导读:本文包含了矩形件排样论文开题报告文献综述及选题提纲参考文献，主要关键词:矩形件,优化排样,数学规划模型,降维
矩形件排样论文文献综述
何双池,陈学松[1]（2019）在《二维矩形件排样的切割式填充算法》一文中研究指出针对二维矩形件排样困难的问题,提出了一种简单且高效的切割式填充矩形件排样算法.首先根据对矩形件进行优化排样的要求,建立起数学规划模型.然后采用降维的思想,对矩形行列虚拟化分割.在第一行(列)上进行矩形件排样,使其填充率最高.接着将此行(列)切割掉,形成新的矩形.最后重复上述步骤,直到矩形无法再填充下任何一种规格的矩形件为止.数值实验表明了切割式填充算法的可行性和高效性.(本文来源于《数学的实践与认识》期刊2019年18期）
曹忠园,周学良[2]（2019）在《基于坐标约束的矩形件排样优化研究》一文中研究指出提出了一种面向矩形坐标关系约束的遗传算法解决传统方法中随着排样矩形种类增多利用率开始降低的问题,可以满足一块大板材上能够裁出更多种类小矩形的要求,同时板材利用率更高。采用文中提出的方法进行排样所达到的矩形利用率为92%以上,且运算时间均在10 s以内。最后在VC++环境中开发出了系统验证排样方案的可行性。(本文来源于《湖北汽车工业学院学报》期刊2019年03期）
潘卫平,张瑞友[3]（2019）在《矩形件简单块占角排样方式的动态规划》一文中研究指出目的针对矩形件无约束2维剪切排样问题,提出一种可简化板材切割工艺的简单块占角排样方式,并构造这种排样方式的动态规划生成算法。方法该排样方式在板材左下角按照简单块方式排样若干行若干列同种矩形件,将板材剩余部分划分为两个子板;将子板按照上述方法继续递归排样和划分,直至子板排满矩形件为止。采用动态规划确定所有可能尺寸的板材左下角排样的最优矩形件、矩形件的最优行列数和板材剩余部分的最优子板划分。运用规范尺寸排除不必要的计算。结果将本文算法与目前常见的算法进行比较,实验结果表明本文算法计算时间合理,排样价值较高。在第1组41道基准例题中,本文算法所有例题均求出了精确解,同质块T型算法、同质块两段算法和复合条带两段算法分别有7道、5道和4道例题未求出精确解。在第2组20道基准例题中,本文算法只有1道例题未求出精确解,普通叁阶段算法、同质块T型算法、同质块两段算法和匀质条带叁块算法分别有18道、15道、15道和20道例题未求出精确解。在第3组50道随机例题中,本文算法、普通两段算法和同质块两段算法板材利用率分别为99. 913 7%、99. 862 3%和99. 796 1%。在第4组31道基准例题中,本文算法所有例题均求出了精确解,普通占角排样算法有2道例题未求出精确解。结论本文算法计算时间远小于精确算法,优化效果接近精确算法;本文算法计算时间与多种启发式算法接近,但优化效果好于多种启发式算法。(本文来源于《中国图象图形学报》期刊2019年06期）
卓开霞[4]（2019）在《皮革服装CAD矩形件样板的优化排样探究》一文中研究指出基于皮革服装的CAD技术,采用改进的粒子群算法模型即QPSO算法模型,来对于服装矩形件样板的优化排样进行了比较分析研究。排放算法选择最低水平线法,在优化排样领域引入具有量子行为的QPSO算法,对矩形件排样采用量子行为的QPSO算法模型进行优化求解,经过和传统的算法模型结果进行比较,可获得量子行为的改进QPSO算法,求解过程和求解结果均比PSO算法的优越性更为突出,且证明QPSO算法具有高效性和优越性。矩形板材的排样更适合有效QPSO算法得到的排样方案。(本文来源于《皮革科学与工程》期刊2019年03期）
罗强,饶运清,刘泉辉,李世红[5]（2019）在《求解矩形件排样问题的十进制狼群算法》一文中研究指出为了使矩形件排样问题在可接受的时间内获得精确解,以在一定时间内获得高利用率的排样布局方案为研究目标,提出一种适合求解矩形件排样问题的十进制狼群算法。该算法结合基于复合评价因子的最低水平线搜索算法,对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为,具有狼群算法的职责分工协作式搜索特性,能够较好地平衡算法的全局优化和局部搜索能力。采用多组算例对所提算法进行测试,并与其他元启发式和启发式算法进行对比,结果表明所提算法具有实用性和有效性。(本文来源于《计算机集成制造系统》期刊2019年05期）
计明军,邓文浩,郭文文,郭兴海[6]（2019）在《改进填充算法在矩形件排样中的应用》一文中研究指出矩形件排样的合理性直接影响板材利用率.考虑到下料过程中板材的纤维方向和"一刀切"等工艺约束,建立了以板材平均利用率最大为目标的数学模型.提出了一种改进填充算法,增加了矩形件的排列方式、扩大了矩形件试排范围,实现了排样的多样性.此外,在改进填充算法的基础上引入了遗传算子,利用遗传算法全局搜索能力强的特点,对矩形件排样顺序进行寻优.最后,采用不同规模的算例验证所建模型和所提算法的合理性与普适性,算例结果表明改进后的算法能够有效提高板材的利用率,可为实际作业提供技术支持及方法借鉴.(本文来源于《数学的实践与认识》期刊2019年04期）
