外文翻译下料问题及求解方法.docVIP

下料问题及求解方法 Robert W. Haessler and Paul E. Sweeney 密歇根大学工商管理学院，美国密歇根州安阿伯街道 摘要：本文讨论了解决一维和二维下料问题的一些基本规划问题和解决方案的程序。文中描述了线性规划启发式算法和混合解程序二维矩形问题，我们也提出 关键词：下料，修整损失，线性规划，启发式问题解决，模式生成，二维背包 设为第j种切割方式切出来长为的坯料数量，元素构成一种可行的切割方式，必须满足以下条件： 为第j种切割方式重复次数，为第J种切割方式的余料， 注意，在这个例子中，目的仅仅是为了使余料最少。在大多数工业应用中，有必要考虑除余料外的其他因素。例如，有可能是一个成本与模式的变化有关，因此，控制用于满足订单要求图案的数量将是一个重要的考虑因素。例如，切割方式改变，成本会相应的发生变化，因此控制用来满足目标坯料的切割方式的重复次数是很重要的考虑方案。 因为只有当m的指小于通常在实践的值时才能得到整数下料问题的最优解，所以启发式算法是解决这类问题的唯一可行的方法。两种启发式方法已经广泛应用于求解一维下料问题。一种方法是使用基于线性规划（LP）的整数规划问题松弛为起始点的解决方案。这种方式给问题的整数解提供了修正值。第二种方法是生成切割方式继续满足一部分剩下的需求量。当所有需求坯料得到满足时这种顺序启发式算法（SHP）终止。 线性规划算法 几乎所有基于LP算法的下料问题的求解都可以追溯到Gilmore and Gomory (1961, 1963)。他们描述了通过求解一个相关的背包问题来进入基础LP下一切割方式的方法。这使得没有首先列举所有可行切割方式的线性规划方法来求解余料最小化问题成为可能。这是非常重要的，因为当从长材料上切下小的坯料时会有大量的切割方式。Pierce（1964）表明，在这种情况下，一些切割方式的数量可以很容易地达到数以百万计。因为在寻找余料最小化问题的解决办法中，所有可能的切割方式中只需要考虑一小部分，如果所有的切割方式被输入到一个通用的线性规划算法，Gilmore and Gomory提出的延迟方式生成技术将使得求解余料最小化问题的时间比要求的更少成为可能，延迟模式生成技术由吉尔摩和戈莫里开发可能解决修剪损失最小化问题少得多的时间比将如果所有的分切模式被输入到一个通用的线性规划算法的要求。 -（3）公式中给定整数规划松弛的常见的LP问题可以表示为如下： 公式中的双重约束提供的方法用来确定最优LP解是否已获得，或者是否存在改善LP解的切割方式，因为对偶问题仍然是不可行的。 如果以下条件存在，求解出下一个背包问题可以找到下一个进入基准的切割方式： 有很多种方法修正LP法的值来获得满足坯料需求量Xj的整数值。其中一种方法是将LP解向下取整，然后在有效值不超过RU值的任一切割方式增加单位数量的Xj的值。最后，新的切割方式仍然需要用下一节介绍的顺序启发式算法来描述。 为了使问题尽可能简单，它通常是限制给定尺寸可能出现在一个切割方式里的次数。一个明显的约束条件是如果这个条件不能满足，那么任何的切割方式必须绕回为零，用其他方法来寻找新的切割方式。下面这个简单的例子证明将Ai值更大的限制的优势。让 用Gilmore-Gomory算法求解这个问题得到下面的结果： 在所有的解中，更好的解是 Haessler (1980)证明了如何限制背包问题中Ai的值会导致用更少的切割方式更容易的得到LP方法的整数解。 用LP法求解下料问题的主要缺点是切割方式重复次数非常接近于需求规格坯料的数量。只有当很难控制余料并且LP是唯一找到较少余料的方法时，这种解法才是可接受的。 启发式算法 SHP算法是构造一个切割方式直到所有需求被满足的求解方法。第一个有记载的SHP能够找到比手动调度更好的求解方法是Haessler在1971年提出的。这种方法成功的关键是为所选的SHP早期切割方式作出明智的选择。最初选择切割方式的时候应该满足低余料、高有效使用度和剩余材料下次没有过多的余料，未来仍可使用。 下面的方法能够在很多种情况下做出有效的切割方式选择： 计算订单需求描述有待安排。典型的描述符是被切割的原材料的数量和从每个原材料上切割下来的坯料的平均数量。 为下一切割方式设定进入算法的目标值。目标值应该包括余料，有效切割方式和该方式下的坯料数。 详细地寻找符合目标值的切割方式。 若找到，增加这种方式到不超过Ri的最大可能解中。减少需求坯料并返回第1步。 若找不到切割方式，减少下一方式使用水平的目标值并返回步骤3。 使用目标值切割方式提供了切割方式中一种规格可能出现的次数的上界。例如，如果一些需求长度不满足10个材料的需求，切割方式使用目标是4，那么长度将不会出现超过两次。在详细寻找不到满足目标的切割方式之后，那么至少一种通