金军[1]2001年在《基于遗传算法的玻璃排版优化系统的设计与实现》文中指出遗传算法是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法，对于非常复杂、高度非线性大型系统的优化求解，表现出比其它传统优化方法更加独特和优越的性能，是21世纪有关智能计算中的核心技术之一。 GA利用简单的编码技术和繁殖机制来表现复杂的现象，从而解决非常困难的问题。特别是由于它不受搜索空间的限制性假设的约束，不必要求诸如连续性、导数存在和单峰等假设，以及其固有的并行性，遗传算法目前已经在最优化、机器学习和并行处理等领域得到了越来越广泛的应用。 本文对应用遗传算法解决一个多目标组合优化问题——玻璃排版优化问题进行了深入研究，基于遗传算法对玻璃排版进行优化的研究迄今为止在国内外还未见到有相关资料的介绍。本文对问题的求解提出了一些新的实现方法，为类似问题提供了一条新的求解途径；设计并实现了玻璃排版优化系统及系统优化算法。 本文的主要工作如下：将一个多目标问题分解为多个单一目标问题，逐步求解，以降低整体求解难度；在用遗传算法求解有关问题中，使用不同的解码方法计算个体适应度，构造不同的遗传算法运行框架。根据求解问题的复杂度，个体染色体分别使用了单参数编码方法和多参数级联编码方法，染色体中的参数又分别采用了二进制编码、波兰表达式的符号编码、数字符号编码。针对具体编码方法的不同，为保证后代个体的合法性，算法中采用了单点交叉、部分映射交叉、顺序交叉、循环交叉等多种交叉算子和基本位变异、逆转变异、交换变异、反转变异、替代变异等多种变异算子。为提高算法运行效率，选择算子采用了比例选择与最佳个体保留选择机制相结合的方法。为加强遗传算法的搜索性能，还在算法中使用了融入传统爬山法的混合遗传技术和小生境技术。总结了使用分步求解方法求解大型复杂的多目标优化问题的一些处理技巧以及改进整个系统优化算法的方向。最后对玻璃排版系统中优化问题间的求解关系进行了分析，得出以下结论：①当要加工的玻璃块较少且玻璃块的总面积不超过玻璃原片的面积时，求解背包问题的算法不同，群体中解的质量差异较小，对整个系统的优化结果影响不大，并与要加工的玻璃规格无关；②当要加工的玻璃块较多时，求解背包问题的算法不同，群体中解的质量有较大差异，并且对布局设计问题的求解及整个系统的优化结果都有较大影响；③当要加工的玻璃块的规格不同时，对于同样一批玻璃块，GA使用贪婪法解码求解背包问题，其解中面积较大的玻璃块容易被优先选中排版，而GA使用惩罚解码求解背包问题，其解中被选中排版的玻璃块则较随机；④求解布局设计问题找到的合理布局排版方案不一定是最优方案，排版方案越优越有利于求解旅行商问题找到更短的最优切割路径。 本文的主要内容和结构安排如下：第一章介绍了本文的工作及工作背景，并对求解组合优化问题的传统方法和遗传算法进行了比较；第二章对遗传算法做了系统介绍。具体内容有：遗传算法与自然进化的关系，遗传算法的特点、基本实现技术等；第叁章介绍了问题的解决方案和玻璃排版优化系统及系统优化算法的设计；第四章详 基于遗传算法的玻璃排版优化系统的设计与实现细讲解了求解玻璃排版优化中背包问题的遗传算法的设计及其具体实现；第五章详细讲解了求解玻璃排版优化中布局设计问题的遗传算法的设计及其具体实现，并对背包问题与布局设计问题的求解关系进行了讨论；第六章详细讲解了求解玻璃排版优化中旅行商问题的遗传算法的设计及其具体实现，并对布局设计问题与旅行商问题的求解关系进行了讨论，最后对玻璃排版优化中叁个问题的求解关系进行了分析，提出了对系统优化算法进行改进的方向。
