智能優(yōu)化排樣技術(shù)及其應用

目錄
前言
第1章 緒論 1
1.1 引言 1
1.2 排樣問題分類 2
1.2.1 按排樣維度分類 2
1.2.2 按零件形狀分類 4
1.3 矩形排樣國內(nèi)外研究概況 7
1.3.1 精確算法 7
1.3.2 啟發(fā)式算法 8
1.3.3 元啟發(fā)式算法 10
1.4 異形排樣國內(nèi)外研究概況 13
1.4.1 規(guī)則形狀包絡法 13
1.4.2 真實形狀法 14
1.5 本書主要內(nèi)容 18
參考文獻 19
第2章 矩形排樣問題的混合遺傳算法 25
2.1 矩形排樣問題的數(shù)學模型與求解框架 25
2.1.1 問題描述與數(shù)學模型 25
2.1.2 矩形排樣問題的求解框架 32
2.2 矩形排樣問題的HGASA算法 33
2.2.1 矩形件定位策略 33
2.2.2 矩形件排序的HGASA算法 35
2.2.3 HGASA算法求解矩形件套料 37
2.2.4 算例驗證與分析 41
2.3 帶工藝約束的矩形排樣問題的混合遺傳算法 45
2.3.1 改進的剩余矩形填充算法 45
2.3.2 基于遺傳算法的混合算法 51
2.3.3 算例驗證與分析 55
2.4 本章小結(jié) 57
參考文獻 58
第3章 矩形排樣問題的和聲搜索算法 60
3.1 和聲搜索算法簡介 60
3.1.1 算法原理與算法參數(shù) 60
3.1.2 算法流程 61
3.2 基于和聲搜索的一般矩形排樣混合求解算法 64
3.2.1 基于剩余矩形匹配度的矩形件定位策略 64
3.2.2 基于和聲搜索的矩形件定序優(yōu)化方法 65
3.2.3 算例驗證與分析 71
3.3 帶工藝約束的批量矩形排樣問題的和聲搜索算法 78
3.3.1 矩形件組合填充放置策略 79
3.3.2 基于種類編碼的批量矩形排樣算法 81
3.3.3 算例驗證與分析 83
3.4 本章小結(jié) 87
參考文獻 87
第4章 矩形排樣問題的灰狼優(yōu)化算法 89
4.1 灰狼優(yōu)化算法簡介 89
4.1.1 狼群捕獵模型 89
4.1.2 灰狼優(yōu)化算法原理 90
4.2 基于灰狼優(yōu)化算法的矩形帶排樣優(yōu)化算法 92
4.2.1 基于復合評價因子的*低水平線定位算法 93
4.2.2 十進制灰狼定序算法 96
4.2.3 算例驗證與分析 100
4.3 基于改進灰狼優(yōu)化算法的矩形排樣優(yōu)化算法 106
4.3.1 改進的*低水平線定位算法 106
4.3.2 改進的十進制灰狼定序算法 110
4.3.3 算例驗證與分析 113
4.4 本章小結(jié) 125
參考文獻 125
第5章 矩形排樣問題的布谷鳥搜索算法 127
5.1 布谷鳥搜索算法簡介 127
5.1.1 布谷鳥搜索算法原理 127
5.1.2 基本布谷鳥搜索算法 129
5.1.3 布谷鳥搜索算法的應用 131
5.2 基于值評價的*低水平線定位算法 132
5.2.1 *低水平線定位算法基本原理 132
5.2.2 基于值評價的*低水平線定位算法設計 134
5.3 矩形裝箱排樣問題的離散布谷鳥搜索算法 136
5.3.1 離散布谷鳥搜索算法基本規(guī)則 136
5.3.2 基于學習和鄰域搜索算子的萊維飛行機制 138
5.3.3 基于擾動因子的巢寄生更新機制 141
5.3.4 離散布谷鳥搜索算法流程 142
5.4 算例驗證與分析 143
5.4.1 實驗數(shù)據(jù)說明 143
5.4.2 計算結(jié)果及分析 145
5.5 本章小結(jié) 150
參考文獻 150
第6章 矩形排樣問題的布谷鳥遷移學習算法 152
6.1 強化學習與遷移學習技術(shù)簡介 152
6.1.1 Q-學習算法原理 152
6.1.2 遷移學習算法原理 153
6.1.3 布谷鳥遷移學習算法求解矩形帶排樣問題 154
6.2 布谷鳥遷移學習算法的基本原理 156
6.2.1 布谷鳥學習模式 157
6.2.2 布谷鳥遷移學習算法知識遷移方式 163
6.2.3 布谷鳥遷移學習算法總體流程及性能分析 164
6.3 布谷鳥遷移學習算法求解矩形帶排樣問題 165
6.4 算例驗證與分析 168
6.4.1 離散布谷鳥搜索算法求解矩形帶排樣問題 169
6.4.2 布谷鳥遷移學習算法求解矩形帶排樣問題 171
6.5 本章小結(jié) 179
參考文獻 180
第7章 異形件智能排樣算法 181
7.1 異形排樣問題概述 181
7.1.1 問題描述 181
7.1.2 求解方法 182
7.2 異形件幾何表達與幾何計算 183
7.2.1 異形件的幾何表達方法 183
7.2.2 異形件基本幾何變換與計算 185
7.2.3 圖形判交計算 187
7.2.4 臨界多邊形 190
7.3 遺傳算法與禁忌搜索混合的求解算法 192
7.3.1 基于左下角方法的零件定位策略 192
7.3.2 HGATS算法 194
7.3.3 HGATS算法求解異形排樣 195
7.3.4 算例驗證與分析 198
7.4 集束搜索與禁忌搜索混合的求解算法 201
7.4.1 改進的臨界多邊形生成器 201
7.4.2 零件擺放定位方法 204
7.4.3 BS/TS混合搜索算法 205
7.4.4 算例驗證與分析 209
7.5 超邊界約束排樣問題的求解方法 212
7.5.1 超邊界約束排樣問題描述及求解策略 212
7.5.2 超邊界約束下的零件定位算法 214
7.5.3 基于粒子群優(yōu)化的多約束排樣算法 223
7.5.4 算例驗證與分析 229
7.6 本章小結(jié) 230
參考文獻 230
第8章 智能排樣軟件開發(fā)與應用 233
8.1 排樣軟件開發(fā)與應用概況 233
8.2 SmartNest鋼板切割下料軟件開發(fā)與應用 234
8.2.1 軟件系統(tǒng)功能 234
8.2.2 軟件系統(tǒng)架構(gòu) 236
8.2.3 智能套料與切割優(yōu)化子系統(tǒng) 237
8.2.4 應用案例 239
8.3 SmartNest板式家具開料軟件開發(fā)與應用 247
8.3.1 板式家具開料工藝與設備 247
8.3.2 SmartNest板式家具開料軟件開發(fā) 247
8.3.3 應用案例 251
8.4 SmartNest激光切割套料編程軟件開發(fā)與應用 256
8.4.1 激光切割原理與設備 256
8.4.2 SmartNest激光切割套料編程軟件開發(fā) 257
8.4.3 應用案例 261
8.5 本章小結(jié) 265
附錄1 MHS算法排樣結(jié)果(共14張) 266
附錄2 CMHS算法排樣結(jié)果(共14張) 268