一种不规则零件排样的新粒子群优化策略

《一种不规则零件排样的新粒子群优化策略》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据642007，43(19)ComputerEn∥neenngandApplications计算机工程与应用一种不规则零件排样的新粒子群优化策略黄建江，须文波，董洪伟HUANGJian-jiang，XUWen-bo，DONGHong-wei江南大学信息工程学院，江苏无锡214122InstituteofInformationTechnology，SouthernYangtzeUniversity，Wuxi，Jiangsu214122，ChinaE—mail：hzj一245@yahoo．com．cnHUANGJian-jiang，XUW

2、en-bo，DONGHong-wei．NewParticleSwarmOptimizationstrategyfornestingofirregularparts．ComputerEngineeringandAppfications，2007，43(19)：64—67．Abstract：TheParticleSwarmOptimization(PSO)withMaximalVelocityContractileStrategy(MVCS)isappliedtothenestingofirregularpartsbasedontheHeuri

3、sticBottom-Left(HBL)algorithmusinggraphicscanconversionmethod．TheparticlesofMVCS—PSOaleconstructed，andthenestingprocessesofMVCS-PSOandSimulatedAnnealingGeneticAlgorithms(SAGA)aregiven．MVCS—PSOhastheexcellentcharacteristicaboutthenon-lineardynamicsearch，whichisprovedbycompa

4、ringthenewcom—binedoptimizationmethodtoSAGA．ExperimentMresultsshowthatMVCS-PSOisakindofefficientoptimizationalgorithmfornestingproblem．Keywords：MaximalVelocityContractileStrategy(MVCS)；ParticleSwarmOptimization(PSO)；nestingofirregularparts；SimulatedAnnealingGeneticAlgorith

5、m(SAGA)；HeuristicBottom-Left(HBL)algorithm摘要：基于图形扫描转换的启发式底左(HeuristicBouom—Left，HBL)算法，把一种最大速度收缩策略(MaximalVelocityContrac—tileStrategy，MVCS)的粒子群优化(ParticleSwarmOptimization，PSO)算法应用于不规则零件的优化排样，给出了新的排样组合优化算法(MVCS—PSO)的粒子构造方法和零件排样过程，通过实例把该算法与模拟退火遗传算法(SimulatedAnnealingGeneti

6、cA1一gorithms，SAGA)进行优化排样比较，实验结果表明，具有良好的非线性和动态搜索性能的MVCS—PS0算法是求解排样问题的一种高效算法。关键词：最大速度收缩策略；粒子群优化；不规则零件排样；模拟退火遗传算法；启发式底左算法文章编号：1002—8331(2007)19—0064—04文献标识码：A中图分类号：TF391．721引言二维不规则零件的排样优化属于NP难解问题，也是复杂的非线性约束优化问题，各种优化算法的共同目标是为了寻找高效的排样方案，以提高原材料的利用率，降低产业成本。目前，常用的优化方法有遗传算法(Genetic

7、Algorithm，GA)t1-31和模拟退火算法(SimulatedAnnealingAlgorithm，SA)t41，但是GA的局部搜索能力较差，SA难以跳出较深的局部最优解，人们把它们结合而成的模拟退火遗传算法(SAGA)是解决NP难解问题的有效方法，并且已经成功应用于排样领域瓯61。但是SAGA的时间复杂度随着排样问题规模的扩大而提高，时间复杂度的降低是个瓶颈问题。粒子群优化(PSO)算法tTl不仅简单快速，而且可以避免陷入局部最优，对于多重最优解问题可以提供良好的解决方案。在经典PSO算法基础上，本文提出了最大速度线性收缩策略(M

8、VCS)，使得该策略的PSO算法(MVCS—PSO)在进化初期具有较强的全局搜索能力，在后期具有较强的局部收敛能力。本文给出了排样问题的粒子构造方法，还设计了MVCS—PSO和S