于孜清[2]2006年在《基于蚁群算法的玻璃切割控制系统》文中研究表明人工蚁群算法是对生物(蚂蚁)群体行为的模拟抽象，它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁穴至食物间最短路径这种集体寻优特征，该算法具有分布计算、信息正反馈和启发式搜索等特点。 玻璃由于其透明、透光、反射、多彩等特性，已经作为一种重要的建筑装饰材料被广泛应用到各个领域，而玻璃切割作为玻璃深加工的前道工序，其自动化程度的高低以及原料利用率的大小影响整个玻璃成品的成本。 玻璃排版的目标是通过计算机优化排样，减少排样工作量，简化切割工艺，加快排样速度，有效提高材料的利用率，降低产品成本。优化排样算法的研究不仅有充分的理论意义，也有很高的实用价值。 本文完成了玻璃切割系统的设计，通过计算机控制软件，优化玻璃自动排版，根据工艺控制流程对切割机进行控制，将玻璃原片加工成所需的一系列玻璃产品。 本文在简要介绍玻璃切割控制系统的基础上，重点研究了基于蚁群算法的玻璃优化排版设计和具体实现。主要内容包括：玻璃切割计算机控制系统软件的设计实现，包括工作界面的设置，以及各种加工数据的数据库设计及访问等；对于玻璃原材料的优化排版，主要讨论了基于蚁群算法的矩形玻璃件的排放，以及切割路径(旅行商)问题的自动优化排版系统的设计；采用图形预处理-排样-人机交互的方法，在较短的时间内对矩形件排样问题给出满意的解决方案。
徐辉[3]2006年在《粒子群优化算法在玻璃排版问题中的应用》文中进行了进一步梳理粒子群优化算法(Particle Swarm Optimization-PSO)是一种基于群体的进化算法，算法通过微粒间的相互作用来发现复杂搜索空间中的最优区域。由于粒子群算法在函数优化等领域有广阔的应用前景，所以自算法提出以来，引起了相关领域众多学者的关注和研究，成为演化计算研究的热点。 本文将粒子群优化算法用于解决一个多目标组合优化问题——玻璃排版优化问题。基于粒子群算法对玻璃排版进行优化的研究目前在国内还没有见到有相关的资料介绍，本文对问题的求解提出了一些新的实现方法，并通过实验实现了该问题的优化。 在解决玻璃排版优化问题时，我们将该问题分解成多个单一目标问题，即布局问题和旅行商问题，逐步对其进行求解，以降低整体求解难度。在用粒子群算法求解每个问题时，针对其问题的特殊性，对粒子群优化算法的描述进行了必要的修改，以实现问题的求解。在求解布局问题时，我们采用了B*-tree结构来描述一个布局中各玻璃模块之间的关系，并利用模块之间的组合值来逐步建立一个最优的布局排版；在求解旅行商问题时，我们利用了交换子和交换序的概念，并对算法迭代公式中的加法运算做了新的定义，通过交换操作实现了最短切割路径的求解。前一步布局问题的求解对下一步旅行商问题的求解有着很大的影响，即合理的布局排版方案不一定就是唯一的，而不同的布局方案就会有不同的切割路径，其长短也是不相同的，所以说布局方案越优，就越有利于求解旅行商问题找到更短的切割路径。 本文的主要内容和结构安排如下：第一章介绍了本文要作的工作、工作背
