基于小生境遗传模拟退火算法的不规则件优化排样青岛科技大学机电.docVIP

基于小生境遗传模拟退火算法的不规则件优化排样 史俊友，苏传生，翟红岩 (青岛科技大学 机电工程学院，山东 青岛 266061) 摘要：对于二维不规则图形零件在排样区域上的最优排列，将排样和制造工艺联系起来，将多边形各边向外扩充，为零件预留加工余量；然后采用遗传模拟退火算法与小生境技术相结合，寻找排样件在排样时的最优次序及各自的旋转角度，再用基于“最低水平线与填充算法相结合”策略的启发式排样算法实现二维不规则件自动排样，得到满意的优化排样结果。 关键词：遗传模拟退火算法；小生境；加工余量；最低水平线；优化排样 中图分类号：TP 391.7 文献标识码：A Optimal layout of irregular parts based on Niching Genetic Simulated Annealing Algorithm SHI Jun-you，S Chuan-sheng，ZHong-yan (College of Mechanical and Electrical Engineering，Qingdao University of Science Technology，Qingdao　266061，China )Abstract：two-dimensional irregular parts packing problem, firstly the problem is associated with manufacturing process, every side of polygons is expanded in consideration of the machining allowance. Then genetic simulated annealing algorithm and niche are integrated to look for the best sequence of the irregular parts and each parts optimum rotating angle, finally the lowest horizontal algorithm and filling algorithm are combined to complete the automatic layout. The satisfactory results of optimal layout have been obtained. Key words： genetic simulated annealing algorithmmachining allowance；the lowest horizontal algorithm；optimal layout 最大限度地节约材料，提高材料利用率是实际生产中的一个基本原则，由于在工业生产中排样问题广泛存在，因而解决它具有深远的理论意义和现实意义。寻找通用性好、求解质量和效率高、易于实现的排样问题求解算法一直是该领域所追求的目标[1]。 遗传算法和模拟退火算法是当今优化技术领域应用最广泛的智能优化算法[2,3]。然而，大量研究表明[4]，遗传算法存在早熟收敛、局部寻优能力差等许多不足，这使得最终搜索结果可能是局部最优解。模拟退火算法能够跳出局部最优解，具有较强的局部搜索能力，但其把握搜索过程的能力不强。近年来，许多研究人员把不规则零件排样转化为矩形件排样来处理，这种方法简单易行，但由于没有充分考虑零件具体的外形特征，会导致材料利用率的降低。 为此本文充分考虑不规则件自身的形状特征，将排样和制造工艺联系起来，将多边形各边向外扩充，为零件预留加工余量，对扩充后的零件，求取其最小包络矩形，并对一些形状互补的零件构造矩形排样单元进行优化组合，使零件区域在最小包络矩形中所占的比例尽可能大，对组合后的图形再求取最小包络矩形，同时对多边形的外轮廓与包络矩形之间产生的空白区域进行填充；从遗传模拟退火算法优化策略的构造出发，融合小生境技术的思想，形成一种小生境遗传模拟退火算法—NGSA算法，算法具有较强的全局和局部搜索能力，在此基础上开发了不规则件优化排样系统。 收稿日期：2008-12-03 作者简介：史俊友(1970-)，男(汉)，教授． 1 排样模型 θ。当这3个参数确定后，该零件的其它各顶点坐标都可由这3个参数计算。设Gj(jJ，J为零件集合)为零件j的图形，(xj，yj)为该零件的给定点的坐标，则该零件在板材上的定位可表示为下述过程：先将该零件以该定点为轴旋转角度θj，然后再将定点(xj，yj)在板材作位移(?xj，?yj)。这时零件j在板材上的方位可表示为Gj(?xj，?yj，θj)。零件的数量为n，Sj为零件j的面积。L为板材的长，D为板