导读:本文包含了板材下料问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,板材,矩形,贪婪,线性规划,鱼群,神经网络。
板材下料问题论文文献综述
张鹏程,茹江燕,王春艳[1]（2018）在《一种板材下料问题的优化求解方法》一文中研究指出针对单一板材下料问题,以传统的人工下料方法为基础,结合现实的切割方法和切割工艺特点,利用计算机辅助实现了下料方案的计算与选优。该方法处理过程无需编程和复杂的数学计算,而且,自然满足成品料下料时,原材料在横竖两个方向的"一刀切",使整个加工过程方便、快捷和高效。(本文来源于《河北水利电力学院学报》期刊2018年02期）
穆丹[2]（2017）在《基于遗传算法的木板材优化下料问题研究》一文中研究指出在加工板材时,板材上会有很多的缺陷,这样对加工板材的自动化进程造成了很大的阻碍。所以,随着计算机技术发展,现代技术多用计算机视觉检测技术和图像处理技术去识别和处理板材上的缺陷信息,然后对板材下料进行优化组合时应用优化算法,这样板材下料的全自动化就可以实现了。本文先介绍了遗传算法的基本原理,研究分析了遗传算法在板材下料组合中如何运用,然后通过包络矩形算法对缺陷进行计算处理,将缺陷视为固定零件。最后,在MATLAB/GUI中编程遗传算法程序,实现对木板材下料进行优化组合,并设计出木板材优化下料系统。运行结果表明,本文设计的包络算法和遗传算法能很好的实现带有缺陷的木板材优化下料组合问题,通过遗传算法MATLAB实现,使得板材利用率均达到了90%以上。然而遗传算法本身存在局限性,所以本文对遗传算法进行了改进,提出了板材优化组合自适应的遗传算法。通过遗传算法的板材优化下料不单单是一种优化算法,还是一种通过模仿生物进化机制研究出来的智能搜索算法,在解决优化组合问题上有很强的能力。随着遗传理论的不断发展,利用遗传算法解决板材优化下料问题也会得到更好的发挥。(本文来源于《东北林业大学》期刊2017-06-01）
曾兆敏,王继红,管卫利[3]（2016）在《二维板材切割下料问题的一种确定性算法》一文中研究指出研究二维板材切割下料问题,即使用最少板材切割出一定数量的若干种矩形件。提出一种结合背包算法和线性规划算法的确定性求解算法。首先构造生成均匀条带四块排样方式的背包算法;然后采用线性规划算法迭代调用上述背包算法,每次均根据生产成本最小原则改善目标函数并修正各种矩形件的当前价值,按照当前价值生成新的排样方式;最后选择最优的一组排样方式组成排样方案。采用基准测题,将该算法与着名的T型下料算法进行比较,实验结果表明,该算法比T型下料算法更能节省板材,计算时间能够满足实际应用需要。(本文来源于《图学学报》期刊2016年04期）
潘卫平,陈秋莲,崔耀东,李华[4]（2014）在《多板材单一矩形件下料问题的一种求解算法》一文中研究指出提出一种生成多板材单一矩形件下料方案的优化算法。该算法首先采用具有全容量特性的动态规划方法,一次性生成所有规格单张板材的排样方式;然后建立整数规划模型求解下料方案,并得到每种板材所用的张数,优化目标是在满足毛坯需求的前提下使所用的板材总面积最小。实验结果表明,对于板材张数无约束问题和有约束问题,多板材下料算法比文献中的单一板材下料算法下料利用率分别提高了2.09%和0.83%。(本文来源于《锻压技术》期刊2014年11期）
田双[5]（2014）在《基于SigmaNest的板材下料问题研究》一文中研究指出阐述了板材下料问题研究应考虑的实际注意事项,以SigmaNest排料软件为研究平台,对某企业实际板材下料方案进行优化改善,建立余料管理方案,确定了生产机型投产的最小经济批量,将板材的利用率从平均69.2%提高到79.6%,为企业带来了显着的经济效益,也为二维下料生产企业实际应用提供参考价值。(本文来源于《现代机械》期刊2014年04期）
程春英,包兰英,包春花[6]（2014）在《改进的人工鱼群算法在二维板材下料问题中的应用》一文中研究指出为提高板材利用率,采用人工鱼群算法进行研究,算法中加入改进的觅食行为和改进的聚群行为,对行为进行了改进,并将该算法用于求解二维板材下料问题.通过仿真实验与文献中的改进粒子群算法和基本人工鱼群算法进行比较,结果表明:改进后的算法得到的最优解要优于文献中的算法,实现提高板材利用率的问题.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2014年07期）