李冬冬[4]2010年在《玻璃排版优化系统的研发》文中进行了进一步梳理玻璃由于本身的各种特性已经成为一种重要的装饰建筑材料被广泛应用到各个领域,而玻璃深加工的前道工序是玻璃切割,其中在玻璃切割过程中成本的高低主要是由：(1)整个加工过程的的自动化程度,因为这个直接影响加工效率(2)加工原材料的利用率是否浪费最少。这两个方面的成本占据了整个加工成本的百分之九十以上。通过优化排样可以减少工作流程、提高材料的利用率,从而降低生产成本。优化排样算法的研究不但有较高的理论意义,也有非常高的实用价值。优化排样算法不仅在玻璃切割领域可以发挥其效率,在皮革深加工、衣服制造方面可以充分发挥其巨大的作用,因为在这些领域原材料比较昂贵所以更加注重材料的最大化利用。本文对排样零件以及排样需求进行了分类研究,对于不同种类零件和不同需求的工程对应算法也不一样。完成了玻璃切割中二维不规则零件优化排样算法的研究,并且并通过计算机高级编程语言实现了这些算法,从而实现了玻璃切割的优化排样。其中本文的创新之处在于矩形件的排样采用的可排点搜索法和剩余空间搜索的办法,大大的提高了排样效率和材料的利用率。优化排样过程中其最重要的环节是零件顺序优化,在这个过程中本文使用的是遗传算法。遗传算法是对生物群体遗传进化过程的模拟抽象,对已编码的染色体之间通过交叉、变异,再通过适用度函数的计算,然后对产生的新的种群进行排序,重新选择同等规模的个体作为子代,然后再重复上一过程直到求解达到要求为止。在解决不规则多边形的过程中,最重要的步骤是如何检查重迭性。本文采用了临界多边形(NFP)算法来解决这一问题,所谓的NFP就是当一个图形在接触但不重迭的情况下围绕另一个图形做平移运动,其中选取运动图形上的一点为参考点,参考点所画的轨迹为临界多边形。其中NFP的求解是通过Minkowski Sum来计算的。
吕浈[5]2012年在《玻璃切割优化排样系统设计与实现》文中研究表明玻璃广泛应用于我们的生活当中,小到工艺饰品大到特种建筑。由于玻璃的不可或缺性,其市场潜力非常之大。提高玻璃切割过程的自动化程度和降低原料损耗率一直以来深受企业界关注。因为它关乎玻璃成品的成本,甚至是整个企业的生产过程的运作效率。玻璃优化排版的主要目的是通过计算机优化零件排版布局,加快排版速度,降低原料损耗率。矩形件优化排样问题是一个非确定型多项式算法(Nondeterministic Polynomial Complete, NPC)类问题。当排样零件数目很多时,不同零件的排样位置稍稍改变所形成的巨大组合数使得矩形零件优化排样问题很难在人们所能接受的时间内得到最优解。玻璃优化排样分为规则排样和不规则排样两种类型。而对于不规则排样情况,往往是先对不规则零件形成一个矩形包络,然后再对这个包络矩形进行优化排版。玻璃排样问题属于将矩形零件进行组合排样的情况,在理论上至今没有突破。玻璃优化排样一般选择启发式方法或者是启发式方法同元启发式方法结合的方式。启发式方法是根据一般经验或者对于某种问题的直观感受来构造的,它不要求得到的解是问题的最优解,而是在不超过人们可以等待的时间范围内,给出问题的近似最优解。启发式方法在排样布局时要确定该方法的零件初始顺序和零件摆放在玻璃板材上的位置规则。排样时,将待排零件按照事先规定好的排样布局规则结合算法特性在板材上进行排样。但元启发式方法具有很大的随机性,很难精确指定方法中各个参数值,而且不同问题需要指定不同的参数值以求得到更优解。针对上述问题,本文采用一种启发式方法：基于最低水平线的填充算法,对玻璃切割进行了优化排样设计,系统实现了板材信息管理功能、客户信息管理功能、排样图生成功能、作业汇总及排样结果打印与打印预览功能等。本文采用的基于最低水平线的填充算法简单易行,具有良好的可扩展性,其快速的运算能力,尤其适合在大规模排样环境中使用,能够大大节省运行时间,同时实现令人满意的排版结果。
