导读:本文包含了不规则件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:不规则,算法,多边形,临界,矩形,小生境,启发式。
不规则件论文文献综述
汤德佑,周子琳[1]（2016）在《基于临界多边形的不规则件启发式排样算法》一文中研究指出为提高不规则件启发式排样的材料利用率,提出一种基于重心临界多边形和边适应度的不规则件启发式排样算法GEFHNA。首先,定义了边适应度以衡量排样过程中原材料与不规则件间贴合程度,在此基础上给出了将边适应度与重心NFP(GNFP)相结合的排放策略以减少排样过程中可能产生的空隙面积;其次,给出了基于WeilerAtherton多边形裁剪算法的剩余原材料求解方法,重用排样过程中产生的孔洞,减少孔洞面积;最后,给出了基于上述排样策略和材料重用策略的启发式排样算法GEFHNA,给出了与智能算法和同类软件的实验比较。对欧洲排样问题兴趣小组提供的基准测试用例的实验结果表明,GEFHNA的耗时约为基于智能算法的排样方法的千分之一,同时在与两款商业软件Nest Lib和Sigma Nest的11个基准测试的对比中,GEFHNA获得了7/11个相对最优的排样面积利用率。(本文来源于《计算机应用》期刊2016年09期）
罗立宏,冯开平,叶家玮[2]（2015）在《基于摇瓶策略求解二维不规则件排样问题》一文中研究指出针对基于序列的二维排样问题求解策略的不足,提出采用"摇晃瓶子"的策略求解二维不规则件排样问题。基于图像和颜色直方图方法实现零件的重迭检测、出界检测和方案评价。对模拟退火提出两种改进措施:动态邻域尺度方法和并行退火方法。动态邻域尺度方法可使模拟退火用于摇瓶策略,解决了采用离散方法检测零件重迭时精度和时间的矛盾;并行退火方法进一步加快了求解速度。实验对比证明了动态邻域算法和并行退火算法有效,且能满足工程应用要求。分析了动态邻域和并行退火的复杂度,从理论上说明了这两种方法缩短排样时间的原因。(本文来源于《南京理工大学学报》期刊2015年02期）
周炯[3]（2015）在《基于临界多边形方法的二维不规则件排样问题及其算法研究》一文中研究指出本文研究的二维图形排样问题,属于二维空间布局优化的范畴,目的是把待排零件放置于平面板材上,使得材料利用率达到最大化,约束条件如下:(1)零件位于板材内部;(2)零件与零件之间互不重迭;(3)满足实际生产过程中的工艺要求。排样问题对船舶制造、服装加工、模具生产等行业有重要意义。本文对二维不规则零件排样问题进行了深入的理论分析,对排样过程中的关键性问题提出相应的改进算法,包括改进基于凸化分割的临界多边形求解算法,二维布尔运算中特殊情况的考虑,不规则零件定位策略和定位评估标准的选择,以及智能优化算法如何适用于排样问题等等,设计切实可行的解决方案。主要的研究方向和创新点如下:临界多边形算法研究:改进基于凸化分割的临界多边形求解算法,在传统布尔并运算的基础上,针对排样过程中可能遇到的特殊情况,如凹槽现象、退化现象及重迭点问题,改进原有的算法,最终完整地解决了二维布尔运算在合成多边形,求解临界多边形过程中可能遇到的问题。零件的定位策略研究:提出了一种基于临界多边形和内靠接矩形的定位策略,该算法在定位搜索以及信息重用方面有着无可比拟的优势,可以有效解决排样过程中可能出现的孔洞问题。排样过程中的临界多边形信息可以重用,提高算法执行效率。零件的定位评估标准研究:针对传统的BL标准的不足,提出一种新的定位评估标准,即LOR标准,在排样过程中不仅仅考虑零件尽量做到最左最下,还综合考虑了零件与零件之间的契合度,有助于零件之间形成互补,提高板材利用率。智能优化算法的研究:对传统的智能优化算法(遗传算法、模拟退火算法、蚁群算法)的局限性和缺陷作出分析,并提出一种基于有限分支树搜索方法的二维图形排样算法。根据一定的启发式规则,划分有效搜索区,人为控制搜索方向和搜索范围。有限分支树搜索排样算法综合考虑智能优化算法的全局观和启发式排样算法的优点,既考虑人为的排样规则,又避免陷入局部最优,应用于二维图形排样可以获得较好的板材利用率。(本文来源于《华南理工大学》期刊2015-03-16）
