递归算法在单一矩形毛坯无约束最优排样中的应用

优化排样问题属于典型的非确定型NP问题,需要借助计算机辅助排样选出材料利用率最大化和排样下料效率最高的排样方案,以解决企业对排样的实际需求。讨论了单一矩形毛坯无约束剪切排样优化处理问题,基于剪切冲裁相结合的下料工艺、以条带数衡量排样方式的复杂性,应用递归算法通过枚举搜索法遍历所有可能的更优的排样方案,在保证毛坯数最优的前提下选出条带数最少的排样方案。实验计算结果表明所述算法有效。     

暂存区受限瓦楞纸板生产线下料问题研究

针对当前高速瓦楞纸板全自动生产线在生产多品种、大批量纸板订单时，存在原材料损耗大、各生产流程协同性差等问题，课题组提出一种瓦楞纸板生产全流程集成优化方法。在瓦楞纸板下料的基础上，提炼出一类受暂存区存储规则强顺序约束的一般纸板排样下料问题；模型以原料使用量最小为优化目标，综合决策图案排样及其顺序，将问题简化为3种关键变量的组合优化；基于模型强约束特征，设计通过“排样池”交互的2层嵌套算法，上层采用遗传算法决策订单放入排样池的顺序，下层设计基于“条带截断启发式规则”的2阶段确切算法决策图案构造。实验结果表明：该算法可以有效地约减低质量解空间，具备高寻优能力和求解稳定性。     

基于AutoCAD的钣金自动展开及排样优化

针对传统钣金生产过程中的效率低下、精度不高、材料浪费等缺点,提出基于CAD自动化技术的钣金展开及排 样优化应用系统,设计了系统的整体流程结构;借助于旋转最低水平线的遗传算法、最小矩形包络法和平移靠接算法为 核心,分别处理规则矩形和不规则矩形的排样优化问题。开发了基于AutoCAD应用平台的钣金展开及排样优化的插件 系统,该系统主要由参数化绘图、三维图显示、确定图幅及尺寸精度等功能组成;最后通过实例应用,表明该系统能有效 提高钣金生产的效率和制造精度,降低材料浪费率。     

混合遗传算法在矩形板材下料问题上的应用研究

根据基本遗传算法在解决板材下料优化中存在的问题,提出了将局部搜索算法和遗传算法相结合,取各自的优点来更好地解决矩形板材下料优化问题.     

混合遗传算法在矩形板材下料问题上的应用研究

根据基本遗传算法在解决板材下料优化中存在的问题,提出了将局部搜索算法和遗传算法相结合,取各自的优点来更好地解决矩形板材下料优化问题.     

基于蚁群算法的校服衣片排样优化算法

蚁群算法是一种仿生类进化算法,通过模拟信息素更新和节点转移策略,求解出优化组合问题的最优解。针对某校服厂衣片的特殊性,采用更精确的梯形包络。在此基础上,用蚁群算法对包络梯形进行求出排样序列,并用基于最低水平搜索算法得出排放位置。根据提出的算法,设计了程序代码,并与矩形包络和遗传算法进行对比,验证了方案的可行性和有效性。     

基于混合蚁群算法的货物码垛模型研究

为了提高仓储物流中货物装载效率，满足多规格货物码垛的要求，考虑货物的码放顺序、重心和悬空等约束，课题组建立了货物码垛的数学模型，为其设置了可放置点的码放策略，并在此基础上设计了混合蚁群算法搜索货物最优的码放位置和摆放姿态。实例测试结果表明：设计的可放置点的启发式算法更快地求解出最终货物的垛型，混合蚁群算优化后可将垛型的空间利用率提高9.11%，且垛型更加稳定且高度更低。课题组提出的码垛数学模型能够给出合理的码放方案，为货物的在线码垛提供有效技术支持。     

多目标优化生产作业调度计划系统开发

讨论了多目标优化生产作业调度计划系统的结构及主要功能,分析了该系统如何把多目标优化启发式算法、仿真模型及工作日指派相结合,从而实现了生产作业调度计划的动态优化编制及快速修改或重排。     

