基于人工鱼群板材下料算法研究

《基于人工鱼群板材下料算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要二维板材下料问题是一个经典的组合优化问题，属于NP-hard问题。如何找到一种较好的下料算法，成为节约原材料，降低成本，从而提高企业的经济效益的重要问题之一。常用的求解二维下料问题的方法有图论方法、基于学习的方法、人工神经网络方法、启发式算法等。对于大规模的二维下料问题，许多研究人员尝试用遗传算法、粒子群优化算法来求解，取得了较为满意的结果。人工鱼群算法是近年来新提出的一种新型的智能随机优化算法。人工鱼个体根据周围环境进行行为选择来调整自身的状态，从而达到全局最优。该算法具有良好的鲁莽性、快速收敛的能力，并有对目标函数、初始值和参数设定要求不高等特点。本文针对如何把人工鱼

2、群算法应用到二维下料问题，描述了人工鱼群算法的基本原理、算法描述、算法流程。目前没有相关文献将人工鱼群算法用于解决板材下料问题。本文用人工鱼群算法来解决二维下料问题的主要研究工作有：(1)首次提出了人工鱼群算法应用于二维板材下料问题。(2)在把下料模式转化为实际设计时，采用了一种类似于BottomLeft(BL)算法的转换方法。(3)通过数值实验验证了采用人工鱼群算法解决二维板材下料问题是可行的，模拟实验取得了较好的寻优效果，并且人工鱼群算法解决二维板材下料算法的性能优于粒子群优化算法。关键词：下料问题；人工鱼群算法；群智能StudyonArtificialFishSwarm

3、AlgorithmforCuttingStockProblemAbstractThetwo—dimensionalcuttingstockproblemisaclassiccombinatorialoptimizationproblem．ItisaNP-hardproblem．Howtofindabettercuttingstockalgorithmisoneoftheimportantissuesforanenterprisetosaverawmaterials，reducecosts，andimprovetheeconomicefficiency．Thecommonmet

4、hodsusedtosolvetwo—dimensionalcuttingproblemaregraphtheory,learning—basedapproach，artificialneuralnetworkmethod，heuristicalgorithms．Manyexpertsappliedgeneticalgorithmandparticleswarmalgorithmtosolvelarge—scaletwo—dimensionalcuttingstockproblem，andachievedsatisfactoryresults．Artificialfishsw

5、armalgorithmisproposedinrecentyears．Itisanovelintelligentstochasticoptimizationalgorithm．Theindividualartificialfishselectsthebehavioraccordingtothesurroundingenvironmentandadjustsitssituationtoachievethe#obaloptimum．TheartificialfishswaiTnalgorithmhassomebetterfeaturessuchasrobustreckless，

6、fastconvergencecapability．Ithasnorestrainsontheobjectivefunction，theinitialvaluesandparameters．InthispapeLfromtheviewofapplyingtheartificialfishswarmalgorithmtothetwo-dimensionalcuttingstockproblem，itdescribesthebasicprinciple，thebehaviordescriptionandthealgorithmflow．Atpresent，thereisnotli

7、teratureapplyingtheartificialfishswarmalgorithmtosolvethetwo-dimensionalcuttingstockproblem．Themainresearchworksofthispaperareasfollows：(1)Proposedapplyingtheartificialfishswarmalgorithmtothetwo·dimensionalstockcuttingproblem．(2)Adoptedaconvertingapproac