一维下料的改进遗传算法优化
束条件重复执行上面的⑴、⑵、⑶步骤，直到最好解的适应度值达到要求或满足了预定的进化代数，才能停止计算，并输出最优解。4 计算实例为了测试本算法的性能，我们借鉴文献[5]中的例子。原材料长3m，需切割的零件分别为长2.2m的3件、长1.8m的3件、长1.2m的4件、长0.5m的6件、长0.3m的6件。求最优下料方案（不考虑切口损失）。文献[5]采用启发式多级序列线性优化方法计算，能保证高的材料利用率，而且计算速度也高。但随着零件规模的扩大，计算时间也会爆炸。而基于改进遗传算法的求解方法虽然对同一问题需要多次运行，从多种下料方案中择优，但计算仅用0.6s就取得了最好解，而且是求解组合爆炸问题的最好选择。表1和表2是文献[5]与本文算法的对比。表2若不计编号8的原料，则余下的原料利用率都为100%。而编号8的原料具备最长的余料，还可以进一步利用。计算结果很理想。5 结束语本文针对工程实际中的一维下料问题，提出了求解该类问题的改进遗传算法，该算法设计简单，原理易于理
<<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：