融合蟻群算法和遺傳算法的矩形件排樣問(wèn)題研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩64頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、矩形件排樣是指將若干尺寸相同或不相同的矩形零件在給定的矩形板材上以最優(yōu)的方式排布。矩形件排樣問(wèn)題普遍存在于工程領(lǐng)域中,如鈑金下料、玻璃切割、造船、車(chē)輛、家具生產(chǎn)、報(bào)刊排版、服裝和皮革裁剪等。較好的排樣方案可以最大限度地節(jié)約原材料,提高原材料利用率,從而降低生產(chǎn)成本,在經(jīng)濟(jì)上制造可觀的效益。
   在理論上,矩形件排樣問(wèn)題屬于組合最優(yōu)化問(wèn)題和具有最高計(jì)算復(fù)雜性的NP完全問(wèn)題。用現(xiàn)在常用的計(jì)算理論和方法很難精確地求得問(wèn)題的最優(yōu)解,只

2、能在一定的時(shí)間范圍內(nèi)求其局部最優(yōu)的近似解。啟發(fā)式智能優(yōu)化方法是近年發(fā)展起來(lái)的非?;钴S的研究領(lǐng)域,如遺傳算法、模擬退火算法、蟻群算法、神經(jīng)網(wǎng)絡(luò)、粒子群算法等,它們都可以有效的解決組合優(yōu)化和NP類(lèi)問(wèn)題。
   本文是在介紹了遺傳算法和蟻群算法各自特點(diǎn)的基礎(chǔ)上,提出將兩種算法相融合來(lái)求解矩形件排樣問(wèn)題。融合算法的前階段采用遺傳算法,充分利用遺傳算法的快速隨機(jī)性、全局收斂性的優(yōu)點(diǎn),獲得排樣序列的部分優(yōu)化解,并以此作為下階段蟻群算法的初始

3、信息素分布;融合算法后階段采用蟻群算法,利用其優(yōu)良的正反饋機(jī)制和高效收斂性的優(yōu)點(diǎn),精確求得最優(yōu)排樣序列。
   此外,本文在建立矩形件排樣問(wèn)題數(shù)學(xué)模型的基礎(chǔ)上,分析了常見(jiàn)的矩形件給定排放順序的排放算法的優(yōu)缺點(diǎn),提出了一種改進(jìn)的排放算法。該算法充分考慮矩形件長(zhǎng)度和寬度對(duì)排樣效果的影響,加入了旋轉(zhuǎn)策略,并改進(jìn)了搜索策略。將此改進(jìn)算法分別與遺傳算法和融合算法結(jié)合求解矩形件排樣問(wèn)題,計(jì)算實(shí)例表明了該改進(jìn)排放算法更為有效,并能夠和融合算法

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論