基于遗传算法的被动式木窗材下料优化
Optimization of Passive Wooden Window Material Cutting Based on Genetic Algorithm
在定制化被动式木窗加工过程中,减少边框材下料过程中的原料浪费是降低成本的关键。为此,将该问题建模为一维下料问题,针对传统遗传算法中个体编码方式在迭代过程中容易导致切割模式被破坏和探索效率低下的问题,提出一种新的个体编码方式,以保护进化过程中切割模式的完整性。同时,设计启发式策略和修正策略,用于个体修正和种群进化。仿真试验表明,在不同算例下,除末根外的原料平均利用率均可达到99%,且末根余料长度相较其他算法也有所提高。在2组企业的实际生产数据中,与企业现有软件相比,该算法不仅达到了理论下界,还在除末根外的平均利用率上分别达到99.49%和99.66%,优于企业软件的计算结果。该算法有助于降低成本,能为工程实践提供可靠的解决方案。
一维下料问题 / 遗传算法 / 启发式算法 / 种群编码 / 可用剩余物
One-dimensional cutting stock problem / genetic algorithm / heuristic algorithm / population encoding / usable leftovers
/
| 〈 |
|
〉 |