规格圆形零件下料问题的两种启发式算法,并比较不同的条件下两种算法的优劣.     

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．     

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.     

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.     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

基于二维约束Non—Guillotine切割的插补算法

分析了二维约束Non-Guillotine切割问题常用求解算法的特点和不足之处，针对二维切割问题的数学模型、提出了一种应用列生成法和模拟退火算法的插补算法，通过分析该算法的逻辑结构和数据结构，展现它运算处理速度快和所得解的最优、性能好的特点，并以依据该算法设计的下料软件系统的生产使用效果进一步反映了该算法的新颖和高效。     

基于空间分解的二维布局问题的启发式算法

一种基于空间分解的解决矩形物体布局问题的启发式方法。按照深度优先的原则将布局空间逐步分解，每次放入相对于当前布局空间来说是满足特定条件的最优布局块，并将该布局块定位于当前布局空间的左上角来不同大小矩形物体的布局方案。通过调整调序因子ＫＡ和ＫＢ的值，可得到满足不同要求的优化布局方案，所得布局方案均满足工业上一刀切的要求。实验结果及与其他算法的比较证明了该算法的灵活性和有效性。