树的q-最优划分及其应用

本文从集合划分的概念出发,提出了关于树的q-最优划分的问题。同时,还提出了求树的q-最优划分的精确算法和启发式算法。最后,以配电网系统的实际设计为例来说明算法的应用。     

基于Inception V3模型的金属板材表面缺陷检测系统

针对传统检测设备对金属板材凹凸表面、边缘面等特殊部位缺陷检测困难、识别率低等问题，课题组提出并设计了金属板材表面缺陷自动检测系统。通过CCD相机获取待检测部位图片，使用以Inception V3模型为主的迁移学习算法实现对缺陷的检测。实验结果表明该系统能够准确、高效地检测出金属板材一般及特殊表面缺陷，能够满足工业生产需求。     

改进离散人工蜂群算法规划异形满版服饰图案切割路径

服饰图案切割路径规划是服饰图案自动切割技术的关键部分之一。文中用改进的离散人工蜂群算法实现了激 光切割系统对异形满版服饰图案的切割工艺路径规划优化。首先,把满版服饰图案激光切割路径规划转化为广义旅行 商问题求解,证明了路径规划转化成普通TSP问题比转化成第一类广义TSP问题更为有效,并给出了路径规划中“图案 始切割点”的优化选择方法。然后结合部分匹配交叉和启发式变异搜索方法的人工蜂群算法求解TSP问题,证明了与 A*算法及遗传算法相比,该方法更为优越。并且该方法已应用于激光切割机切割异形满版服饰图案路径规划的生产实 践,运行可靠,比未规划时的工艺路线平均提高效率33.7%。该方法提供了一种解决TSP问题的新方法,具有一定的理 论意义和价值     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

二元判决图变量排序新方法

从遗传算法入手,利用已有的几种启发式变量排序方法的结果作为最初的染色体群体,并适当加入随机变量顺序,然后按照遗传算法的方法进行运算,经过多代循环找到近似最优解。实验结果表明,该方法比已有的启发式方法更有效,能够在全局范围内搜索最优解,对BDD的变量编序和遗传算法的运用具有参考价值。     

设施布置问题的非线性目标规划模型及其遗传算法

由于设施布置问题实际上是一个极其复杂的多约束多目标的优化问题 ,本文将其建模为一新的非线性目标规划模型。为更快更好地求解这一模型 ,本文采用了一种新的遗传算法。它不仅能有效处理不等面积及固定设施问题 ,而且有希望解决多层布置问题。     

约束最小权生成树的近似算法和分枝定界算法

给定一个网络G,欲求一个所有通路的边数不超过给定的正整数k且权最小的生成树.在此给出的近似算法是从一个可行树出发,经过改进的程序,求出其近似解——局部最优解可行树,并具体给出了一个分枝定界算法.     

多体系统动力学的算法研究现状及应用

本文分析了数值算法、遗传算法和人工神经网络算法等的研究现状、应用及对其发展趋势的展望,以期为研究多体系统动力学的算法研究提供有利的参考。     

"选址-路线"问题的建模与算法研究

建立了"选址-路线"问题的数学模型,并且给出了求解问题的启发式算法.该启发式算法是基于改进的Clarke-Wright算法和旅行推销员问题.在账单递送的实际案例中,这种启发式算法,和传统手工方法相比,求解速度更快,同时降低了运作成本,减少了递送时间.     

自动组卷系统与遗传算法

自动组卷就是按照教师和教学的要求,由计算机自动从试题库中选择试题,组成一份符合要求的试卷。它是计算机辅助教学系统(CAI)的重要组成部分。本文介绍在自动组卷中受到广泛运用的遗传算法,这种方法尤其适用于网络交互式环境下用户对组卷速度要求较高的场合。     

一种启发式的计算机局域网故障诊断方法

介绍了概率诊断的思想;给出了一种考虑网络对象相关性的局域网故障诊断概率模型。由于故障诊断问题是一个NP-C问题,提出了一种启发式算法,克服了现有故障诊断算法在故障相关性、计算复杂度等方面存在的不足。通过分析比较,该启发式算法有效地降低了计算复杂度。实验仿真结果表明该启发式算法具有较好的性能,诊断概率高。