一、多规格—维型材优化下料(论文文献综述)
庞凯民,朱波,张宏硕,刘宁,张连富[1](2021)在《融合LSTM预测需求的线型材料多批次优化下料方法》文中研究说明针对小批量多批次生产模式下的线型材料优化下料问题,提出利用长短期记忆网络(LSTM)对后续批次的下料需求进行预测的方法。按照集中下料思想,将预测得到的多个批次下料需求整合成一个较大规模的优化下料问题进行求解,并通过补偿下料对预测误差产生的缺料进行补偿以满足实际下料需求。基于LSTM和经典的列生成法构建型材优化下料模型,根据收集到的下料需求历史数据对模型进行训练和测试。仿真实验结果表明,该模型对切割零件需求预测精度较高(平均决定系数R2达到0.93),相比批次下料方法和基于库存下料方法,原材料利用率分别提升了0.14%和0.03%,原材料成本分别减少了14 963.4元和14 332.4元,证明了模型的有效性。
万德福[2](2020)在《基于遗传蚁群算法对不定长一维线材切割优化》文中指出一维线材切割问题,是一个没有最优解的NP(Nondeterministic Polynomially,非确定性多项式)问题,只能通过得出的近似最优解进行切割,以达到降低工业生产成本的目的,因此研究这一问题在理论和实际上都具有一定的意义。所谓一维即不考虑材料的形状等因素,根据材料的长度,切割出所需的零件。而一维线材切割可分为定长原材料和不定长原材料的切割,本文主要是对不定长原材料的切割进行深入的研究,通过遗传算法和蚁群算法的融合来实现。用蚁群算法的反馈机制求出算法的最优解,但是在蚁群算法初期,初始条件(包括信息素,转移概率等)的设置,需要花费较多的时间尝试各种与最优解相差甚远的无关解;而遗传算法可以全局性的快速迭代,两者互补:先通过遗传算法筛选出优势解,转化为蚁群算法中信息素的初始积累,再用蚁群算法对遗传算法的优势解进行调整求最优解,也就是切割排样的近似最优解,这样就有效地避免蚁群算法对其他较差解大量尝试性的搜索。本文的主要工作如下:首先,介绍了遗传算法和蚁群算法的基本原理和流程,以及这两个算法在一维线材切割方面的研究。其次,本文使用遗传蚁群算法的融合对不定长一维线材的切割进行实验设计。在遗传算法中,确定目标函数和约束条件、使用符号编码、种群平均目标函数值为适应度函数、遗传算子(精英选择、均匀交叉、非一致性变异、增添和缺失变异);设定最大最小迭代次数和最小进化率来结束遗传算法;取出最优个体解码转化为蚁群信息素的积累,在蚁群算法中将原料和零件一起编号转化为类似于商旅问题,采用不同的策略选择零件和原料进行寻路,并且引入信息素的奖惩和自适应的信息素蒸发系数。最后,分别利用遗传算法、蚁群算法和遗传蚁群的融合算法进行三组对比实验。经过实验结果验证,融合算法对不定长一维线材切割的收敛速率要快于使用蚁群算法,在原材料利用率比使用遗传算法有所提高,此外还通过调整融合算法的实验参数寻得最优参数组合。
李雪伟,胡相捧,王跃功,李恒乾[3](2020)在《基于Python和Gurobi的液压支架管棒材优化切割程序设计》文中提出液压支架管棒材切割优化问题依据原材料情况分为3种类型:原材料长度相等;原材料长度不相等;原材料长度随机。针对类似液压支架行业普遍存在的原材料不定尺采购和存放的无序性现象而带来的第3种类型,同时考虑生产组织因素,以与实际情况高度吻合的情形为出发点,采用Python语言和Gurobi优化器开发了管棒材最优化切割程序,并以Excel表格形式存取数据,便于数据的管理。由实例可知:程序执行效率高,1 s内即可算出最优化结果;单根材料利用率达到99%以上,部分可达100%。
