矩形件下料優(yōu)化排樣的多群體雜交遺傳算法.pdf

1、矩形件排樣在工業(yè)上有廣泛的應(yīng)用，目標是使下料過程中的切割損失減少到最少，使得原材料的利用率最高。優(yōu)化排樣算法的研究既有實際應(yīng)用價值，又有理論意義。 矩形排樣問題屬于組合最優(yōu)化問題和NP完全問題，因為存在計算上的復(fù)雜性，在一定時間內(nèi)求其精確全局最優(yōu)解是相當困難的。對于矩形排樣問題，任何算法都難以保證總能得到最優(yōu)解，目前解決的方法多為各種啟發(fā)式算法。 遺傳算法是借鑒生物的自然選擇和進化機制的一種全局優(yōu)化自適應(yīng)概率搜索算法，具

2、有快速隨機的全局搜索能力。對于非常復(fù)雜、高度非線性問題的優(yōu)化求解，表現(xiàn)出比其它傳統(tǒng)優(yōu)化方法更優(yōu)越的性能，是21世紀智能計算中的核心技術(shù)之一。 本文所做的主要工作如下： 第一章首先介紹了矩形件排樣的相關(guān)知識及應(yīng)用領(lǐng)域，分析了排樣問題的研究現(xiàn)狀，引出本文的研究目標和工作重點。 第二章對遺傳算法進行了詳細的介紹，包括遺傳算法的特點，實現(xiàn)技術(shù)等。并結(jié)合矩形件排樣優(yōu)化，來介紹相應(yīng)的遺傳算法的編碼方法、適應(yīng)度函數(shù)、交叉方法，

3、變異算子等。 第三章對幾種矩形件優(yōu)化排樣算法進行了介紹，分析了它們的排樣過程和各自的優(yōu)缺點，并選擇了“最低水平線算法”與遺傳算法的復(fù)合算法來求解矩形件優(yōu)化排樣問題。 第四章是本文的重點。這章著重介紹了遺傳算法的改進方面，這也是本文主要的研究點，先從理論上對最優(yōu)個體保存策略全局收斂性進行證明，然后從理論上對單純多種群遺傳算法進行了證明，并詳細介紹了本文的研究重點——使用多種群階段性雜交算法對矩形件排樣進行的搜索求解過程，并