亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于自適應(yīng)遺傳模擬退火算法的矩形件排樣

        2018-11-17 02:51:04夏以沖陳秋蓮宋仁坤

        夏以沖,陳秋蓮,宋仁坤

        廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院,南寧 530004

        1 引言

        矩形件排樣是指將一定種類和數(shù)量的矩形件排放在一個(gè)寬度固定、長(zhǎng)度不限的矩形板材中,以有效利用板材。矩形件排樣優(yōu)化在現(xiàn)代制造、加工行業(yè)中應(yīng)用非常廣泛,比如各類板材的下料、加工等,是制造業(yè)自動(dòng)化從設(shè)計(jì)到下料過程的關(guān)鍵環(huán)節(jié),是二維排樣問題中廣泛研究的一類排樣優(yōu)化問題。

        矩形件排樣問題的求解包括兩方面:矩形件的定序和定位。其中,定序確定待排樣矩形件的排入順序,定位確定矩形件在板材上的擺放位置。在實(shí)際應(yīng)用中,通常采用遺傳算法[1-3]、模擬退火算法[4]等作為定序算法,IBL算法[5]、最低水平線算法[6]等作為定位算法。蔣興波等[7]提出了一種基于環(huán)形交叉和變異算子的自適應(yīng)遺傳算法,通過IBL算法定位,能在較短時(shí)間得到滿意的解。Liu等[8]提出基于分階段遺傳算子的改進(jìn)遺傳算法,與最低水平線排放策略相結(jié)合,有效解決矩形件排樣問題。李明等[9]在遺傳算法中引入小生境技術(shù),通過排擠與淘汰機(jī)制維持種群的多樣性,采用高度調(diào)整法定位,取得較好的排樣效果。

        遺傳算法具有較強(qiáng)的全局搜索能力,但存在過早收斂,易陷入局部最優(yōu),適應(yīng)性較差等缺點(diǎn)。模擬退火算法具有較強(qiáng)的局部搜索能力,但是每一時(shí)刻僅保存一個(gè)解,缺乏歷史搜索信息,不能很好地把握搜索過程,收斂速度慢。本文將自適應(yīng)遺傳算法和模擬退火算法結(jié)合作為定序算法,以啟發(fā)式最低水平線擇優(yōu)排放策略進(jìn)行定位,求解矩形件優(yōu)化排樣問題。

        2 問題描述及數(shù)學(xué)模型

        矩形件排樣問題可以描述為:將n個(gè)矩形件{p1,p2,…,pn}排入到一個(gè)寬度為W,高度不限的板材中,在滿足約束條件的情況下,使得板材利用率最高。需要滿足的約束條件包括:(1)pi與 pj互不重疊,i≠j;(2)pi排入時(shí)不能超過板材邊界;(3)pi的邊必須與板材的邊平行,可以90°旋轉(zhuǎn)。

        矩形件pi(i=1,2,…,n)可以用五元組表示:pi=(xi,yi,wi,hi,θi)。其中,(xi,yi)表示其左下角坐標(biāo);(wi,hi)表示寬度和高度;θi表示旋轉(zhuǎn)角度,θi∈{0°,90°}。

        板材的利用率F定義為矩形件的面積之和與所用板材面積之比。矩形件優(yōu)化排樣問題的數(shù)學(xué)模型如下:

        其中,H為所用板材的高度。因此,矩形件優(yōu)化排樣問題可以描述為:尋求滿足約束條件的最佳排樣方案,使得板材的利用率F最大。

        3 算法設(shè)計(jì)

        3.1 算法流程

        本文以自適應(yīng)遺傳和模擬退火算法相結(jié)合作為矩形件的定序算法,以啟發(fā)式最低水平線擇優(yōu)算法作為定位算法。首先是遺傳算法,個(gè)體采用整數(shù)編碼,通過經(jīng)驗(yàn)選擇與隨機(jī)生成相結(jié)合的方式構(gòu)造初始種群。運(yùn)用啟發(fā)式最低水平線擇優(yōu)算法進(jìn)行解碼,計(jì)算個(gè)體的適應(yīng)值。然后采用精英選擇和輪盤賭相結(jié)合的策略進(jìn)行選擇,剩余個(gè)體進(jìn)行自適應(yīng)交叉和變異。最后對(duì)所有個(gè)體進(jìn)行模擬退火,并更新最優(yōu)個(gè)體。重復(fù)遺傳操作和模擬退火,直到迭代次數(shù)等于最大代數(shù)。迭代過程中產(chǎn)生的最優(yōu)個(gè)體所對(duì)應(yīng)的排樣方案為最終排樣方案。算法流程如圖1所示。

