一维型材下料优化问题应用探讨.docVIP

一维型材下料优化问题的应用探讨 　　摘要： 结合具体实际下料问题，探讨分析线性规划与遗传算法在组合优化问题中的应用并进行两种方法的优劣分析，推导出在具体应用中如何进行方法选择从而获得最优解。 　　关键词： 线性规划；遗传算法；单纯形法 　　中图分类号：TP301.6文献标识码：A文章编号：1671－7597（2011）0510186－01 　　 　　在企业的生产制造过程中，我们经常遇到圆钢、工字钢、钢管等一系列典型型材的下料问题――材料利用率低，浪费现象严重，从而制约产品的制造成本居高不下，影响企业的市场竞争能力，因此应依据原材料的供料原始长度与各零件毛坯的尺寸，制定出优化合理的下料方案，使原材料消耗最低，达到比较高的材料利用率，同时又能制作出合乎规格尺寸数量等要求的零件毛坯。 　　目前，多数企业采用单一下料方式，即按一种固定不变的方式送料、下料，简单方便，但由于材料规格与零件毛坯尺寸难成比例，往往产生比较多的边角余料，造成每一根型材的利用率不高，或者凭工人经验，采用简单套裁法，即采用在一根原材料先下尺寸大的零件，然后再进行小尺寸的零件制作，进行简单的线性规划求解与组合；由于对如何下料事先缺乏缜密周全的考虑，在实际应用中结果总是不尽如人意。在这里，主要针对型材下料问题进行研究，提供有效的解决方案并进行分析。 　　1 问题的描述 　　典型的型材下料问题一般提法为：设有某种规格型号的原材料，其初始长度为L，需要制作出n种规格的零件毛坯，长度分别为lk（k=1，2，……，n），数量分别为dk（k=1，2，……，n），问如何下料才能使消耗的原材料数量最少。 　　此类问题属于典型的组合优化问题，主要着眼于尽量减少每根材料的边角余料的同时，从而保证比较高的材料利用率，还要顾及零件的成套性要求，目的是在制造出具有数量及长度尺寸要求不同的零件毛坯的同时，使消耗的原材料数量最少。 　　2 线性规划 　　面对长度尺寸各异、数量不一的各种零件毛坯需求，如何在统一规格的原材料上进行组合裁切，是一个典型的NP问题，很难找到最优解，只能通过不断的方案比较寻求到满足要求的优化方案，一般解决方法就是首先求出材料的全部下料方式，然后配上一定数量的每种下料方式的应用次数，据此将下料问题转化为一个整数线性规划问题，而后进行线性规划的求解，典型的为在一定的约束条件下求某一目标函数极值的问题。 　　求出全部下料方式是解决此类问题的基础，一般采用的是最简单有效的枚举法，将所有可能的下料方式一一例举，然后依据条件进行选择与取舍，假设第k种型材在某种下料方式中的数量为ik（ik为整数），那么此下料方式的数学模型为： 　　 　　枚举法是例举出所有目标解决方案，思路简单，结果正确，但缺点是运算量比较大，解题效率不高，如果枚举范围太大，在时间上就显得难以承受，同时会出现做大量无用功的现象。一般枚举法的优化可以从以下几方面进行考虑： 　　1）下料方式中的零件毛坯数量：假设只制作第1种零件毛坯，那么0≤i1≤L/l1（取整）；当l1的值确定，那么0≤i2≤（L-l1i1）/l2（取整），以此类推，缩小枚举范围，提升计算效率而又不影响结果的正确性； 　　2）对下料方式进行目标控制优选：对每根原材料的下料方案进行目标规划，提高每根原材料的利用率，同时可以减少下料方式数目，使变量减少，简化计算，更易求解出满足目标要求的合理的下料方案。 　　当已经求解出符合要求的全部下料方式时，假设对第i种下料方式（第k种零件毛坯的数量为iki）的应用次数为xi，可以建立数学模型： 　　目标函数：Min（x1+x2+……+xi） i为求解出的下料方式的总数 　　约束函数：i11x1+i12x2+……+ i1ixi=d1 　　 i21x1+i22x2+……+i2ixi=d2 　　 …………………… 　　 in1x1+in2x2+……+inixi=dn 　　 x1，x2，……，xi≥0 　　以上为典型的标准线性规划问题，一般应用单纯形法进行求解，其典型步骤为：寻求基本可行解；以基本可行解为基础，引入非基变量取代某一基变量，求解出目标值更优的另一基本可行解，并不断进行迭代求解，直至对应检验数满足最优性条件，从而求解出最优解。 　　应用线性规划求解，在理论上可以得到最优解，但其最具挑战性的问题之一就是如何有效处理组合爆炸问题。在当今精益横行的制造时代，多品种少批量产品将导致线性规划中的决策变量（与下料方式的数量正相关）和约束条件（与零件毛坯的种类数正相关）不断激增，而超出计算负荷无法求解，解决这类问题的另一重要思路就是采用遗传算法。 　　3 遗传算法 　　此下料问题可以转化为遗传算法中的装箱问题，就是将不同的零件毛坯进行组合，要求每种组合的总长不超出原材料的限