学位论文 > 优秀研究生学位论文题录展示
基于遗传算法与蚁群算法的矩形排料研究
作 者: 刘汉斌
导 师: 蔡汉明
学 校: 青岛科技大学
专 业: 精密仪器及机械
关键词: 矩形排料 遗传算法 蚁群算法 融合
分类号: TB115
类 型: 硕士论文
年 份: 2011年
下 载: 65次
引 用: 0次
阅 读: 论文下载
内容摘要
优化排料是指在给定的板材上尽可能多的排放给定规格的零件,使得板材的利用率最高,一个好的排料方案可以大大降低企业的生产成本,提高企业的竞争力,因此优化排样成为众多企业所关注的重点,矩形排样作为二维排料的基础,对矩形排料的研究具有重大理论意义和应用价值。排料布局能从源头上解决效率和质量两方面的问题,它涉及到计算几何、计算机图形学、运筹学、逻辑推理等多学科知识,属于具有最高计算复杂性的优化计算问题-NPC问题。就目前来言,众多学者已经提出了各种方法:遗传算法、蚁群算法、模拟退火算法等优化算法,本文通过比较得出遗传算法、蚁群算法各自的优缺点,融合提出了遗传-蚁群算法。考虑到大规模矩形排样问题中经常遇到的随机生成染色体与种群的问题,对基因编码和初始化种群做出了改进,并在进行排料前做了预先处理,收到良好的效果。针对交叉算子,提出了一类新的交叉方式,使得交叉多样化,保证了种群的多样化,有效的预防了早熟现象的发生。在处理实际问题中,进行参数设置时,蚁群算法往往只考虑到面积这一单一因素,本文综合考虑到面积与宽高比例两个因素,动态生成了期望启发因子,并给出了一个相对合理的权重,使得算法更加的完善。最后,给出了两个实例,说明该算法的有效性,实用性。
|
全文目录
摘要 4-5 ABSTRACT 5-9 1 绪论 9-13 1.1 排料问题的提出 9-10 1.2 排料问题研究现状 10-11 1.3 本文主要研究内容及创新点 11-12 本章小结 12-13 2 矩形排料问题的数学模型建立及及各种算法 13-21 2.1 矩形排料问题数学模型的提出及建立 13-15 2.1.1 矩形件排样问题的描述 13 2.1.2 数学模型的建立 13-15 2.2 矩形排样的定序算法 15-17 2.2.1 贪心算法 15 2.2.2 BL 算法 15-16 2.2.3 下台阶算法 16 2.2.4 最低水平线算法 16-17 2.3 矩形件排样的启发式算法 17-19 2.3.1 模拟退火算法 17-18 2.3.2 粒子群优化算法 18 2.3.3 遗传算法 18-19 2.3.4 蚁群算法 19 2.4 矩形件排样算法的优缺点综合比较 19-20 2.5 矩形排样算法的影响因素和约束条件 20 2.5.1 几何因素 20 2.5.2 加工因素 20 本章小结 20-21 3 遗传算法蚁群算法在排料问题中的具体应用 21-49 3.1 遗传算法 21-27 3.1.1 遗传算法生物学基础 21 3.1.2 遗传算法的发展 21-23 3.1.3 遗传算法最新动态 23-24 3.1.4 遗传算法的特点 24-25 3.1.5 遗传算法的应用 25-27 3.2 遗传算法的基本构成部分 27-29 3.2.1 编码 27 3.2.2 适应度函数 27-28 3.2.3 遗传操作 28 3.2.4 终止条件 28-29 3.3 遗传算法的基本流程 29-30 3.4 遗传算法在本文中的具体应用及相关改进 30-32 3.4.1 基因编码的改进 30 3.4.2 初始种群的产生改进 30-31 3.4.3 解码算法生成 31-32 3.4.4 适应度函数的选择 32 3.5 遗传操作 32-36 3.5.1 交叉算子生成及改进 32-34 3.5.2 变异算子 34-35 3.5.3 染色体的选择 35-36 3.6 蚁群算法 36-43 3.6.1 蚁群算法的生物学原理 36-38 3.6.2 蚁群算法数学模型 38-40 3.6.3 蚁群算法的基本流程 40 3.6.4 最大-最小蚂蚁系统 40-41 3.6.5 最优-最差蚂蚁系统 41-42 3.6.6 蚁群算法主要改进 42 3.6.7 蚁群算法的特点 42-43 3.6.8 蚁群算法的应用 43 3.7 遗传算法与蚁群算法的融合 43-48 3.7.1 遗传-蚁群算法系统流程图 44-46 3.7.2 前期预处理 46 3.7.3 遗传-蚁群算法的具体规则 46-47 3.7.4 遗传-蚁群算法的融合 47-48 本章小结 48-49 4 矩形排样设计与实现 49-59 4.1 系统设计 49-53 4.1.1 系统主界面 50-51 4.1.2 板材编辑界面 51 4.1.3 零件编辑界面 51-52 4.1.4 排样参数输入界面 52 4.1.5 数据管理模块 52-53 4.2 数据库设计 53-55 4.2.1 零件表与零件信息表设计 53-54 4.2.2 板材表与板材信息表设计 54-55 4.3 实验结果 55-59 4.3.1 遗传算法与蚁群算法比较 55-56 4.3.2 遗传算法与遗传-蚁群算法比较 56-59 总结与展望 59-61 总结 59-60 展望 60-61 参考文献 61-64 致谢 64-65 攻读硕士期间发表的学术论文 65-66
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于微型无人平台导航多传感器信息融合算法研究,V249.32
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 图像拼接技术研究,TP391.41
- 舌体特征的提取及融合分类方法研究,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 农村高中生学习动机与阅读能力的相关性研究,G633.41
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 电视传播中的粉丝文化效应,G223
中图分类: > 工业技术 > 一般工业技术 > 工程基础科学 > 工程数学 > 计算数学的应用
© 2012 www.xueweilunwen.com
|