        3.2 算法描述

        3.2.1 編碼

        矩形件優(yōu)化排樣采用整數(shù)編碼,對(duì)n個(gè)矩形件{p1,p2,…,pn}分別用整數(shù)1,2,…,n進(jìn)行編號(hào),得到一個(gè)染色體編碼X={x1,x2,…,xn}。其中表示第i個(gè)排入板材的矩形件編號(hào)取正數(shù)時(shí),矩形件不旋轉(zhuǎn),即θi=0°;xi取負(fù)數(shù)時(shí),矩形件旋轉(zhuǎn),即θi=90°。

        圖1 基于自適應(yīng)遺傳模擬退火算法流程圖

        3.2.2 構(gòu)造初始種群

        采用經(jīng)驗(yàn)選擇與隨機(jī)生成相結(jié)合的策略構(gòu)造初始種群,將矩形件按面積降序排序,面積相等時(shí)根據(jù)長(zhǎng)邊長(zhǎng)度遞減排序,產(chǎn)生一個(gè)整數(shù)有序序列。對(duì)序列中的每個(gè)整數(shù)隨機(jī)添加正負(fù)號(hào),形成一個(gè)個(gè)體。重復(fù)N次隨機(jī)添加正負(fù)號(hào)過程,得到規(guī)模為N的初始種群。

        3.2.3 計(jì)算適應(yīng)值

        整數(shù)編碼的個(gè)體需解碼得到對(duì)應(yīng)排樣圖,計(jì)算板材利用率,求出適應(yīng)值。本文解碼算法采用啟發(fā)式最低水平線擇優(yōu)算法,在文獻(xiàn)[10]的最低水平線擇優(yōu)策略基礎(chǔ)上引入啟發(fā)式判斷,實(shí)現(xiàn)可用空洞區(qū)域填充,具體步驟如下:

        (1)初始化最高輪廓線集合,其僅包含板材的底部邊界。

        (2)排入矩形件 pi時(shí),在最高輪廓線集合中選取最低的一段水平線,若該段寬度可排,則 pi靠左排放,并更新最高輪廓線集合,否則,轉(zhuǎn)入步驟(3)。

        (3)搜索剩余矩形件序列,選取與最低水平線寬度相同的矩形件(如有數(shù)個(gè),選擇最高者),插入 pi所在位置再排入,并更新最高輪廓線集合。若當(dāng)前最低水平線無(wú)可排矩形件,則與相鄰最低的輪廓線合并,同時(shí)更新最高輪廓線集合,轉(zhuǎn)入步驟(2)。

        表1 初始參數(shù)設(shè)置

        (4)重復(fù)上述過程,直到所有矩形件排放完畢,得到個(gè)體的排樣圖。

        3.2.4 遺傳算子

        (1)選擇算子:采用精英保留和輪盤賭相結(jié)合的策略,將適應(yīng)值最高的父代種群個(gè)體直接保留至下一代,剩余的N-1個(gè)個(gè)體以輪盤賭方式進(jìn)行選擇。避免父代最優(yōu)個(gè)體丟失,同時(shí)保證適應(yīng)值高的個(gè)體有更多機(jī)會(huì)保留至下一代,提高全局的收斂性和計(jì)算效率。

        (2)交叉算子:采用環(huán)形交叉,交叉的基因可以環(huán)繞整個(gè)染色體兩端來(lái)進(jìn)行,而不僅僅集中在染色體中間部分,每個(gè)基因被選中的概率相等,有利于提高算法的全局搜索能力。

        經(jīng)典遺傳算法的交叉概率為0到1之間的某個(gè)固定值,無(wú)法靈活協(xié)調(diào)收斂速度與搜索能力[11]。本文采用自適應(yīng)交叉概率Pc,若個(gè)體適應(yīng)值低于種群平均適應(yīng)值,則選擇較大的交叉概率,增加產(chǎn)生新個(gè)體的可能,擴(kuò)大搜索范圍。若適應(yīng)值高于種群平均適應(yīng)值,則根據(jù)當(dāng)前個(gè)體適應(yīng)值動(dòng)態(tài)減小交叉概率,有利于優(yōu)秀個(gè)體保留至下一代。