周子琳[4]（2014）在《基于临界多边形的不规则件排样算法研究及实现》一文中研究指出本文的主要研究对象是二维不规则件排样问题，该问题普遍存在于现代生产制造业中的多个领域，如机械制造业、服装制造业、微电子排版等。在排样效果上的微小提高，即可节省大量的原材料，提高经济效益和缓解资源紧缺造成的环境压力。二维不规则件排样由于待排零件为不规则形状，其求解难点表现在不规则图形的碰撞检测和排放顺序、角度、位置的组合优化上。在碰撞检测方面，本文使用基于临界多边形的碰撞检测方法，在临界多边形的生成上采用了Burke等人提出的滑动生成算法的思想，并提出基于可能碰撞区的时间优化方法对该算法进行了有效的时间优化。理论分析得出，在求解问题的多边形平均边数e大于某值后，时间优化有效，且时间优化比率随e值的增加而增大。16个基准测试的结果证明了该理论分析的正确性。在所有测试中，正向时间优化比率平均为20.45%，最高时间优化比率为50.29%。在排样算法方面，本文提出了基于重心NFP与边适应度的GEF排放策略，并基于此策略结合FFDA选件策略、Weiler-Atherton多边形裁减算法提出了GEF启发式排样算法。算法经过16个基准测试，并在与两款商业软件的11个基准测试的对比中，获得了7/11个相对最优的排样面积利用率，充分证明了GEF启发式排样算法的排样能力。同时，本文采用孙艳丰提出的GATS混合智能算法的主要思想，结合本文的GEF启发式排样算法，研究并实现了GEF混合智能排样算法。在16个基准测试中，该算法的所有测试结果均优于GEF启发式排样算法，平均排样利用率提高比率为10.97%。在与现有的4个优秀智能排样算法的对比中，GEF混合智能排样算法在平均排样利用率方面接近现有算法的平均排样利用率，但在最优排样利用率方面与当前最优者有一定的差距。综合测试和对比结果，本文的GEF混合智能排样算法具有较好的排样能力。(本文来源于《华南理工大学》期刊2014-06-09）
梁利东,钟相强[5]（2013）在《碰靠定位算法在不规则件排样优化中的应用研究》一文中研究指出基于不规则零件碰靠算法的思想,提出了最小静矩吻合碰靠定位方法。将碰靠定位的参考区域限定在入排零件当前排样高度最低的未排空间内,零件以不同入排角度进行正交靠接排放和定位,以零件定位后的静矩最小作为排样方案优劣的评估规则。在自动碰靠算法基础上,设计了交互排样中的点对点交互碰靠算法,实现零件以任意碰靠方向进行最优布局调整,为完善自动排样提供了有效的辅助作用。(本文来源于《中国机械工程》期刊2013年23期）
梁利东,钟相强[6]（2013）在《基于免疫遗传算法的不规则件排样优化问题求解》一文中研究指出基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显着提高。(本文来源于《机械科学与技术》期刊2013年03期）
易衍孜[7]（2012）在《二维不规则件排样系统的研究与实现》一文中研究指出二维不规则件排样问题在实际的工业和制造业的生产过程中起着重要的作用，是在这些过程中节省原材料的关键环节。二维不规则件排样问题主要涉及到四个方面。一是待排零件和母板的表示方法，二是待排零件的摆放策略，叁是待排零件之间、排样零件和母板之间的碰撞检测问题，四是排样零件顺序和旋转角度的优化问题。本文主要针对二维不规则排样中关键问题展开研究和实现，本文的主要贡献如下：1）给出了一种新的基于轨迹线计算的临界多边形生成方案。这一方案从临界多边形的定义出发，先求得一个多边形的点与另一个多边形的边之间的轨迹线集合，再运用NFP的性质从这个集合中选取出符合要求的线段得到要求的NFP。2）研究并设计了基于临界多边形的启发式摆放策略的排样算法。本文采用的摆放策略主要基于BL算法及其改进算法，再与余料管理方案相结合而成。3）给出了一种基于禁忌搜索思想的智能排样算法。本文中禁忌搜索的解对象主要是排样零件的序列，对于不同的序列通过排样算法求得利用率进行评价，再运用禁忌搜索的思想寻找更优的解。4）设计并实现了基于上述算法的不规则件智能排样系统。系统主要分为算法模块、基于数据库的排样数据管理模块以及展示结果和用户界面的图形显示模块。通过测试数据表明，本文排样系统可以在较短的时间内得到较好的排样结果。(本文来源于《华南理工大学》期刊2012-11-01）
