智能數(shù)控裁床的研究與開發(fā)——二維不規(guī)則零件排樣算法的設(shè)計與應(yīng)用.pdf

1、二維排樣問題是希爾伯特提出的23道數(shù)學(xué)難題之一，它屬于 NP 完全問題，也是復(fù)雜的非線性約束優(yōu)化問題，至今在理論上尚未找到答案。然而排樣問題廣泛存在于諸如板金下料、服裝裁剪、報刊排版、大規(guī)模集成電路設(shè)計等領(lǐng)域，雖然各行業(yè)排樣模型和約束條件不同，但共同目標是生成合理的材料分割排樣方案，即求解NP完全問題的全局最優(yōu)解，這對提高材料的利用率、降低產(chǎn)業(yè)成本有著非常重要的應(yīng)用價值。人們利用計算機輔助排樣(CAN)手段對該問題進行了大量探索，求解方

2、法從最初的數(shù)學(xué)規(guī)劃方法到現(xiàn)代的啟發(fā)式方法，但各種啟發(fā)式算法有其各自的局限性。因此，探索排樣問題的高效優(yōu)化算法具有重要的研究和應(yīng)用價值。 研究中，首先利用圖形掃描轉(zhuǎn)換技術(shù)把二維不規(guī)則零件多邊形轉(zhuǎn)化為樣片的離散化幾何表達，使排樣脫離多邊形幾何零件的復(fù)雜性，從而避免零件多邊形判交的復(fù)雜性和最小包絡(luò)矩排樣的低利用率。接著把基于圖形掃描轉(zhuǎn)換技術(shù)的啟發(fā)式底左搜索(HBLS)算法作為底層算法，用它來接收上層優(yōu)化算法傳遞過來的零件排樣的優(yōu)化參數(shù)

3、，為優(yōu)化排樣的高效處理奠定基礎(chǔ)。 然后，本文重點研究了兩個改進的粒子群優(yōu)化算法，把它們作為上層優(yōu)化排樣算法。一種是量子行為的粒子群優(yōu)化算法(QPSO)，另一種為最大速度收縮策略的粒子群優(yōu)化算法(MVCS-PSO)。通過對二維不規(guī)則零件的優(yōu)化排樣進行仿真，結(jié)果表明：這兩種算法具有良好的非線性和動態(tài)搜索性能，在收斂性能和時間復(fù)雜度上都優(yōu)于模擬退火遺傳算法(SAGA)；QPSO算法的在穩(wěn)定性和時間復(fù)雜度上優(yōu)于MVCS-PSO算法，而其