        式中,F(xiàn)avg為當(dāng)前種群的平均適應(yīng)值;Fmax為最大適應(yīng)值;Facross為兩個(gè)交叉?zhèn)€體的較大適應(yīng)值;Pc1、Pc2為預(yù)先設(shè)定的0到1之間的固定值。交叉階段生成一個(gè)0到1之間的隨機(jī)數(shù)r,若r<Pc,則執(zhí)行環(huán)形交叉;否則不執(zhí)行。

        (3)變異算子:采用自適應(yīng)變異概率Pm的交換變異和旋轉(zhuǎn)變異相結(jié)合的策略,若個(gè)體適應(yīng)值低于種群的平均適應(yīng)值,則選擇較大的變異概率,提高算法的局部隨機(jī)搜索能力,有助于維持種群的多樣性。若適應(yīng)值高于種群平均適應(yīng)值,則自適應(yīng)減少變異概率,以免破壞優(yōu)秀個(gè)體。

        式中,F(xiàn)mutate為變異個(gè)體的適應(yīng)值;Pm1、Pm2為預(yù)先設(shè)定的0到1之間的固定值。變異階段生成一個(gè)0到1之間的隨機(jī)數(shù)r,若r<Pm,執(zhí)行變異操作;否則不執(zhí)行。執(zhí)行變異操作時(shí),生成一個(gè)0到1之間的隨機(jī)數(shù)k,若k<0.5,采用交換變異;否則采用旋轉(zhuǎn)變異。

        3.2.5 模擬退火

        遺傳算法容易陷入局部最優(yōu)解,本文將遺傳算法與模擬退火算法相結(jié)合,以增強(qiáng)算法的局部搜索能力。對(duì)遺傳操作后的所有個(gè)體以狀態(tài)產(chǎn)生函數(shù)生成新個(gè)體,按預(yù)定的接受概率替換舊個(gè)體,最終得到的N個(gè)個(gè)體構(gòu)成下一代種群。理論上只要初始溫度足夠高,退火過程足夠慢,算法就能收斂到全局最優(yōu)。

        (1)設(shè)置初始溫度:初始溫度T0應(yīng)足夠高,以滿足新個(gè)體接受概率為1的初始要求,即Tk=T0時(shí),有,需,顯然無(wú)法實(shí)現(xiàn)。實(shí)際應(yīng)用中,只需保證設(shè)置的T0使得新個(gè)體接受概率趨近于1即可。

        (2)狀態(tài)產(chǎn)生函數(shù):在個(gè)體Xi中隨機(jī)選擇兩個(gè)不同的基因位k、m,對(duì)k、m之間(包括k、m)的基因進(jìn)行逆序操作。假設(shè)Xi={4,-3,1,5,-2,6},k=2,m=5,則通過狀態(tài)產(chǎn)生函數(shù)生成新個(gè)體Xi'={4,-2,5,1,-3,6}。

        (3)新個(gè)體接受概率:計(jì)算新個(gè)體Xi'的適應(yīng)值F(Xi'),若新個(gè)體更優(yōu),即 F(Xi')≥F(Xi),則用 Xi'替換Xi;若F(Xi')<F(Xi),依照如下接受概率用Xi'替換Xi:

        (4)降溫函數(shù):采用等比降溫函數(shù)Tk+1=αTk,其中α為降溫系數(shù),且α∈(0,1)。α的取值與初始溫度T0有關(guān),若取值過大會(huì)導(dǎo)致收斂過慢,若取值過小會(huì)導(dǎo)致降溫過快而無(wú)法求得最優(yōu)解。因此在設(shè)定α的取值時(shí),需綜合考慮算法求解效果和收斂速度。

        4 實(shí)驗(yàn)分析

        取文獻(xiàn)[12]提供的一組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行對(duì)比測(cè)試。算例中包含20種不同尺寸的矩形件,共59個(gè),板材寬度為400。本文的自適應(yīng)遺傳模擬退火算法初始參數(shù)設(shè)置如表1所示。

        本文與文獻(xiàn)[12]和文獻(xiàn)[8]的優(yōu)化結(jié)果對(duì)比如表2所示。其中文獻(xiàn)[12]和文獻(xiàn)[8]分別采用結(jié)合最低水平線的經(jīng)典遺傳算法和基于分階段遺傳算子的改進(jìn)遺傳算法進(jìn)行排樣優(yōu)化。算法運(yùn)行50次,得到的平均利用率為表中的平均值,最高利用率為最佳值。本文平均值和最佳值均高于文獻(xiàn)[12]和文獻(xiàn)[8]。