汤岩[6]2005年在《遗传算法在装箱问题中的应用》文中认为物流系统中的配送调度问题一直是物流管理人员以及物流管理领域研究人员关心的热门问题,如何能够有效地利用运输工具的载运量是提高运输效率,降低物流成本的关键环节之一,学术界将这个问题归结为“一维装箱问题”,该问题的研究成果在现实中有着广泛的应用。本文从实际出发,展开一维装箱问题的研究,最后重点研究了二维装箱问题,二维装箱问题在切割问题(如木材和玻璃的切割),服装裁剪,装运问题,电路板设计问题,排版问题等方面有着重要的应用。 由于装箱问题的自身的复杂性决定了精确求解是很困难的,在很多情况下,精确求解也是不必要的,因此研究的重点一般在于如何尽快的找到一个满意解。 本论文首先阐述了组合优化问题和遗传算法的基本实现机理,然后针对一维装箱问题,提出一种BF算法和遗传算法相结合的混合遗传算法,并通过实际数据的运算说明了这种方法相对于采用罚函数的遗传算法和BFD算法的优越性。 根据一维装箱问题,论文进一步延伸到二维装箱问题,二维装箱问题有很多提法,论文主要研究了条形装箱问题,笔者尝试对现有的BL算法和Fall Free算法进行分析,并提出了Improved Fall Free算法,主要提出了区间合并和最小浪费面积优先的概念,并尝试把Improved Fall Free算法和遗传算法相结合,通过对实际数据的运算,阐述了Improved Fall Free算法相对于Fall Free算法的优越性,并试图给出了原因说明。 最后论文简单讨论了叁维装箱问题,它的最典型的运用就是集装箱的装箱问题,叁维装箱问题实现的主要难点是重心问题,针对此问题,北方交通大学的何大勇等人提出了关于重心的数学模型,这个模型论文还没有验证,这也是论文今后要研究的主要课题。 论文中所提出的几种主要算法均通过了实际数据的验证,希望在今后的实际工作能够将其运用实践,为企业带来效益。
刘刘[7]2012年在《玻璃切割软件图形编辑模块设计及优化切割路径研究》文中研究指明玻璃是一种重要的建筑和装饰材料,被广泛应用于楼房搭建、汽车生产、家具制造等各个领域,而玻璃切割是形成玻璃成品的一个重要工序。目前,国产的切割系统在精度、速度、可靠性方面与国外同类产品相比都还有一定的差距,因此国内玻璃切割厂家的切割设备大多依赖于进口。同时,随着以计算机技术为代表的信息技术的发展,计算机集成制造被逐渐应用于制造行业,企业的生产模式从生产过程的单一自动化到产品设计、加工制造、经营管理等全过程的综合自动化。参考国外切割系统的一些先进技术并遵循计算机集成制造中信息自动化的基本思想,本文以Visual C++为开发工具,开发了玻璃切割机床的控制系统软件。玻璃切割上位机软件是玻璃切割数控系统的重要组成部分,本文首先结合玻璃切割需求,对软件进行了总体设计,接着对图形编辑模块中所涉及的主要技术问题进行讨论,包括DXF图形文件的导入接口及标准图形库设计,详细介绍了如何提取DXF图形文件数据。然后根据玻璃切割机床加工的工艺要求,对优化排版后的图形数据信息进行相应的处理,最终生成玻璃切割机床的加工轨迹。对于玻璃切割轨迹优化首先提出了贪心算法即在加工过程中改变路径的加工顺序以及控制点顺序的优化算法,并对贪心算法在处理X或Y方向跨度较大的路径时进行了优化改进。其次提出了遗传算法,在处理多轮廓加工轨迹问题时把其看成一个旅行商问题,然后应用遗传算法对此类问题进行了优化,使得加工中空行程变短,提高加工效率。最后在了解玻璃切割机床的数控编程语言的格式与特点以及常用代码的基础上,提出了根据优化加工轨迹自动生成玻璃切割加工所需要的数控玻璃切割NC代码程序的方法及流程。
