搜索到595篇“ 矩形排样“的相关文章
- 基于图神经网络和深度强化学习的二维矩形排样优化方法研究被引量：1
- 2024年
- 本文结合生产实际中的零件母板带约束二维矩形下料优化问题,设计并提出了二维矩形排样问题的异构图和深度强化学习的算法架构。通过图神经网络和强化学习算法对排样问题中零件和母板的特征进行高度的集成和学习,并对零件的排布顺序和排布位置进行决策,在更短的时间内得到相比于传统优化算法更优秀的计算结果。实验证明,本文的深度强化学习算法训练的模型可以在较短时间得到良好的排样结果,且基于小规模问题训练的模型解决较大规模的问题实例也可以获得较好的效果,证明了算法具有较好的泛化能力。
- 张磊刘雪梅
- 基于俄罗斯方块启发的矩形排样遗传算法优化被引量：1
- 2023年
- 为了提高非剪切方式下二维矩形排样问题的板材利用率,提出了基于俄罗斯方块启发的定位方法和多家族遗传算法的排序方法。对于矩形件间的尺寸余量问题,使用尺寸膨胀处理方式解决,并建立了矩形排样的优化目标函数。在矩形定位方面,分析了最低水平线方法的缺陷,提出了俄罗斯方块启发的定位方法,该方法实现了矩形件与板材缺口的最佳匹配。在排序方法,为了实现染色体多样性和算法收敛速度的均衡,使用多家族遗传算法对矩形排入顺序进行优化。使用13个无废料测试算例对排样方法进行测试,经验证基于最低水平线的排样高度相对差值为1.28%,只在1个算例中得到了最优高度;基于俄罗斯方块启发的排样高度相对差值仅为0.13%,在10个算例中得到了最优高度。
- 冯建云王颖
- 二维矩形排样算法的启发式规则设计与优化
- 二维矩形条带包装问题(2DRectangularStripPackingProblem,2DSPP)将一组较小矩形铺排到一条给定宽度长度不受限的矩形条带中以最大化条带的利用率，在制造业、广告业、文案设计等诸多领域有着广泛...
- 袁宏涛
- 关键词：启发式规则神经网络
- 一种矩形排样方法、设备及介质
- 本说明书公开了一种矩形排样方法、设备及介质，方法包括：采用随机函数生成一个当前代次的零件序列矩阵和一个当前代次的存储矩阵，零件序列矩阵包括当前代次的零件的N种序列，每条零件序列包括D种零件；对每条零件序列执行最低水平线搜...
- 阴雷鸣倪舜尧张胜帅
- 面向利用率的矩形排样分级进化遗传算法优化被引量：4
- 2022年
- 为了提高矩形排样的板材使用率,提出了基于分级进化遗传算法的排样优化方法。以板材利用率最高为目标建立了矩形排样的目标模型,将排样问题分为定位和排序两个步骤实现。在定位方面,将最低水平线法和填充算法进行优势融合,得到了混合定位方法。在排序方面,以遗传算法为基础,将染色体分为保留层级、交叉层级和变异层级等3个层级,每个层级制定相适应的进化操作方法,从而提高算法的搜索能力和收敛速度。使用文献[13]和文献[14]中的两组实验数据进行验证,结果表明这里提供的排样方案可以得到最佳的排样结果,且排样耗时最少。验证了这里分级进化遗传算法排样方法的有效性和高效性。
- 冯建云刘祎
- 关键词：矩形件排样
- 一种不规则带缺陷板材矩形排样方法及装置
- 本发明涉及一种不规则带缺陷板材矩形排样方法及装置，包括：步骤S1：获取板材边界多边形、缺陷多边形集合的几何信息，以及获取矩形信息；步骤S2：设置遗传算法参数，并初始化种群；步骤S3：利用HL启发式方法评估个体适应度值，并...
- 钟尚平庄家豪陈开志
- 基于适合度的二维矩形排样问题算法求解
- 我国的工业与制造业当前正处在变革转型的关键阶段，得益于我国的全产业链优势以及我国科技近年来的井喷式进步，智能制造等新兴技术变得炙手可热。在世界范围内新冠疫情的反复肆虐，将在未来几年对世界经济产生持续性的影响，这在之前是不...
- 酆宇文
- 文献传递
- 基于自适应遗传算法的矩形排样方法研究被引量：5
- 2020年
- 将自适应遗传算法应用于矩形排样问题,求解最优的排样方案。首先建立矩形排样问题的模型,使用最低水平线算法将问题变为求解矩形最优放置顺序的问题。应用遗传算法针对矩形排样问题进行求解。通过改进自适应策略改变交叉和变异概率使遗传算法的性能得到优化。最后在Matlab环境下进行编程和仿真。经过仿真验证可以求解出一种优秀的矩形排样方案,且自适应遗传算法的性能优于普通遗传算法。
- 单宇晗
- 关键词：矩形排样遗传算法自适应
- 基于布谷鸟算法的智能矩形排样研究及应用
- 在新一轮科技革命和产业变革的历史关口,减少下料环节材料的消耗对提高企业经济效益和社会减排降耗有重大意义。首先,以矩形优化排样问题为研究对象,从重型机械行业的发展与绿色生产的角度阐述本文研究的背景、目的及意义;再从算法的角...
- 徐小斐
- 关键词：矩形排样知识迁移
- 文献传递
- 迁移蚁群强化学习算法及其在矩形排样中的应用被引量：12
- 2020年
- 矩形排样是典型的NP-Hard问题,当零件数量增加时,求解时间便会呈指数倍急剧增长。为缩减相似排样任务的计算时间,提高寻优性能与材料利用率,结合基于匹配度评价的最低水平线算法,提出基于知识迁移的蚁群强化学习算法,以解决矩形排样问题。该算法针对高维知识空间,构建基于知识延伸的高维空间合并矩阵,并借助强化学习“试错”学习模式,在知识矩阵中利用有自学习能力的蚁群完成知识的获取与更新。而后将“预学习”获得的知识利用线性迁移策略迁移给目标任务,指导其在线快速做出决策。通过算例仿真表明:该算法能获得较高质量的解,同时寻优速度达到其他智能算法的2~6倍,在求解大中规模矩形排样问题上具有较好的实用性。
- 徐小斐陈婧饶运清孟荣华袁博罗强
- 关键词：矩形排样蚁群算法知识迁移
相关作者
- 王竹婷
- 作品数：23被引量：27H指数：3
- 供职机构：合肥学院
- 研究主题：协同过滤 矩形排样 教学方法 相似度 协同过滤推荐算法
- 饶运清
- 作品数：164被引量：1,448H指数：19
- 供职机构：华中科技大学
- 研究主题：遗传算法 排样 制造执行系统 激光切割 敏捷制造
- 邓应波
- 作品数：4被引量：13H指数：1
- 供职机构：华中科技大学
- 研究主题：遗传算法 绝缘纸板 矩形排样 解码 零件库
- 陈学松
- 作品数：95被引量：218H指数：7
- 供职机构：广东工业大学
- 研究主题：压电陶瓷驱动器 中药提取 矩形件 最优控制 机电耦合
- 郑荣杰
- 作品数：12被引量：15H指数：3
- 供职机构：河北工程技术高等专科学校
- 研究主题：可行域 单片机 串口驱动 LCD1602 MULTISIM10