马乐乐[4](2016)在《框架梁钢筋施工下料优化分析研究》文中进行了进一步梳理钢筋施工下料关系到结构的安全性,对控制项目成本也有很大的影响。因此,现场的施工下料必须遵循正确的计算规则,严格按照设计、施工规范和质量安全等要求进行准确的下料计算,且在满足施工规范的前提下对超过定尺长度的钢筋提出合理的断料方案,按要求填写配料单,为了提高经济效益节约钢筋,在成品加工时应按照钢筋型号类别对钢筋加工优化组合,避免出现过多钢筋余料,造成资源浪费,对不可避免产生的钢筋余料也应进行充分利用,合理地利用有限的资源。文章首先对钢筋工程的发展现状做了介绍,分析得出从钢筋的配料、阶段控制、加工控制和现场管理四个管控核心环节来实现钢筋全过程的节约,并分析了国内外关于组合优化下料的研究现状。其次基于规范和平法规则等分析了钢筋下料的基本原理,根据钢筋不同的弯曲直径和弯曲角度对弯曲调整值、弯钩增加长度进行了汇总,便于查询。然后以框架梁为例,分析了各类钢筋的计算规则,并实例计算了KL9的下料长度,考虑新规范重新定义了混凝土保护层厚度,对箍筋统一采用按外皮计算下料长度。针对钢筋一维下料的组合优化问题,文章通过编制MATLAB程序算法使计算机自动生成所有的合理的下料方式,并且建立了改进的整数线性规划模型,利用基于分枝定界的算法对一维下料问题进行求解,与人工下料的方式比较,原材料利用率更高,取得了很好的效果。最后,借助于计算机辅助施工下料软件,对案例工程进行了钢筋模型的建立。利用软件定尺模数优化的原理,对超过定尺长度的钢筋选取合适的钢筋模数进行断料,且满足在连接区域的要求。对软件计算输出的钢筋配料单与手工计算进行了对比分析得出,软件下料效率更高,性能更稳定,但也面临一些问题需要进一步研究,如应该根据现行规范实时更新计算规则设置以满足需要,可以进一步根据优化原理对钢筋进行优化组合,提出合理的断料方案。
祝胜兰,饶运清[5](2014)在《一维下料问题的启发式方法》文中进行了进一步梳理针对单一规格的一维下料问题,提出一种新的随机启发式搜索算法,在求出所有可能切割方式的情况下,搜索出最优解,而且保证最后一根原材料余料长度最长,方便以后下料。对于多规格原材料情况的一维下料分解为多个单一原材料的一维下料问题来进行求解。计算表明,与启发式算法或者遗传算法相比较,随机启发式搜索算法结构简明,易于编程,计算速度快,节材效果优。
刘志宏[6](2013)在《合同组批系统中优化算法的研究》文中提出无缝钢管是一种非常重要的工业材料,广泛应用于石油、化工、锅炉、电站、船舶、机械制造、汽车、航空、航天、能源、地质、建筑及军工等各个领域。合同组批是无缝钢管生产过程的一个非常重要环节,好的合同组批方案可以提高原材料的利用率,为企业节约成本,因为研究可行的合同组批方案是非常有必要的。本文研究的合同组批问题又可以看做为两阶段钢管切割问题。它是属于一维切割的一种特殊情况,本文研究的钢管切割问题是基于两阶段的。在无缝钢管的热轧过程中,第一阶段原料管坯进入热区切割成为若干长度相等的中间长度,第二阶段中间长度进入冷区切割成为若干合同需求的钢管。合同种类包含定尺合同和非定尺合同,其中非定尺合同交货长度有交货长度区间来限制。传统的一维切割问题是将原始长度长条形材料直接切割或者加工成不同长度的成品材料的问题,它是属于一阶段切割问题,并且针对的仅仅是定尺合同。切割问题是一类组合问题和调度紧密结合的复杂问题。由于组合爆炸,这类问题往往描述成大规模的整数规划,是一个NP-hard问题。首先,本文通过分析一维切割问题的特点,并根据一维切割问题的数学模型提出了两阶段钢管切割问题的数学模型,该数学模型是以最小化投料量、废料量、剩余库存量、非定尺合同多余供货量为目标。其次,本文详细阐述一种已有的用于两阶段钢管切割的启发式算法,该算法包含五个阶段,通过具体实例对每个阶段进行分析。该启发式算法缺点在于废料量方面控制不够理想,并且使用了非标准管坯降低了生产效率。最后,在Gilmore和Gomory提出的经典列生成技术基础上,提出了改进型行列生成法。对改进型行列生成法进行实验仿真,使用Microsoft Visual C++编写了一个改进型行列生成法的生成器。通过改变实验各个参数来观察该算法的具体性能指标,结果显示改进型行列生成法在多目标规划中涉及到的各项平均性能指标都比已有的启发式算法要有较大的改进。
