论文部分内容阅读
当前国际船舶市场低迷,我国船舶工业面临着严峻的挑战。推动船舶建造技术的升级转型,向数字化与智能化方向发展,提高企业核心竞争力,是船舶工业发展的方向。船舶板材下料是船舶企业生产建造的核心问题,一方面它直接决定了原材料的利用率与成本,体现了船舶企业的核心竞争力;另一方面,零件下料的先后次序也决定了后续的船舶建造过程,直接影响工艺流程和生产管控。由于船舶板材下料问题属于NP-C问题,不适用精确求解的算法进行求解。而启发式算法以及智能优化算法具有良好的寻优能力,被用来求解优化排样问题。由于船舶板材下料过程具有复杂的约束条件,必须建立符合实际加工情况的问题模型,才能设计出合适的优化算法。本文的主要研究工作和成果如下:1)研究了船舶板材下料的详细过程,了解船舶板材加工特点以及工艺约束。总结了矩形件优化排样问题的基本概念以及数学模型,并且结合船舶企业板材加工的实际情况,建立了符合船舶工业实际的矩形件排样模型。研究并分析了启发式算法和智能优化算法的特点,提出应将两者结合得到混合式算法,才能更好的求解矩形件优化排样问题。2)研究了几种常见启发式算法,并将各种算法进行了对比分析,选出了排样效果更好的最低水平线算法与剩余矩形算法。然后将其与模拟退火算法、蚁群算法相结合,得到了两种适用于求解矩形件优化排样问题的混合算法。并且通过仿真实验进行验证,证明了以上两种混合算法的求解矩形件优化排样问题的有效性。并对比分析了两种算法的求解性能,证明了蚁群算法与剩余矩形算法结合的混合算法在求解矩形件优化排样问题时具有较强的求解能力,但是在某些情况下蚁群算法可能会收敛于局部最优解。3)对于蚁群算法进行了适当的改进,提出了对当前最优解采用变异策略,并且对路径选择规则进行了改进,使其具有更强的全局搜索的能力,以避免陷入局部最优解。将改进的蚁群算法应用于求解矩形件优化排样问题,并进行了仿真实验验证了算法的有效性。