        表2 算法的利用率對(duì)比 %

        圖2為本文算法進(jìn)化500代時(shí)的最佳排樣圖,其適應(yīng)值為95.21%,高度為336。

        圖2 算法進(jìn)化500代時(shí)的最佳排樣圖

        為進(jìn)一步驗(yàn)證本文算法求解問題的有效性,采用文獻(xiàn)[13]提供的21個(gè)算例,每個(gè)算例由一張已知規(guī)格(寬為W,高為Hopt)的板材分割為若干矩形件(無(wú)廢料)生成。依據(jù)板材規(guī)格將算例分為7組,分別用C1~C7表示,每組由3個(gè)不同算例組成,如表3所示。由分割方式可知板材高度Hopt為最優(yōu)排樣高度,算例要求將n個(gè)矩形件排入寬度為W高度不限的板材中,計(jì)算最小排樣高度H*。算例具體數(shù)據(jù)參閱文獻(xiàn)[13]。

        表3 算例數(shù)據(jù)

        定義最小排樣高度H*到最優(yōu)排樣高度Hopt的相對(duì)距離g=(H*-Hopt)/Hopt作為評(píng)價(jià)標(biāo)準(zhǔn),若g越小,表明計(jì)算得到的H*越接近Hopt,算法的優(yōu)化效果越好。本文對(duì)每個(gè)算例計(jì)算30次,取最好結(jié)果,每組算例的平均相對(duì)距離gaverage如表4所示,平均計(jì)算時(shí)間haverage如表5所示。

        由表4可知,本文算法的gaverage比文獻(xiàn)[13]算法1降低2.55%,比算法2降低1.98%,比文獻(xiàn)[14]降低1.95%,比文獻(xiàn)[15]降低1.05%,整體優(yōu)化效果最好。由表5可知,本文算法的haverage與文獻(xiàn)[13]和文獻(xiàn)[15]相比大幅降低,與文獻(xiàn)[14]相比雖然耗時(shí)增加,但相差不大。在求解中小規(guī)模矩形件排樣問題時(shí),本文算法能快速得到最優(yōu)解,求解大規(guī)模問題時(shí)能在合理時(shí)間內(nèi)得到較好的優(yōu)化結(jié)果。

        表4 每組算例的平均相對(duì)距離 %

        表5 每組算例的平均計(jì)算時(shí)間 s

        5 結(jié)束語(yǔ)

        本文運(yùn)用自適應(yīng)遺傳模擬退火算法求解矩形件排樣問題,通過精英選擇與輪盤賭相結(jié)合的策略對(duì)父代種群進(jìn)行選擇,自適應(yīng)調(diào)整交叉概率和變異概率,將具有較快全局搜索能力的遺傳算法和較強(qiáng)局部搜索能力的模擬退火算法相結(jié)合,提高算法收斂至全局最優(yōu)的速度。采用啟發(fā)式最低水平線擇優(yōu)算法布局矩形件,從而有效利用板材中的空洞。實(shí)驗(yàn)結(jié)果表明算法求解速度較快,可以有效提高板材利用率。

        高清偷自拍亚洲精品三区| 在线亚洲国产一区二区三区| 东京热加勒比视频一区| 台湾佬中文网站| 亚洲成色www久久网站夜月| 亚洲日韩区在线电影| 亚洲精品av一区二区日韩| 久久久久人妻精品一区二区三区| 一性一交一口添一摸视频| 国产片AV在线永久免费观看| 成人短篇在线视频夫妻刺激自拍| 免费国产在线视频自拍白浆| 中文字幕一区二区三区日日骚| 男女av一区二区三区| 中文字幕人妻无码一夲道| 91老司机精品视频| 青青草最新在线视频观看| 国产一品二品三品精品在线| 四虎国产精品免费久久| 福利视频一二区| 按摩少妇高潮在线一区| 亚洲午夜久久久久久久久电影网| 精品人妻系列无码人妻免费视频| 国产三级精品美女三级| 久久久亚洲av成人乱码| 日韩国产精品无码一区二区三区| 最新69国产成人精品视频免费| 亚洲精彩视频一区二区| 国产在线观看91一区二区三区| 久久露脸国产精品| 国产精品久久中文字幕第一页| 久久婷婷综合色一区二区| 成人无码av一区二区| 国产精品久久一区二区三区| 国产三级黄色在线观看| 国产一区二区中文字幕在线观看| 国产精品538一区二区在线| 大地资源网更新免费播放视频| 国产黄色一区二区福利| 日本真人添下面视频免费 | 成人精品一区二区三区中文字幕|