祝胜兰[7](2013)在《一维下料问题的优化算法研究》文中认为一维下料问题广泛的存在于制造、建筑等行业中,如何提高材料利用率,降低成本,是相关企业关注的焦点。一维下料优化问题是指条形原材料数量若干,需要切割成多种规格的零件,每种零件数量若干,如何使得原材料的利用率高,废料少的问题。一维下料问题是一个经典的组合优化问题,属于NP难问题。因此研究一维下料问题具有重要意义。本文根据原材料的类型将问题分为单一规格原材料一维下料问题和多规格原材料一维下料问题。针对原材料长度大于零件长度的情况,分别采用了不同的求解方法解决小规模下料和大规模下料问题。此外,本文还考虑了实际生产中存在的原材料长度小于零件长度的情况,并予以分析和计算。针对小规模一维下料问题利用启发式算法求解。首先计算出所有可行的切割方式,然后根据约束条件搜索出有效的切割方式,并保证最后一根原材料的余料长度最长,最后组合这些有效的切割方式即为问题的解。针对大规模一维下料问题运用遗传算法求解。设计基于定长的实数编码,对不符合约束条件的个体提出一种惩罚策略,保证最后所得解的可行性,取得了较好的结果。
王晓伟[8](2012)在《基于蜂群遗传算法的有生产能力限制的一维下料问题研究》文中提出一维下料问题是经典NP-Hard问题,是在原材料维数为一维的情况下,将其加工成长度不同的零件。对于小规模的一维下料问题,通常采用整数规划,动态规划等传统运筹学方法加以解决;而对于大规模一维下料问题,其复杂程度较高,需要使用启发式算法和智能算法进行求解。但是大部分关于一维下料问题的研究都是建立在实际生产情况稳定的基础上,而很少有文献考虑企业面临生产力不足的状况,这时企业如果按照既定的生产计划执行而不调整生产路线就会出现无法按时完成任务的情况,造成无法避免过多的损失或者出现盈利下降的问题。所以,本文针对这种具有生产能力限制的问题加以研究,将企业可能会在实际中碰到的限制因素考虑进问题的模型中,结果也表明了该模型具有一定的理论价值和实际意义文中首先简要概述了一维下料问题的背景和研究现状,给出了文章的整体结构框架;随后介绍了有生产能力的一维下料问题并建立了相应的数学模型;根据所给的模型设计了适合有生产能力限制的一维下料问题的蜂群遗传算法,最后给出了该算法的仿真结果。
芮继东,姚刚[9](2011)在《简洁高效的钢筋优化下料方法》文中指出本文依据日常生活中使用的筛子工作原理,首次提出了"智能筛"优化下料方法,使得复杂的优化数学理论问题变得直观易懂,且具有非常理想的鲁棒性。经与多个文献中使用的算例比较,优化效果十分显着。该方法应用于平法钢筋下料计算机辅助设计系统中,实现钢筋优化下料、加工、库存一体化计算机管理,在实际应用中取得了显着效果。
郑晓军,杨光辉,滕弘飞[10](2009)在《多规格一维下料问题基于满意度模拟退火算法》文中指出为了对较大规模的一维下料问题更有效地进行计算,根据坯料的长度和数量将多规格一维下料问题分类为普通下料和批量下料,分别进行求解.对于普通下料问题,将满意度原理引入模拟退火算法,给出了一种基于满意度的模拟退火算法(SDSA)进行求解;对于批量下料问题,由于各坯料的数量较多,采用该算法与序列启发方法相结合的混合算法(SHP&SDSA)进行求解,以进一步提高算法的搜索性能.对普通下料和批量下料的数值仿真结果表明,该算法可提高求解速度和质量,并可获得稳定的工程满意解.
