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．     

材料工艺定额下料研究与改进

随着公司不断的发展与扩大,降低材料成本和确保交货期成为公司关注的两大主要目标.下料是生产的第一道工序,实现集中拆图下料,可以提高工人的工作效率、降低生产成本,实现材料快速运转.目前就企业下料现状,对下料现状进行分析研究.提出材料工艺定额下料中心的改进方案.并对下料中心进一步发展进行展望.     

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.     

云环境下离散制造业MES下料优化系统分析与设计

文章将下料优化的执行与企业私有云相结合,通过构建云数据中心模式为企业底层资源提供应用,对资源的分布式虚拟化计算、模型方法库的可扩展性等系统关键技术进行创新;定义了云环境下的下料优化系统的功能体系和系统架构,讨论了其实现过程中的关键问题,为下料过程优化和合理决策提供了重要支撑。     

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.     

皮带输送机下料溜槽的改进

简要介绍了旨在提高下料溜槽使用寿命、减轻输送物料对下料溜槽冲击而对皮带输送机下料溜槽进行的改进。     

多规格一维下料问题基于满意度模拟退火算法

为了对较大规模的一维下料问题更有效地进行计算,根据坯料的长度和数量将多规格一维下料问题分类为普通下料和批量下料,分别进行求解.对于普通下料问题,将满意度原理引入模拟退火算法,给出了一种基于满意度的模拟退火算法(SDSA)进行求解;对于批量下料问题,由于各坯料的数量较多,采用该算法与序列启发方法相结合的混合算法(SHP&SDSA)进行求解,以进一步提高算法的搜索性能.对普通下料和批量下料的数值仿真结果表明,该算法可提高求解速度和质量,并可获得稳定的工程满意解.     

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.     

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．     

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。