南飞哲[8]2016年在《玻璃切割机控制系统设计与速度控制方法研究》文中指出为弥补国内玻璃切割系统存在的短板,本文提出了一种玻璃切割机控制系统的设计方法。系统根据玻璃切割工艺的要求,采用了以计算机和GTS运动控制卡为核心,外接伺服控制系统和变频器等控制设备的结构,在整机一体化、运动控制、软件设计等方面都进行了一定的优化提升。GTS运动控制卡,具备直线和圆弧插补功能以及刀向跟随功能等成熟的运动控制算法,能满足玻璃切割运动控制的各项基本要求。依据玻璃切割机的机械结构,研究玻璃切割系统的控制对象,控制任务和控制要求。采用伺服驱动系统和先进的机械加工技术为系统精度提供保证。设计切割编辑软件和控制软件为系统的高效运行和实时监控提供保证。运用成熟的电气结构为系统的稳定性提供保证。本文对玻璃切割机的上位机软件做了总体设计,重点研究了玻璃产品图形数据的导入,异形玻璃切片轮廓的数学拆分,切割路径规划和路径文件生成等问题。针对玻璃切割加工常用将复杂轨迹离散成小线段和圆弧来加工的现状,在研究梯形和S型加减速模型的基础上,根据连续线段的几何特性,确定轮廓衔接点速度的约束条件,分析前瞻控制思想及实现原理,选择梯形加减速方式,在研究了前瞻控制引起的轨迹误差后,提出一种能自适应确定前瞻段数的速度前瞻控制方法,实现切割过程速度曲线的整体约束,提高了切割效率,改善了切割过程的连续性和平稳性。利用Visual C++6.0开发了系统的上位机软件。经调试运行后系统已应用到了实际的玻璃切割生产中。
高乐文[9]2010年在《基于遗传蚁群算法的优化下料方法的研究与实现》文中研究说明优化下料问题来源于生产实践,该问题广泛存在于汽车制造、制衣裁剪、金属切割、玻璃加工、家具制造等行业,是一个关于在产品设计和制造中如何节约原料、优化利用资源的问题。当今社会各种能源和材料资源十分短缺,提高材料利用率,降低成本,为企业提高经济效益,对各行各业均有重要实际意义。本文研究的优化下料问题主要是针对板式家具生产中在矩形原料板上进行大规模矩形件的排样问题。该类问题根据计算复杂性判断,属于NP完全问题,问题的计算复杂度随着问题规模的扩大呈现指数级别的增长趋势,至今仍没有找到一种精确求解NP完全问题的方法。但在实际生产中该问题又广泛的存在,亟待人们解决。近年来,智能优化算法理论的成熟和计算机技术的发展,为人们研究优化下料问题提供了坚实的理论和技术基础。本文在求解矩形件优化下料问题时,集合遗传算法和蚁群算法各自的优点,采用一种新的混合的算法,即遗传蚁群算法(GAAC)。该算法的基本思想是算法的前期采用遗传算法,充分利用遗传算法的随机性、快速性以及全局性收敛的特性,生成下料问题的初始解,并将该初始解转化为蚁群算法所需的初始信息素分布；算法后期应用蚁群算法,在存在一定初始信息素的情况下,充分利用蚁群算法的信息素正反馈机制和高效收敛的特性来寻找最优解。针对板式家具下料“一刀切”的工艺特点,.本文设计了一种用二叉树来存储优化解的方法,以及在遗传算法中采用“面向对象”编码方式,用组合矩形来表示二叉树的节点,从而大大减少了二叉树的层数,提高了二叉树的搜索效率。文章实验计算实例表明遗传算法与蚁群算法的融合十分有效,混合算法在求解性能上超过了遗传算法,运算时间效率上超过了蚁群算法。该算法应用到解决板式家具大规模矩形件优化下料问题中,获得良好的优化效果。本文应用GAAC算法还研制了板式家具大规模矩形件优化下料系统,该系统操作简单,实用性强,避免了家具企业下料过程中由于采用人工排样而带来的一些不便因素。实验结果表明,该系统用于解决大规模矩形件排样问题,节约原材料效果显着,减少成本消耗,可以为企业带来一定的经济效益。