二、多规格—维型材优化下料(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、多规格—维型材优化下料(论文提纲范文)
(1)融合LSTM预测需求的线型材料多批次优化下料方法(论文提纲范文)
0 引言 |
1 相关理论及方法 |
1.1 一维优化下料问题数学模型 |
1.2 列生成法 |
1.3 LSTM神经网络 |
2 多批次优化下料模型 |
3 仿真实验 |
3.1 实验数据集 |
3.2 实验结果与分析 |
3.2.1 零件需求预测性能实验 |
3.2.2 优化下料性能比较实验 |
4 结语 |
(2)基于遗传蚁群算法对不定长一维线材切割优化(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及分析 |
1.3 论文主要研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
第2章 遗传算法、蚁群算法的介绍 |
2.1 遗传算法 |
2.1.1 背景介绍 |
2.1.2 基本原理 |
2.1.3 主要步骤和流程图 |
2.2 蚁群算法 |
2.2.1 背景介绍 |
2.2.2 基本原理 |
2.2.3 主要步骤和流程图 |
2.2.4 蚁群算法的一些改进 |
2.3 本章小结 |
第3章 遗传算法、蚁群算法对一维线材的切割研究 |
3.1 遗传算法在一维线材切割的研究 |
3.1.1 问题的建模 |
3.1.2 编码 |
3.1.3 解码 |
3.1.4 适应度函数 |
3.1.5 遗传算子 |
3.1.6 与其他算法结合 |
3.2 蚁群算法在一维线材切割的研究 |
3.2.1 对定长原材料的切割 |
3.2.2 对不定长原材料的切割 |
3.3 本章小结 |
第4章 基于遗传蚁群算法对不定长一维线材切割的研究 |
4.1 问题的建模 |
4.2 算法设计 |
4.3 遗传算法部分的设计 |
4.4 遗传算法对信息素的转换 |
4.5 蚁群算法部分 |
4.6 遗传算法和蚁群算法的融合时机 |
4.7 参数的分析 |
4.8 复杂度分析 |
4.9 本章小结 |
第5章 实验与分析 |
5.1 实验准备 |
5.2 实验仿真和对比 |
5.2.1 遗传算法对不定长一维线材的切割实验 |
5.2.2 蚁群算法对不定长一维线材的切割实验 |
5.2.3 遗传蚁群算法对不定长一维线材的切割实验 |
5.2.4 三种切割实验的总结 |
5.3 参数的对实验的影响 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 展望 |
致谢 |
参考文献 |
(3)基于Python和Gurobi的液压支架管棒材优化切割程序设计(论文提纲范文)
0 引言 |
1 数学模型的建立 |
2 类:以余料最少为目标函数;以所用原材料数量最少为目标函数。本文采用第2种数学模型。 |
2 Excel+Python+Gurobi程序实现 |
3 计算实例 |
4 结语 |
(4)框架梁钢筋施工下料优化分析研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国外研究状况 |
1.3 国内研究状况 |
1.4 本文研究方法及内容 |
1.4.1 研究方法 |
1.4.2 研究内容 |
1.5 本章小结 |
第二章 钢筋施工下料基本原理 |
2.1 钢筋施工下料概述 |
2.1.1 钢筋施工下料与钢筋计量的区别 |
2.1.2 钢筋施工下料基本要求 |
2.1.3 钢筋施工下料的影响因素 |
2.1.4 钢筋施工下料计算的步骤 |
2.2 钢筋下料计算依据的现行相关规范介绍 |
2.2.1 《混凝土结构设计规范》GB50010-2010 |
2.2.2 《混凝土结构工程施工质量验收规范》GB50204-2015 |
2.2.3 11G101、12G901系列图集 |
2.3 钢筋施工下料基本原理 |
2.3.1 钢筋施工下料长度含义 |
2.3.2 钢筋下料长度的计算方法 |
2.3.3 钢筋的弯曲及弯曲调整值 |
