论文部分内容阅读
计算机辅助排样,又称为CAN(Computer Aided Nesting),是广泛应用的计算机辅助技术之一,用于指导各行业处理各种下料问题,以达到节约材料、降低产品成本的目的。下料问题存在于国民经济许多行业中,其中二维下料的应用面较广,而矩形件下料是二维下料的基础,因此,对矩形件的优化下料进行研究是一个具有重大意义的课题。矩形件下料问题是指在板材足够的情况下,确定一个排样方案,用尽可能少的板材排出所需全部矩形毛坯。国内外学者对该问题进行了深入和广泛的研究,并提出了多种算法,如:线性规划算法、模拟退火算法、遗传算法等。本文采用一种启发式算法对下料问题进行求解。下料问题的解是一个排样方案,该方案由一个或多个排样方式组成,并指明每一个排样方式对应的原材料的使用次数。排样方式必须是可行的,即排入板材的毛坯互不重叠且不超出板材边界,使用合适的矩形排样算法生成排样方式对获得好的排样方案至关重要。排样方式生成算法的主要功能是确定一个毛坯的集合以及该集合中的毛坯在板材中的排列方式。排样算法按毛坯在板材中出现的次数是否有限制分为有约束排样算法和无约束排样算法,无约束算法对毛坯的数量无约束,而有约束算法要求排入板材的各毛坯的数量不超过它允许出现的上限值。另外,按是否允许在同一张板材中排入多种尺寸的毛坯,把相应的排样方式称为单一排样方式和套裁排样方式,二者相比较,套裁下料虽然切割工艺较为复杂,但能明显的提高材料利用率。本文主要研究采用有约束排样算法生成套裁排样方式。本文采用一种改进的顺序启发式算法确定一个最优排样方案,主要工作是把求解排样方式的拟人算法与基于价值修正的顺序启发式算法相结合,具体包括以下几个方面:首先,基于最优排样方式模型,采用拟人算法按单位面积价值最大生成排样方式。拟人算法在排入矩形毛坯时,总是使它占据一个角,并且尽量占穴。拟人算法由贪心算法和回溯算法组成,贪心算法每次都做穴度最大的占角动作;在贪心算法的基础上使用回溯的策略,板材中每排入一块矩形,都运用回溯法确定一个分值最高的占角动作并做这个占角动作。在拟人算法的基础上,通过减少角的个数以及增加占角动作选择策略对算法进行改进。其次,将用于一维排样的顺序价值修正法中的价值修正公式加以扩展,运用到矩形件下料问题中。排样方案中的排样方式顺序生成,每调用拟人算法生成一个排样方式,对方式中各毛坯在板材中排布情况进行一次评价,根据评价结果再结合毛坯先前的信息来修改毛坯的价值,重复该过程多次,使得毛坯的价值不断趋于合理。传统的顺序启发式法生成排样方案容易导致局部最优的情况,将价值修正法融入其中,可有效地避免这种情况,使其达到全局最优。多次迭代执行基于价值修正的顺序启发式算法生成多个排样方案,优先选择材料利用率最高的排样方案,另外,最后一张板余料长以及排样方式数少也是本文的优化目标。最后,设计开发矩形件下料系统。通过对大量的实验进行测试,并将实验结果与相关文献以及商业软件的计算结果进行比较和分析,结果表明,本文算法具有较高的材料利用率。因此,本文所提的矩形件下料算法是一种有效的算法。