梁利东,钟相强[8]（2010）在《粒子群算法在不规则件排样优化中的应用》一文中研究指出针对不规则件排样问题,提出一种应用粒子群算法优化求解的方法。首先以零件的入排交换序列和角度变异序列作为粒子运动速度构造粒子群算法,然后运用剩余矩形动态匹配算法实现解码和局部寻优,并结合不规则件的正交靠接算法实现自动排样。排样实例表明,该优化排样算法是有效的。(本文来源于《中国机械工程》期刊2010年17期）
史俊友,苏传生,翟红岩[9]（2009）在《基于小生境遗传模拟退火算法的不规则件优化排样》一文中研究指出针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。(本文来源于《青岛科技大学学报(自然科学版)》期刊2009年05期）
翟红岩,苏传生,张莹,史俊友[10]（2009）在《基于神经网络的不规则件排样技术》一文中研究指出提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列,采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,寻找排样件在排样时的最优位置及各自的旋转角度,实现了二维不规则件自动排样,得到满意的优化排样结果,实例证明了该算法的有效性和实用性。(本文来源于《青岛科技大学学报(自然科学版)》期刊2009年04期）
不规则件论文开题报告
（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：
针对基于序列的二维排样问题求解策略的不足,提出采用"摇晃瓶子"的策略求解二维不规则件排样问题。基于图像和颜色直方图方法实现零件的重迭检测、出界检测和方案评价。对模拟退火提出两种改进措施:动态邻域尺度方法和并行退火方法。动态邻域尺度方法可使模拟退火用于摇瓶策略,解决了采用离散方法检测零件重迭时精度和时间的矛盾;并行退火方法进一步加快了求解速度。实验对比证明了动态邻域算法和并行退火算法有效,且能满足工程应用要求。分析了动态邻域和并行退火的复杂度,从理论上说明了这两种方法缩短排样时间的原因。
（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。
不规则件论文参考文献
[1].汤德佑,周子琳.基于临界多边形的不规则件启发式排样算法[J].计算机应用.2016
[2].罗立宏,冯开平,叶家玮.基于摇瓶策略求解二维不规则件排样问题[J].南京理工大学学报.2015
[3].周炯.基于临界多边形方法的二维不规则件排样问题及其算法研究[D].华南理工大学.2015
[4].周子琳.基于临界多边形的不规则件排样算法研究及实现[D].华南理工大学.2014
[5].梁利东,钟相强.碰靠定位算法在不规则件排样优化中的应用研究[J].中国机械工程.2013
[6].梁利东,钟相强.基于免疫遗传算法的不规则件排样优化问题求解[J].机械科学与技术.2013
[7].易衍孜.二维不规则件排样系统的研究与实现[D].华南理工大学.2012
[8].梁利东,钟相强.粒子群算法在不规则件排样优化中的应用[J].中国机械工程.2010
[9].史俊友,苏传生,翟红岩.基于小生境遗传模拟退火算法的不规则件优化排样[J].青岛科技大学学报(自然科学版).2009
[10].翟红岩,苏传生,张莹,史俊友.基于神经网络的不规则件排样技术[J].青岛科技大学学报(自然科学版).2009
论文知识图