2.3.4 钢筋弯曲调整值的计算 |
2.3.5 端部带弯钩长度计算 |
2.4 本章小结 |
第三章 框架梁平法制图下钢筋下料计算 |
3.1 框架梁钢筋下料计算概述 |
3.2 框架梁钢筋下料长度计算 |
3.2.1 框架梁纵筋下料计算 |
3.2.2 框架梁拉筋及吊筋计算 |
3.2.3 框架梁箍筋下料计算 |
3.3 框架梁钢筋下料实例计算 |
3.4 本章小结 |
第四章 框架梁钢筋下料优化算法研究 |
4.1 切割方案计算机自动生成 |
4.1.1 钢筋下料问题导入 |
4.1.2 算法的实例验证 |
4.2 钢筋下料的数学模型分析 |
4.3 钢筋下料问题的整数线性规划求解 |
4.3.1 整数线性规划 |
4.3.2 整数规划分枝定界法求解 |
4.4 MTLAB环境下求解整数规划问题 |
4.4.1 MTLAB优化工具箱介绍 |
4.4.2 一般整数规划问题的MATLAB求解 |
4.4.3 工程实例及对比分析 |
4.5 本章小结 |
第五章 计算机辅助施工软件在钢筋下料优化中的应用 |
5.1 计算机辅助施工软件应用概况 |
5.2 广联达钢筋翻样软件在钢筋下料中的应用 |
5.2.1 软件原理及作用 |
5.2.2 软件优化断料原理 |
5.2.3 案例工程的软件操作步骤 |
5.3 手工计算与软件计算的对比分析 |
5.3.1 两种方法计算效率对比 |
5.3.2 两种方法计算规则对比 |
5.4 软件在钢筋下料中有待于进一步研究的问题 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(5)一维下料问题的启发式方法(论文提纲范文)
0引言 |
1问题的数学模型 |
2求解方法 |
2. 1切割方式的求法 |
2. 2随机启发式搜索算法 |
3实例分析 |
3. 1单一原材料的情况 |
3. 2多规格原材料的情况 |
4结语 |
(6)合同组批系统中优化算法的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 合同组批问题研究的目的及意义 |
1.1.1 合同组批问题研究目的 |
1.1.2 合同组批问题特点及意义 |
1.2 合同组批问题国内外研究现状 |
1.3 两阶段钢管切割问题研究方法 |
1.4 论文结构 |
第2章 两阶段钢管切割 |
2.1 无缝钢管概述 |
2.2 无缝钢管热轧工序 |
2.3 两阶段钢管切割问题定义 |
2.3.1 两阶段钢管切割问题描述 |
2.3.2 两阶段钢管切割模式 |
2.3.3 两阶段钢管切割损耗 |
2.3.4 两阶段钢管切割问题基本假设 |
2.4 本章小结 |
第3章 两阶段钢管切割数学模型 |
3.1 引言 |
3.2 一维切割问题与两阶段钢管切割问题对比及数学模型分析 |
3.2.1 一维切割问题与两阶段钢管切割问题对比 |
3.2.2 经典一维切割数学模型 |
3.3 两阶段钢管切割问题数学模型建立 |
3.3.1 两阶段钢管切割问题描述 |
3.3.2 两阶段钢管切割问题数学模型 |
3.4 本章小结 |
第4章 两阶段钢管切割启发式算法 |
4.1 引言 |
4.2 两阶段钢管切割启发式算法 |
4.2.1 算法描述 |
4.2.2 组合组批阶段 |
4.2.3 带剩余长度组批阶段 |
4.2.4 无剩余长度组批阶段 |
4.2.5 定长带废料组批阶段 |
4.2.6 非标准管坯组批阶段 |
4.3 两阶段钢管切割启发式算法模拟仿真 |
4.4 本章小结 |
第5章 两阶段钢管切割改进型行列生成法 |
5.1 引言 |
5.2 非定尺合同的定尺化 |
5.3 两阶段钢管切割改进型行列生成法 |
5.3.1 模型的建立 |
5.3.2 对偶问题 |
5.3.3 改进型行列生成法 |
5.3.4 改进型行列生成法初始可行解 |
5.4 两阶段钢管切割改进型行列生成法实例 |
5.5 两阶段钢管切割改进型行列生成法实验仿真 |
5.6 算法性能对比 |
5.7 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 本文创新点 |
