文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 农林牧渔 > 基于小生境遗传模拟退火算法的不规则件优化排样
侵权投诉

基于小生境遗传模拟退火算法的不规则件优化排样

基于小生境遗传模拟退火算法的不规则件优化排样

执行。

(7) 判断是否满足收敛条件,如不满足终止条件,则更新进化代数计数器,即t = t + 1,转至(6);若满足终止条件,则终止运算,输出计算结果。算法流程如图3所示。

3.4 NGSA算法的设计实现

(1) 编码机制

由于二进制编码不能直接反映多边形的排样方式,因此本文采用十进制整数编码方法,它具有编码和解码操作简单、遗传操作便于实现等优点。将所有参加排样不同类型的零件按面积大小排列并加以编号,染色体的长度与排样件的类型数相同。此编码方式是基于一种排列顺序的基因编码方式,即所有排样类型的一个排列顺序作为一个染色体。编码设计的关键是在染色体中产生不同编号的遗传算子,相应的解码方法则根据所采用的解码方法把具体的零件定位在板材上。

(2) 解码方法

由遗传算法产生一个个体的编码后,能否快速求出其对应的排样图是一个关键,同时只有求出该个体所对应的排样图,才能计算其对应的适应度值,并对该个体进行评价。笔者采用一种基于零件最高轮廓线的“最低水平线”[8]和填充算法相结合的解码方法。对于在多张板材上排放零件的问题,当零件的最高轮廓线y坐标大于板材的长度或者最高轮廓线的终点x坐标大于板材的宽度时,更换新板材,更新最低水平线及最高轮廓线,然后在新板材上按顺序继续排放零件。

4 运行实例

笔者应用小生境遗传模拟退火算法开发了实用的不规则件优化排样系统。已证明该系统能有效地解决任意二维不规则零件的最优排样问题。以下算例可以证明此算法的有效性和可行性。

(1) 矩形板材上的优化排样

实例1:多种不规则件NGSA算法排样

从过程装备制造厂零件数据库中随机选取了一组具有不同形状的多种类、单数量零件进行混合排样计算。从板材库中选择矩形板材宽为600mm,设置算法基本运行参数:群体规模为

50,最大迭代数为100,交叉率为0.6,变异率为0.06,马可夫

图4 多种不规则件排样结果

链长度为8000,衰减参数为0.95,迭代初始温度为500,容差

Fig.4 The layout drawing of

为0.0001,小生境之间的参数距离为2.5,零件种类为30,各零

many irregular parts

基于小生境遗传模拟退火算法的不规则件优化排样

件加工余量都为2mm。调用NGSA算法确定零件的排放顺序和

旋转角度,用基于“最低水平线法”策略的动态扫描线算法与填充算法相结合的定位算法确定零件在板材的位置。排样结果如图4所示。

实例2:多种矩形件NGSA算法排样

从某工厂实际激光切割加工中心选取一组矩形零件如表1,取群体规模为30,最大迭代数为100,交叉率为0.5,变异率为0.05,马可夫链长度为9000,衰减参数为0.95,迭代初始温度为900,容差为0.0001,小生境之间的参数距离为2.0,选择矩形板材长800mm,宽为600mm。

排样结果如图5所示。

从排样结果可以得出,本文提出的算法不仅适用于不规则零件的排样,

基于小生境遗传模拟退火算法的不规则件优化排样

也适用于矩形零件的

图5 多种矩形件排样结果图

Fig.5 The layout drawing of many regular parts

上一页第4页

你可能喜欢

  • 下料问题
  • 遗传算法应用
  • BP神经网络算法
  • 遗传算法matlab
  • 支持向量机算法
  • 遗传退火算法
  • 遗传算法实例

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email