王伟,杜向阳[7]（2019）在《基于捕食搜索策略的遗传算法在矩形件优化排样中的研究》一文中研究指出在木材加工业中,会遇到矩形板材的优化切割排样问题,其核心是充分利用板材,使板材利用率达到最高。在基于遗传算法基础上,提出一种基于捕食搜索策略的遗传算法,用以解决前述问题。对编码方式、遗传算子及适应度函数进行设计,并采用改进的最低轮廓线搜索算法对其进行解码以得到最优排布解。仿真试验所用板材规格为1 220 mm×2 440mm,当排样零件总面积与原材料面积相当时,多种型材分割要求下平均板材利用率可达93.425%;当排样零件总面积相比原材料面积较小时,其不同型材零件分配方案的平均板材利用率为83.35%,证明本文算法的科学性,并得出不同型材零件分配总面积应尽量与原板材面积相当的结论。(本文来源于《中国农机化学报》期刊2019年02期）
扈少华,潘立武[8]（2018）在《矩形件五级剪切排样方式的一种生成算法》一文中研究指出针对钣金件二维切割排样问题,提出一种满足剪切要求的五级排样方式及其生成算法。这种排样方式将板材划分为5个级,每级中只排放同种矩形件。首先,确定所有可能尺寸的级中矩形件的最优布局方式和级的最大排样价值;然后,采用隐式枚举技术考察板材的所有可能的5级划分,选择排样价值最大的一个作为最终解。采用文献中的基准例题将本文算法与文献算法进行比较,数值实验结果表明本文算法具有如下优势:排样价值高于两段排样算法、四块排样算法、叁阶段排样算法、匀质条带叁块排样算法和复合条带叁阶段排样算法;生成的排样方式切割工艺比较简单;算法计算时间较短,可以满足实际应用需要。(本文来源于《锻压技术》期刊2018年10期）
郑鹏飞,楼京京,林大钧,安琦[9]（2018）在《一种分层填补的矩形件几何排样算法》一文中研究指出通过分析矩形件排样问题中图形间的几何关系,根据矩形件的尺寸提取其角点坐标,对待排样矩形件进行重组。按照板材的尺寸将重组后的矩形件进行分层排样,利用可变式排样基线定位排样空隙,选择尺寸适宜的矩形件进行空隙填补,提出了一种分层填补的矩形件几何排样算法。选用矩形件长边分别平行于x轴和y轴两种板材摆放方式,并设计多种分层排样规则,计算出多种排样结果,优选后输出最佳排样方式。通过算例分析,验证了该算法的有效性。试验结果表明,该算法操作简单、结果可视可选、稳定可靠、适应性广。(本文来源于《东华大学学报(自然科学版)》期刊2018年04期）
张瑞友,潘卫平,刘士新[10]（2018）在《基于匀质块五块模式的矩形件非剪切排样算法》一文中研究指出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.(本文来源于《东北大学学报(自然科学版)》期刊2018年06期）
矩形件排样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种面向矩形坐标关系约束的遗传算法解决传统方法中随着排样矩形种类增多利用率开始降低的问题,可以满足一块大板材上能够裁出更多种类小矩形的要求,同时板材利用率更高。采用文中提出的方法进行排样所达到的矩形利用率为92%以上,且运算时间均在10 s以内。最后在VC++环境中开发出了系统验证排样方案的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
矩形件排样论文参考文献
[1].何双池,陈学松.二维矩形件排样的切割式填充算法[J].数学的实践与认识.2019
[2].曹忠园,周学良.基于坐标约束的矩形件排样优化研究[J].湖北汽车工业学院学报.2019
[3].潘卫平,张瑞友.矩形件简单块占角排样方式的动态规划[J].中国图象图形学报.2019
[4].卓开霞.皮革服装CAD矩形件样板的优化排样探究[J].皮革科学与工程.2019
[5].罗强,饶运清,刘泉辉,李世红.求解矩形件排样问题的十进制狼群算法[J].计算机集成制造系统.2019
[6].计明军,邓文浩,郭文文,郭兴海.改进填充算法在矩形件排样中的应用[J].数学的实践与认识.2019
[7].王伟,杜向阳.基于捕食搜索策略的遗传算法在矩形件优化排样中的研究[J].中国农机化学报.2019
[8].扈少华,潘立武.矩形件五级剪切排样方式的一种生成算法[J].锻压技术.2018
[9].郑鹏飞,楼京京,林大钧,安琦.一种分层填补的矩形件几何排样算法[J].东华大学学报(自然科学版).2018
[10].张瑞友,潘卫平,刘士新.基于匀质块五块模式的矩形件非剪切排样算法[J].东北大学学报(自然科学版).2018