6.3 本课题下一步展望 |
参考文献 |
致谢 |
(7)一维下料问题的优化算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景介绍 |
1.2 一维下料问题的求解难点 |
1.3 国内外研究现状 |
1.4 求解一维下料问题的几种常见的方法 |
1.5 论文的主要工作和结构安排 |
2 一维下料问题的数学模型 |
2.1 单一规格原材料一维下料问题的数学模型 |
2.2 多规格原材料一维下料问题的数学模型 |
2.3 本章小结 |
3 一维下料问题的启发式算法 |
3.1 启发式算法 |
3.2 切割方式的计算方法 |
3.3 实例计算与分析 |
3.4 本章小结 |
4 一维下料问题的遗传算法 |
4.1 定长编码的遗传算法 |
4.2 实例计算与分析 |
4.3 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 1(攻读硕士学位期间发表论文目录) |
(8)基于蜂群遗传算法的有生产能力限制的一维下料问题研究(论文提纲范文)
摘要 |
ABSTRACT |
致谢 |
插图清单 |
表格清单 |
第一章 绪论 |
1.1 问题背景 |
1.2 一维下料问题国内外研究现状 |
1.3 论文内容及框架 |
1.3.1 论文内容安排 |
1.3.2 论文框架结构 |
第二章 有生产能力限制的一维下料问题描述及建模 |
2.1 一维下料问题基本模型 |
2.2 有生产能力限制的一维下料问题 |
2.3 数学模型 |
2.4 本章小结 |
第三章 改进蜂群遗传算法及其应用 |
3.1 一维下料问题基本求解方法和其存在的问题 |
3.2 蜂群遗传算法 |
3.2.1 基本遗传算法 |
3.2.2 蜂群遗传算法 |
3.3 改进的蜂群遗传算法及其应用 |
3.3.1 编码方式 |
3.3.2 适应度函数 |
3.3.3 遗传算子设计 |
3.3.4 蜂后寻优过程、自适应交叉率和变异率 |
3.3.5 算法思想 |
3.4 本章小结 |
第四章 仿真实验 |
4.1 一般下料问题的求解 |
4.2 有生产力约束的下料问题 |
第五章 结束语 |
5.1 工作总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文 |
(10)多规格一维下料问题基于满意度模拟退火算法(论文提纲范文)
0 引 言 |
1 问题描述 |
2 基于满意度的模拟退火算法 |
2.1 下料问题的满意度 |
2.2 普通下料和批量下料分类 |
2.3 普通下料算法 |
2.4 批量下料算法 |
3 算例验证 |
3.1 普通下料问题 |
3.2 批量下料问题 |
4 结 论 |
四、多规格—维型材优化下料(论文参考文献)
- [1]融合LSTM预测需求的线型材料多批次优化下料方法[J]. 庞凯民,朱波,张宏硕,刘宁,张连富. 软件导刊, 2021(12)
- [2]基于遗传蚁群算法对不定长一维线材切割优化[D]. 万德福. 南昌大学, 2020(01)
- [3]基于Python和Gurobi的液压支架管棒材优化切割程序设计[J]. 李雪伟,胡相捧,王跃功,李恒乾. 煤炭技术, 2020(03)
- [4]框架梁钢筋施工下料优化分析研究[D]. 马乐乐. 安徽建筑大学, 2016(04)
- [5]一维下料问题的启发式方法[J]. 祝胜兰,饶运清. 机械制造与自动化, 2014(01)
- [6]合同组批系统中优化算法的研究[D]. 刘志宏. 东北大学, 2013(03)
- [7]一维下料问题的优化算法研究[D]. 祝胜兰. 华中科技大学, 2013(06)
- [8]基于蜂群遗传算法的有生产能力限制的一维下料问题研究[D]. 王晓伟. 合肥工业大学, 2012(06)
- [9]简洁高效的钢筋优化下料方法[J]. 芮继东,姚刚. 土木建筑工程信息技术, 2011(03)
- [10]多规格一维下料问题基于满意度模拟退火算法[J]. 郑晓军,杨光辉,滕弘飞. 大连理工大学学报, 2009(06)