二、排料算法的类型与特点.docVIP

文 献 综 述 报 告 题目 基于模拟退火遗传算法的变压器硅钢片优化排样的研究 姓 名 王雪红 导 师 魏福玉 教授 层 次 硕士 所在学院 机械科学与工程学院 专 业 机械工程 学 号 2010414048 日 期 2011 年 9 月 20 日 目 录 目 录 - 1 - 一、优化排料算法国内外发展状况 - 2 - 1.1 、优化排料算法国外发展现状 - 2 - 1.2 、优化排料算法国内发展现状 - 2 - 二、排料算法的类型与特点 - 3 - 2.1 、简单遗传算法 - 3 - 2.2 、遗传算法的特点 - 5 - 2.3 、标准遗传算法的局限性及其改进方式 - 5 - 2.4 、混合遗传算法 - 6 - 三、参考文献 - 11 - - 1 - 一、优化排料算法国内外发展状况 1.1 、优化排料算法国外发展现状 对于优化排样问题，国外进行得比较早， 1939 年 Kantorovich [1 ] 就提出了一 维排样问题。之后， Gilmore 和 Gomory[2 3] 提出了解决一维排样的方案并深入分 析探讨了二维优化排样问题。 Maneri 和 Silverman [ 4] 提出运用向量空间的理论 处理排样问题。 70 年代后，越来越多的学者和专家发现了排样问题的经济价值 和社会价值，并对其进行了深入研究， 提出了许多算法理论和解决排样问题的方案，并取得重大成果。 1970 年 Haims[ 5 ] 等提出了动态规划理论和相关算法， Herz [ 6] 提出了一种树叉型搜索策略，并将其用于动态规划理论中。 Han和 Cintra [ 7 8 ] 等 将零件拆分技术用于求解排样问题， Faina [ 9] 将模拟退火算法运用于切割下料问 题。 到了 80 年代，智能优化算法相继出现，并被广泛运用于求解矩形件和不规则件排样问题。 80 年代后，智能算法的研究达到一个快速发展的时期，如模拟 退火算法 [10 13] 、遗传算法 [14 17] 、神经网络 [18] 、蚁群算法 [19] 、人工免疫算法 [ 20] 等算法，这些算法具有一般搜索算法所不具有的优越性， 为了充分利用它们的优越特性，人们开始探索组合算法， 以求获得更佳的排样效果。 Marcello Braglia [ 21] 用模拟退火算法改善遗传算法求解单排排样问题， Troutt 和 Bingul [ 22 23] 用遗传和模拟退火算法对矩形件排样进行了研究， RameshBabu[ 24 27] 等用启发式算法来 改善遗传算法求解二维排样优化问题， Cristina [ 29] 用免疫算法来改善遗传算法求解二维矩形排样问题。 此时，对矩形件排样问题的研究已经取得了相当的成就。 1.2 、优化排料算法国内发展现状 20 世纪 90 年代初国内开始了排样问题的研究，主要是基于简单排样件或矩 形件的排样。曹炬博士 [ 30 31] 采用背包算法等来研究不同排样环境下的矩形件排 样，对矩形件排样算法进行了深入的研究。徐彦欣 [ 32] 采用基于产生式规则和图 形靠接算法进行二维零件的排样，讨论和比较了移动靠接算法、碰撞靠接算法、临界多边形算法的特点。此处，董长双 [ 33] 深入研究了冲裁件的二维优化排样，周建华 [ 34] 深入研究和探索了不规则排样技术，滕健 [ 35] 提出用神经网络的相关理 论来求解二维不规则零件的排样问题。 2000 年以后，排样问题进一步得到广大 学者和专家的重视， 排样件从矩形件逐步发展到规则件和不规则件， 排样算法的 - 2 - [ 39 43] 、人 运用逐步由单一算法发展二种以上算法的组合， 并且算法的运用范围和领域也不 断扩大。贾志欣 [ 36 37] 采用遗传算法和模拟退火算法来求解矩形件排样问题，提出了最低水平线排样定位算法。吴浩扬 [ 38] 等提出了基于模拟退火机制的多种群并行遗传算法。 智能算法的出现进一步促进了排样问题的发展， 它分别从不同的角度模拟人类的智能活动或某些自然现象， 被广泛用来解决工程中存在的复杂问题， 如求函数最值、 TSP问题、自适应控制、机械领域下料问题、机器人控制方面、服装下料等问题。近几年来，智能算法得到更进一步的发展，如在遗传算法 工免疫算法 [ 44 46] 、神经网络 [ 47 ] 等等方面的研究。这些方法在搜索过程中具有随 机性，具有比数学规划方法更大的优越性， 主要表现在： ①具有通用性且易于应 用；②搜索速度快，所需的时间复杂度小，并且能更快地获得较优排样结果。正 是由于这些优点使这类算法在工程问题上具有更为广泛的应用前景， 吸引了更多 学者和专家对其进行研究和探讨。 智能算法也有其自身的缺点， 因此学者们开始 研