| 【中文题名】 | 一维下料及二维数据集匹配优化的研究 |
| 【英文题名】 | Research on One-Dimensional Cutting-stock and Two-Dimensional Data Sets Matching Optimization |
| 【学科专业】 | 机械设计及理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-7-7 |
| 【中关键词】 | 下料优化,遗传算法,网格设计,Hausdorff距离,线性搜索,多级序列线性优化 |
| 【英关键词】 | Cutting Stock Optimization,Genetic Algorithm,Grid Design,Hausdorff Distance,Linear Search,Multi-sequential Linear Optimization, |
| 【分类导航】 | 工业技术>一般工业技术>工程基础科学>工程数学>> |
| 【论文摘要】 | 最优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术，作为一个重要的科学分支一直受到人们的重视，并广泛应用于诸多工程领域，如系统控制、人工智能、模式识别、VLSI技术、计算机工程等等。优化理论和算法的研究是一项既有重要理论意义又有实际应用价值的重要课题。
本文主要研究了一维下料优化及二维数据集最佳匹配两大问题。
最大限度的节约材料，提高材料的利用率，是实际生产中的一个指导原则。一维下料优化是讨论从一种规格的材料中，分切出各种不同长度尺寸的坯料，以使材料的利用率最高。虽然，这是一个老课题，研究者已提出过各种算法，但是，效果还不十分满意。针对这类问题的特点，本文提出一种基于启发式多级序列线性优化思想的新算法。计算实践表明，此算法与目前常用的线性整数规划或遗传算法相比较，有算法简明，计算速度快，节材效果好的优点。
全文介绍了作者承担开发的网格钢窗CAD系统的设计，将整个系统分为人机界面、几何计算、结构设计、下料优化和打印输出等五个模块。其中的关键技术是棒材的下料优化，将基于启发式多级序列线性优化思想的新算法应用到下料优化模块中。实践表明，该算法大大简化了求解一维下料... |
| 【论文题纲】 |
|
1 绪论 |
9-19 |
|
1.1 研究背景和意义 |
9 |
|
1.2 优化问题及优化算法的分类 |
9-10 |
|
1.2.1 优化问题的分类 |
9-10 |
|
1.2.2 优化算法的分类 |
10 |
|
1.3 布局问题 |
10-16 |
|
1.3.1 一维布局问题 |
11-15 |
|
1.3.2 二、三维布局问题 |
15-16 |
|
1.4 形状匹配问题 |
16-18 |
|
1.4.1 形状表示 |
16 |
|
1.4.2 形状匹配方法 |
16-18 |
|
1.5 论文的主要工作及内容组织 |
18-19 |
|
2 遗传算法的基本理论 |
19-25 |
|
2.1 概述 |
19 |
|
2.2 基本原理 |
19-23 |
|
2.2.1 编码机制 |
20-21 |
|
2.2.2 群体设定 |
21-22 |
|
2.2.3 遗传操作 |
22-23 |
|
2.3 遗传算法的特点 |
23-24 |
|
2.4 本章小结 |
24-25 |
|
3 一维下料优化问题的求解 |
25-38 |
|
3.1 问题的定义 |
25 |
|
3.2 目前常用的优化求解方法及存在的问题 |
25-32 |
|
3.2.1 常规线性整数规划求解方法 |
25-30 |
|
3.2.2 基于遗传算法的求解方法 |
30-32 |
|
3.3 启发式多级序列线性优化计算方法 |
32-34 |
|
3.3.1 基本思想 |
32-33 |
|
3.3.2 当前最优下料方式计算模型 |
33 |
|
3.3.3 多级序列线性优化计算方法 |
33-34 |
|
3.4 新的算法与目前常用的优化算法的计算对比 |
34-37 |
|
3.4.1 新算法与常规线性整数规划方法的比较 |
34-36 |
|
3.4.2 新算法与基于遗传算法的求解方法的比较 |
36-37 |
|
3.5 本章小结 |
37-38 |
|
4 网格钢窗CAD系统的设计 |
38-45 |
|
4.1 引言 |
38 |
|
4.2 网格钢窗CAD参数化模型 |
38-39 |
|
4.2.1 常见网格拓扑结构 |
38 |
|
4.2.2 表征网格主要结构的特性参数 |
38-39 |
|
4.2.3 端间隔gw_0、gh_0的确定 |
39 |
|
4.2.4 网格棒材长度和数量计算 |
39 |
|
4.3 网格钢窗CAD系统的组成 |
39-40 |
|
4.4 网格钢窗设计过程和运行图例 |
40-44 |
|
4.5 本章小结 |
44-45 |
|
5 二维数据集的最佳匹配 |
45-57 |
|
5.1 引言 |
45 |
|
5.2 Hausdorff距离 |
45-48 |
|
5.2.1 Hausdorff距离的基本概念 |
45-47 |
|
5.2.2 部分Hausdorff距离 |
47 |
|
5.2.3 修正Hausdorff距离 |
47 |
|
5.2.4 Hausdorff距离做度量准则的优点 |
47-48 |
|
5.3 形状匹配优化模型 |
48-49 |
|
5.4 匹配参数的求解 |
49-52 |
|
5.4.1 遗传搜索 |
49-51 |
|
5.4.2 线性搜索 |
51-52 |
|
5.5 计算实例 |
52-56 |
|
5.6 本章小结 |
56-57 |
|
6 结论与展望 |
57-60 |
|
6.1 结论 |
57 |
|
6.2 展望 |
57-60 |
|
6.2.1 下料优化问题 |
57-59 |
|
6.2.2 匹配优化问题 |
59-60 |
|
参考文献 |
60-63 |
|
附录一: 作者在攻读硕士学位期间发表的论文及参与的科研项目 |
63-64 |
|
附录二: 启发式多级序列线性优化算法的计算实例 |
64-68 |
|
致谢 |
68-70 |
|
| 【DOI】 | LunWen.ID:2.2008.15779 |