邓福华[7]（2013）在《A公司板材下料问题的研究》一文中研究指出矩形带优化排样问题是指在一张定宽不定长的板材上排放一系列指定数量和规格的矩形零件，使得板材利用率最高。排样问题应用广泛，主要应用在服装业、金属制造业、家具制造行业等行业。排样问题属于典型的组合优化问题，已被证明为一类NP完全问题，具有重要的理论研究意义和实际应用价值。对于大规模排样问题，采用现有的运筹学方法很难或者需要耗费很长的时间得到问题的最优解，但运用智能算法则能有效地得到问题的近优解。由于板材下料问题属于多项式非确定性问题，无论从计算工作量还是计算时间上都存在很大程度的复杂性。因此，板材下料问题的研究开始从智能算法方面着手，它的目的不是找到问题的精确解，而是用最快的速度和减少计算量方面找到问题的近优解。为此，本文通过查阅大量文献，了解国内外关于板材下料的研究方向及发展趋势。以电梯制造业A公司为例，介绍A公司的研究背景及对电梯结构进行剖析，找出电梯中大规模生产的待排件，界定A公司需要重点解决的问题。运用Cutlogic2D软件得到一种规格电梯从单台到多台的排样方案和多种规格电梯从单台到多台的混合排样方案，与A公司的单台单一排样进行对比，得到板材利用率提高了6.94%，并且通过优化排样方案得到适合A公司的最优生产批量。(本文来源于《河北工业大学》期刊2013-12-01）
杜时英,佟树成[8]（2008）在《混合遗传算法在矩形板材下料问题上的应用研究》一文中研究指出根据基本遗传算法在解决板材下料优化中存在的问题,提出了将局部搜索算法和遗传算法相结合,取各自的优点来更好地解决矩形板材下料优化问题.(本文来源于《绍兴文理学院学报(自然科学版)》期刊2008年04期）
杜时英[9]（2006）在《遗传算法在木板材优化下料问题上的研究》一文中研究指出本课题对矩形件优化下料问题进行了深入的研究和分析。并根据遗传算法的特点,结合基本遗传算法在解决板材下料优化的具体问题中存在的缺点,对其具体问题设置了具体的参数,使用的等长度的字符代码编码方法,采用简单适应度函数,设计一套具体的遗传算子。由于遗传算法针对不同的问题必须刻意的设计不同的编码方式和遗传变异方式,即便简单的问题编码方式和遗传变异方式也很复杂。而且由于编码方式以及遗传变异众多。所以在解决具体问题时速度较慢,针对这个问题,本文提出了将局部搜索算法和遗传算法相结合,取各自的优点来更好的解决的这个优化问题。本文最后在Windows系统下用Visual C++对其两种对板材下料的优化算法进行仿真。(本文来源于《辽宁工程技术大学》期刊2006-12-01）
曹军,岳琪,张怡卓,胡昆仑[10]（2003）在《遗传神经网络在家具板材优化下料问题中的应用》一文中研究指出阐明了遗传算法和神经元网络结合的必要性和可行性 ,通过用遗传算法训练前馈神经网络权值解决家具板材优化下料问题并给出实验结果。(本文来源于《森林工程》期刊2003年01期）
板材下料问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在加工板材时,板材上会有很多的缺陷,这样对加工板材的自动化进程造成了很大的阻碍。所以,随着计算机技术发展,现代技术多用计算机视觉检测技术和图像处理技术去识别和处理板材上的缺陷信息,然后对板材下料进行优化组合时应用优化算法,这样板材下料的全自动化就可以实现了。本文先介绍了遗传算法的基本原理,研究分析了遗传算法在板材下料组合中如何运用,然后通过包络矩形算法对缺陷进行计算处理,将缺陷视为固定零件。最后,在MATLAB/GUI中编程遗传算法程序,实现对木板材下料进行优化组合,并设计出木板材优化下料系统。运行结果表明,本文设计的包络算法和遗传算法能很好的实现带有缺陷的木板材优化下料组合问题,通过遗传算法MATLAB实现,使得板材利用率均达到了90%以上。然而遗传算法本身存在局限性,所以本文对遗传算法进行了改进,提出了板材优化组合自适应的遗传算法。通过遗传算法的板材优化下料不单单是一种优化算法,还是一种通过模仿生物进化机制研究出来的智能搜索算法,在解决优化组合问题上有很强的能力。随着遗传理论的不断发展,利用遗传算法解决板材优化下料问题也会得到更好的发挥。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
板材下料问题论文参考文献
[1].张鹏程,茹江燕,王春艳.一种板材下料问题的优化求解方法[J].河北水利电力学院学报.2018
[2].穆丹.基于遗传算法的木板材优化下料问题研究[D].东北林业大学.2017
[3].曾兆敏,王继红,管卫利.二维板材切割下料问题的一种确定性算法[J].图学学报.2016
[4].潘卫平,陈秋莲,崔耀东,李华.多板材单一矩形件下料问题的一种求解算法[J].锻压技术.2014
[5].田双.基于SigmaNest的板材下料问题研究[J].现代机械.2014
[6].程春英,包兰英,包春花.改进的人工鱼群算法在二维板材下料问题中的应用[J].辽宁工程技术大学学报(自然科学版).2014
[7].邓福华.A公司板材下料问题的研究[D].河北工业大学.2013
[8].杜时英,佟树成.混合遗传算法在矩形板材下料问题上的应用研究[J].绍兴文理学院学报(自然科学版).2008
[9].杜时英.遗传算法在木板材优化下料问题上的研究[D].辽宁工程技术大学.2006
[10].曹军,岳琪,张怡卓,胡昆仑.遗传神经网络在家具板材优化下料问题中的应用[J].森林工程.2003
论文知识图