李韵涵[10]2016年在《具有试题复杂性特征的人才测评系统的研究与实现》文中进行了进一步梳理进入21世纪,人才竞争成为衡量国家综合实力的重要标准,上至国家下至企业对人才测评越来越重视。人才测评理论的不断完善和信息技术的迅速发展,也使得各种人才测评系统不断涌现,这些系统大多运用于企业单位的人才测评或者教育测评,但是鲜有专门针对我国行政事业单位的人才测评系统。目前在我国,除了国家大型公务员考试,其它面向行政事业单位的人才测评则主要由各省市的人才测评机构进行组织,它们大多仍采用手工操作的方法,测评成本过高,测评效率较低,测评质量也难以保证。为了帮助这些人才测评机构为我国的行政事业单位提供更优质的人才测评服务,我们研究并实现了具有试题复杂性特征的人才测评系统。本文以某省的人才测评机构为具体用户,由于该用户负责的是除了国家考试以外的各行各业的行政事业单位的人才招聘考试,因此本文所研究的系统所使用的试题具有独特的复杂性特征,具体表现为试题所覆盖的领域知识广泛、题型多样、结构复杂、内容丰富等方面。本文围绕试题所具有的复杂性特征,结合人才测评机构的实际需求,重点探究了合理可行的试题管理方案,提出了基于改进的Simhash的试题相似性检测算法,设计了基于局部优化的遗传算法的智能组卷策略与灵活的手工组卷流程,实现了人才测评机构的测评工作流程的信息化管理。本文的主要贡献在于,一是针对试题的复杂性特征对试题内容采用半结构化的组织方式进行存储与管理,并基于考生成绩设计了试题难度与区分度的动态更新机制；二是通过对在短文本上表现不佳的Simhash算法就关键词过滤、权重赋值以及hash方法选取这叁个关键点进行改进,提出利用基于信息熵的关键词过滤方法得到试题题干的特征向量,并对特征向量权重置1,选用Cityhash方法对加权后的特征向量进行哈希的Simhash改进算法,该算法在中文试题相似性检测上可以获得较高的准确率和良好的召回率,并在此基础上提出EW1CS-SimDetec算法运用于人才测评系统；叁是所实现的系统涵盖了至少教育部规定的12大学科门类以及110个二级科目下的试题,并基于这些试题完成智能组卷和手工组卷功能。
参考文献：
[1]. 基于遗传算法的玻璃排版优化系统的设计与实现[D]. 金军. 四川大学. 2001
[2]. 基于蚁群算法的玻璃切割控制系统[D]. 于孜清. 四川大学. 2006
[3]. 粒子群优化算法在玻璃排版问题中的应用[D]. 徐辉. 四川大学. 2006
[4]. 玻璃排版优化系统的研发[D]. 李冬冬. 北方工业大学. 2010
[5]. 玻璃切割优化排样系统设计与实现[D]. 吕浈. 武汉理工大学. 2012
[6]. 遗传算法在装箱问题中的应用[D]. 汤岩. 大连海事大学. 2005
[7]. 玻璃切割软件图形编辑模块设计及优化切割路径研究[D]. 刘刘. 武汉理工大学. 2012
[8]. 玻璃切割机控制系统设计与速度控制方法研究[D]. 南飞哲. 宁夏大学. 2016
[9]. 基于遗传蚁群算法的优化下料方法的研究与实现[D]. 高乐文. 东北林业大学. 2010
[10]. 具有试题复杂性特征的人才测评系统的研究与实现[D]. 李韵涵. 华东师范大学. 2016