一维下料的改进遗传算法优化
下料问题属于NP难问题。国内外关于这方面的研究十分活跃，并且提出了不少优化算法，如Dyckhoff H.提出的线性规划方法[1]以及Sarker B. R.提出的动态规划方法[2]等。但这些算法过于复杂，也未能有效地解决巨大数量切割方式的优选问题。本文讨论以传统遗传算法为基础，改进了传统的交叉算子、变异算子和选择算子，实现了不错的效果，能够在较短的时间内得到利用率较高的排样方式。1 一维下料问题的数学模型1.1 问题定义1.2 数学模型根据问题描述，首先找到这些零件的组合方式，即哪几个零件组合使得每一个原材料的余料最小，假设有m种下料方式。根据每种零件的需求量，求取每一种下料方式应用的次数：求出每种下料方式所产生的余料长度：2 一维下料方案优化问题的求解方法2.1 编码方法2.2 解码方法由编码方法产生个体的编码后，需通过解码算法得到其所需原材料的数目，计算其适应度值后，才能对该个体进行评价，相应的解码算法如下。2.3 适应度函数对于一维下料问题，用适应度函数来
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：