基于遗传退火算法板式家具大规模矩形件优化下料研究

基于遗传退火算法板式家具大规模矩形件优化下料研究

论文题目: 基于遗传退火算法板式家具大规模矩形件优化下料研究

论文类型: 博士论文

论文专业: 机械设计及理论

作者: 岳琪

导师: 曹军

关键词: 遗传退火算法,遗传算法,模拟退火算法,矩形件排样,家具下料

文献来源: 东北林业大学

发表年度: 2005

论文摘要: 优化下料,是一个在产品设计、制造和使用中如何节约原料、优化利用资源的问题。对优化下料问题的研究具有重要经济意义和社会效益。它在计算理论上非常复杂和困难,而在实际生产中却有着广泛的应用。随着智能优化算法理论和计算机技术的发展,为人们提供了用现代优化算法和计算机进行优化下料的可能性。本文研究的优化下料问题主要是板式家具生产中在矩形原料板上的大规模矩形件排样问题。 针对在板式家具中板材下料问题的具体特点,结合板式家具下料的工艺和约束条件,给出了在矩形原料板材上的矩形零件优化下料的定义、特点、性质并提出了在工艺条件以及规模约束下的大规模板式家具优化下料的数学模型。在对下料优化方案生成算法的研究中,提出了一种“生成即可行”的排样方法。根据板式家具下料“一刀切(Guillotine Cutting)”的工艺特性,设计了一种二叉树结构来表现排样方案的生成过程,保证了所有的方案在产生时即可行,使整个方案生成过程中的所有解都是可行解,因此避免了在寻优过程中再对编码进行可行性验证的操作。 提出了将现代智能优化算法:遗传算法(GA)、模拟退火算法(SA)和根据这两种算法的各自优势将其融合后的遗传退火算法(GASA)在大规模板式家具下料中的应用。并在应用过程中,对算法进行了改进。针对模拟退火算法冷却进度表和邻域范围难以确定,进入局部最优后难以跳出的问题,设计了温度可控的冷却进度表,提出了搜索进入局部最优的判定函数和升温函数,使搜索进入局部最优后能及时升温,并从局部最优中跳出,保证了解的最优性。设计了初始温度、邻域结构和随机接受函数,提高了求解速度;针对遗传算法在矩形件优化下料问题中应用的实际特点,提出一种全新的面向对象的遗传编码方式和基于“贯通原料”的基因变异方式,将变异后不可用基因数量降到了零,就适应度函数、初始群体的生成和遗传操作等关键问题提出了相应的设计方法;对两种算法进行了详细的对比分析和论证,从理论和实践的角度总结了两种算法各自优缺点,取模拟退火算法和遗传算法的各自长处,将它们有机地结合在一起,分别采用了本文提出的模拟退火算法中升温的控制和遗传算法中的编码和变异的方式,生成温控遗传-退火算法,混合算法搜索全局最优的能力大大提高;对三种算法从理论和实践的角度进行了对比分析,遗传-退火算法兼有遗传算法中种群、个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现大规模矩形件下料问题的快速求解。 研制了板式家具大规模矩形件优化下料系统,实验表明,该软件的优化效果高于国内同类研究成果,而且操作极其简便,节约原材料效果显著,实用性强。对同一组数据的求解,第三种遗传退火算法优化效率更高。

论文目录:

摘要

Abstract

1 绪论

1.1 优化下料问题概述

1.1.1 二维优化下料问题分类

1.1.2 矩形件排样问题及其分类

1.1.3 矩形件排样问题的特点和计算复杂性

1.2 优化下料问题国内外理论研究、应用现状及趋势

1.2.1 国内外理论研究现状

1.2.2 该领域的研究趋势

1.3 课题的来源、目的、意义及内容

1.3.1 背景来源

1.3.2 目的、意义

1.3.3 本文的研究内容

1.4 本章小结

2 板式家具大规模矩形件下料问题的数学模型

2.1 板式家具制造业板材下料问题概述

2.1.1 板式家具概念、分类及特点

2.1.2 板式家具零部件大规模套裁问题

2.2 板式家具优化下料问题的数学描述

2.2.1 数学模型

2.2.2 问题的性质及常见求解方法存在的问题

2.2.3 现代智能优化算法及应用

2.3 本章小结

3 矩形件下料问题的模拟退火算法求解

3.1 模拟退火算法概述

3.2 模拟退火算法的敛散性

3.3 改进的模拟退火算法

3.4 用改进的模拟退火算法求解矩形件下料问题

3.4.1 数据结构分析

3.4.2 初始温度的确定

3.4.3 邻域结构

3.4.4 冷却进度表

3.4.5 随机接受函数

3.5 性能分析及实现的关键

3.5.1 问题的复杂性

3.5.2 求解的复杂性

3.5.3 实现的关键技术

3.6 本章小结

4 矩形件下料问题的遗传算法求解

4.1 遗传算法

4.2 遗传算法的敛散性

4.3 用遗传算法求解矩形件下料问题

4.3.1 贯通原料

4.3.2 面向对象的遗传编码方式

4.3.3 适应度函数

4.3.4 初始群体的生成

4.3.5 遗传操作

4.3.6 参数的确定

4.4 基于遗传算法的矩形件优化排样算法实现流程

4.5 本章小结

5 矩形件下料问题的遗传退火算法求解

5.1 遗传退火算法的理论基础

5.2 遗传退火算法的实现过程

5.3 改进的遗传退火算法

5.4 用改进的遗传退火算法求解矩形件下料问题

5.4.1 纹理一致性的保证

5.4.2 初始群体的全局最优性保证

5.4.3 解的完全可行性

5.4.4 遗传退火算法应用中的基因编码

5.4.5 初始群体的生成

5.4.6 温度控制

5.4.7 随机接受函数

5.4.8 适应度函数

5.4.9 遗传操作

5.4.10 参数的确定

5.5 算法实现流程

5.6 三种算法的分析比较

5.7 本章小结

6 板式家具大规模优化下料系统设计与实现

6.1 板式家具优化下料系统简介

6.1.1 板式家具加工工艺及对下料的要求

6.1.2 板式家具优化下料系统的设计

6.1.3 纹理的处理及归方处理

6.1.4 板式家具优化下料系统的使用

6.2 实例分析

6.2.1 实例一

6.2.2 实例二

6.2.3 比较结果

6.3 本章小结

结论

参考文献

攻读学位期间参加的科研工作和发表的学术论文

致谢

发布时间: 2005-10-21

相关论文

  • [1].面向物料资源优化利用的产品设计系统与优化下料技术研究[D]. 阎春平.重庆大学2002
  • [2].面向发电设备制造的下料优化排样原理与关键技术[D]. 贾志欣.四川大学2002
  • [3].机械制造车间生产作业多智能体规划原理与板材套料优化方法的研究[D]. 罗阳.四川大学2001
  • [4].用遗传/模拟退火算法进行具有多流股换热器的换热网络综合[D]. 魏关锋.大连理工大学2003
  • [5].家具柔性化生产的研究[D]. 李军.南京林业大学2004
  • [6].中国家具制造业信息化与竞争力提升[D]. 朱剑刚.南京林业大学2004
  • [7].智能优化排样技术研究[D]. 李明.浙江大学2006
  • [8].二维排样系统的图形匹配、入排控制与碰靠算法研究[D]. 宋亚男.华南理工大学2004
  • [9].板式家具生产系统现场工作研究[D]. 韩维生.南京林业大学2007

标签:;  ;  ;  ;  ;  

基于遗传退火算法板式家具大规模矩形件优化下料研究
下载Doc文档

猜你喜欢