布局问题分类与`求解方法.docVIP

布局问题的分类及求解方法 　　摘 要：鉴于布局问题的多样性和复杂性，有必要对布局问题的分类以及常见的求解方法做一个研究总结。首先对布局问题分别按照空间维数，布局物的形状和约束条件分别进行分类，接着对各类布局问题常用的求解方法作了介绍，最后对布局问题的研究现状和发展趋势做了总结和展望 关键词：布局问题；性能约束；启发式方法；智能算法 引言 布局问题是工业生产中经常出现的问题，如在玻璃切割、服装裁减以及金属加工等行业，需要在标准的材料上，切割出所需要的多个小型件，要求材料浪费最少；又如在货物运输、机械设计等领域，需要将一些小型的对象，如货品、零件、集成块等，装入一个大的容器，要求装载的对象数目最多（或者某种价值最大） 布局问题的研究不仅具有重要的经济意义，也具有很强的理论意义。鉴于布局问题的多样性、复杂性，文章对布局问题的分类以及求解方法的做了一个研究综述 1 布局问题的分类 工业生产中的布局问题各种各样，根据布局物维数、布局物和布局空间形状以及是否带性能约束，布局问题可分为如下几类[1]： 1.1 空间维数 布局问题按照空间维数可分为：一维布局问题、二维布局问题和三维布局问题。一般来说，问题维数越高，求解越困难。其中一维布局问题较为简单。二维布局问题由于其广泛的应用，是现阶段布局问题研究的一个主要分支。三维布局问题，由于图形和约束条件的复杂性，难于求解，因此研究相对较少，它将会成为今后布局问题研究的重点 1.2 布局物的形状 布局问题按照布局物的形状，可分为规则图形的布局和不规则图形的布局。相对于规则图样的布局问题，不规则图样的布局问题的求解要困难很多，是由于不规则图样在不同的角度可以形成不同的布局方案，使得其解空间比规则图样的解空间大得多。因此，现实优化中，往往通过将不规则布局物简化处理为规则图形进行布局，但是这种近似处理会影响求解质量，从而很难得到较高质量的解 1.3 约束条件 布局问题按照是否带性能约束分为：无性能约束问题和带性能约束问题。无性能约束的问题只需满足基本的不干涉要求，并尽量提高空间利用率。带性能约束布局问题除了要满足以上基本要求外，还带有其它的性能约束。相比而言，带性能约束的布局问题由于存在多约束条件，使得解空间呈现出多峰态、非线性、不连续的特点，求解更加困难 2 布局问题求解方法的分类 由于布局问题在工业产品中的广泛应用，引起了许多学者的关注，对布局问题进行了大量的研究，求解布局问题的方法很多，总的说来，可以分为以下几类 2.1 精确的数学方法 早期的布局问题一般采用传统的数学规划方法求解（如线性规划、整数规划、非线性规划、动态规划、网络流和分枝定界法等）。精确的数学方法能得到问题的最优解，但对于较大规模布局问题，其耗时是难以承受的 2.2 启发式方法 启发式算法在布局问题求解中占据了重要的地位，其通常根据问题的特点，设计启发式规则在布局空间中进行搜索，能较快的求得问题的解，是一种近似方法。但由于启发式方法缩小了搜索的空间，故得到的解一般不是问题的最优解，只是问题的较优解 根据启发式策略的不同，启发式方法又分为定位定序的构造方法和全装填式的局部搜索方法。定位定序的构造方法根据一定的放置规则依次放置布局物，每一次放置均满足不干涉要求和某些其他要求，直至最后一个布局物，最后得到一个完整的解。如基于一维装箱的FFD算法、基于最左最下原则的BL算法等。这类启发式方法解的质量和布局顺序有关。与定位定序启发式方法不同，全装填式的局部搜索方法一次将全部的布局物放置到布局空间中，形成一个初始解，然后根据启发式策略对某个或某些布局物进行移动，逐步改进解的质量，最后得到满足要求的较优解。黄文奇等提出的求解圆形布局问题的“拟物法”，即是一种全装填式的局部搜索方法[2]。启发式算法的特点是针对某类或某些布局问题的结果较好，求解速度快，但其缺乏全局搜索能力，容易陷入局部最优，在对其他布局问题的普遍适用性上不强 2.3 智能算法 20世纪70，80年代至今，随着智能优化算法如遗传算法（GA）、禁忌搜索（TS）、蚁群优化算法（ACO）、粒子群优化（PSO）算法、模拟退火算法（SA）、散射搜索（SS）算法和人工蜂群算法（ABC）等的不断出现，给解决布局问题提供了新的思路[1-4]。由于智能算法具有全局搜索能力，在求解NP-难的布局问题上显示出其优越性。但智能算法没有启发式方法针对性强，当布局问题的解空间呈现出多峰、不连续的特征时，单纯的智能算法会导致搜索空间大、搜索时间长、早熟等问题，并且不同的智能算法对于不同的布局问题，解的效果也有差异 2.4 混合算法 将智能算法与启发式算法相结合形成混合算法，能有效弥补各自的不足，正日