【技术实现步骤摘要】
本专利技术属于整数非线性规划领域,具体涉及。
技术介绍
在现代工业生产中,包括钢铁、建材、纸卷、薄膜等行业,都存在着如何排单下料问题,其中一维下料问题是生产中面临的最普遍的问题。所谓一维下料问题,是指原材料和所需材料维数都为一维时,在已知的订单要求和原料数据下如何优化切割下料,使得原材料尽量得到充分利用,成本尽量得到节约的规划问题。下料排单问题属于NP问题,通常认为没有一种方法能一定找到NP问题的最优解。一般来说求解该问题有两种方法:一种是基于求解整数非线性规划的方法,另一种是启发式算法。在现有的解决一维下料问题的方法中,诸如以列生成法为代表的线性规划方法,存在以下几个问题:(I)生成的解一般不是整数解,须进行取整优化,但取整优化后又易导致下料产生的坯料数超过原需求;(2)生成的解所含排样方式数较多,使得实际生产中需多次调整切割机器;(3)当订单中需求的坯料种类较多时,算法的计算时间剧增,难以适应实际需要。而启发式算法如顺序启发式算法、遗传算法、蚁群算法等智能算法通过动态地设立相应规则或价值评价公式,这些规则或价值评价公式意味着最终解的目的和方向,可以引导算法动态的向这些目的和方向靠近,从而找到针对该问题的近最优解。查询关键词“下料方法”,发现如下专利申请:申请号为200810227039.1的中国专利申请“一种节省原材料的一维下料方法”;申请号为201110139183.1的中国专利申请“智能筛钢筋优化下料方法”。以上专利申请均是用来解决一维下料的实际问题。申请号为201110139183.1的中国专利申请“智能筛钢筋优化下料方法”,在获取钢筋下料组合 ...
【技术保护点】
一种基于分层随机搜索算法的启发式一维下料方法,其特征在于,所述方法包括以下步骤:A、将一维下料问题以参数化模型表示:原材料的长度为L,下料任务中共有m种不同长度规格的坯料,长度分别为l1,l2……lm,所对应的需求数分别为d1,d2……dm;下料问题的解为由多种排样方式可重复地组合成的排样方案,其中排样方式为用各种规格坯料组合成总长度小于原材料长度L的一种下料方式,每种排样方式的余料长度为原材料长度L减去该排样方式中坯料组合长度后的差值;设排样方案中共有n种排样方式,每一种排样方式的重复使用次数分别为x1,x2……xn,第i种排样方式中每个坯料的数量分别为ai1,ai2……aim,其中i表示第i种排样方式;设Z为下料将要使用的原材料总根数,以消耗原材料总根数最少为目标函数,则一维下料问题的目标和约束关系分别为:MinZ=Σi=1nxiStΣi=1naij·xi=dj,j=1,2......mΣj=1maij·lj≤L,i=1,2......n其中,xi和aij均为整数且xi>0,aij≥0;B、坯料组合预 ...
【技术特征摘要】
1.一种基于分层随机搜索算法的启发式一维下料方法,其特征在于,所述方法包括以下步骤: A、将一维下料问题以参数化模型表示: 原材料的长度为L,下料任务中共有m种不同长度规格的坯料,长度分别为I1, I2……Im,所对应的需求数分别为屯,d2……dm ;下料问题的解为由多种排样方式可重复地组合成的排样方案,其中排样方式为用各种规格坯料组合成总长度小于原材料长度L的一种下料方式,每种排样方式的余料长度为原材料长度L减去该排样方式中坯料组合长度后的差值;设排样方案中共有η种排样方式,每一种排样方式的重复使用次数分别为Xl,X2……χη,第i种排样方式中每个坯料的数量分别为an,ai2……aim,其中i表示第i种排样方式;设Z为下料将要使用的原材料总根数,以消耗原材料总根数最少为目标函数,则一维下料问题的目标和约束关系分别为:2.如权利要求1所述的一种基于分层随机搜索算法的启发式一维下料方法,其特征在于,步骤B中所述的坯料组合预处理按照以下方式进行: 先将m种坯料按长度从小到大排列,各坯料对应长度分别为C1, C2……Cm ; 然后在m种坯料中可重复地进行选择和组合,把个数为I到N的坯料集合为一个深度组合,所述深度组合一共有M个,且M的值为: M = m1+!!!2+...+mN, 最后,将M个组合按各组合内坯料的长度和从小到大排好序。3.如权利要求1所述的一种基于分层随机搜索算法的启发式一维下料方法,其特征在于,步骤C中所述的分层随机搜索算法包括两个层次的搜索,第一层为轮盘赌随机搜索,第二层为深度搜索;在第一层搜索过程...
【专利技术属性】
技术研发人员:卢伟康,邹细勇,王国建,孟灿,金尚忠,
申请(专利权)人:中国计量学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。