导读:本文包含了矩形件布局论文开题报告文献综述及选题提纲参考文献，主要关键词:线性规划,矩阵变化,矩形件下料
矩形件布局论文文献综述
肖海华[1]（2017）在《矩形件下料问题的创新线性规划布局方法研究与应用》一文中研究指出产品的紧凑型布局是实现降低制造成本、提高材料利用率的有效途径,针对多规格大规模的二维矩形件下料存在求解难、计算量大等问题,如何快速获得合理科学的布局方式,提高材料的利用率,一直是学者们和企业追求的目标。在布局过程中需结合数学方法进行规划,而高效的数学方法对布局结果的好坏和快慢有着关键性的影响,故探求一种精确度高、计算量低的数学迭代方法来处理多规格大规模矩形件的下料问题是非常有必要的。本学位论文综合考虑计算时间和材料利用率两方面因素,旨在寻求一种高效的数学方法,获得排样过程中信息数据(如排样材料的数量),为得到高效合理的布局方式提供一个有效的指导。文章在充分研究二维矩形件下料问题排样过程和目标基础上,分析对比布局过程中常用的动态规划法、背包问题算法和列生成的线性规划法在二维矩形下料问题中存在优缺点,研究分析基于列生成的数学方法对二维矩形排样方式的生成的重要性,研究分析传统列生成的线性规划法的寻优过程存在迭代次数多,且需求解逆矩阵等问题,提出一种矩阵变化列生成的线性规划法,可提高计算速度、减少了迭代次数,充实矩形件下料问题优化的理论与方法。研究分析二维矩形件下料问题中线性规划模型,创新提出矩阵变化列生成方法,建立线性规划的迭代模型,并根据该模型求解计算的结果,获取排样的信息数据,研究制定相对应的布局策略和具体的排样步骤。重点研究该模型在考虑布局约束情况下,对下料布局问题的线性规划模型进行求解的过程,通过以未知向量的形式参与布局矩阵的变化,推导发现布局矩阵变化过程中未知向量(列生成)的变化规律,为简化矩阵变化计算的繁琐过程,提出采用矩阵来记录未知向量中元素之间线性关系,再结合MATLAB中单纯形法函数来进行求解优化,可避免繁琐的逆矩阵的求解,减少迭代次数,降低计算时间。以MATLAB为程序编写工具,实现矩阵变化列生成算法的求解过程,并用随机实例和相关文献案例进行计算与对比,其中与文献[31]中案例对比结果显示:本文算法的计算迭代次数是4次,而文献方法的迭代次数是10次,最后,根据求解优化的结果制定较好的排样策略,可有效指导矩形件的排样,从而验证算法的可行性与有效性。(本文来源于《广西大学》期刊2017-06-01）
潘卫平,陈秋莲,崔耀东,陈怡丹[2]（2015）在《基于匀质条带的矩形件最优叁块布局算法》一文中研究指出为解决大规模矩形件布局问题,提出一种动态规划算法生成基于匀质条带的矩形件最优叁块布局方式。这种算法将板材分为叁个块,同一块中只包含方向和长度均相同的匀质条带。通过求解背包模型生成块中的条带最优布局,隐枚举的讨论所有可能尺寸的块,确定所有叁块组合的布局价值,选择布局价值最大的一个组合作为最优解。通过文献中的测题,将该算法与经典两段布局算法和启发式布局算法TABU500进行比较。实验结果表明:该算法在计算时间和材料利用率两方面都有效,且生成的布局方式简化了下料切割工艺。(本文来源于《图学学报》期刊2015年01期）
李捷[3]（2008）在《一种矩形件布局问题的求解方法》一文中研究指出布局问题来源于生产实际,在提高板材利用率以节约原材料,降低成本,提高经济效益,对各行业均有重要意义。针对遗传算法在矩形件布局问题中的实际特点,并分析了矩形件布局给定排放顺序的排放算法,并提出了一种新的排放算法——最低水平线旋转搜索法,并将这种算法和遗传算法结合应用于矩形件布局问题的求解。计算实例表明这种新的排放算法可以和遗传蚁群算法有效的结合。(本文来源于《科技广场》期刊2008年01期）
李捷[4]（2007）在《基于遗传算法与蚂蚁算法的矩形件布局问题的研究与应用》一文中研究指出布局问题来源于生产实际,广泛存在于汽车制造、造船、制衣、玻璃加工、家具制造等行业。在当今各种能源材料短缺的情况下,提高板材利用率以节约原材料,降低成本,提高经济效益,对各行业均有重要意义。布局问题涉及计算几何、计算机图形学、运筹学、逻辑推理等多学科知识,属于具有最高计算复杂性的优化计算问题,即NP完全问题。理论上至今仍没有突破。由于生产实际的需要,人们又迫切需要利用现代科技得到一些能满足生产规模较大的排料需要的求解方法。这些方法能够以较快的速度给出一个较好的解,虽然不是最优解,但接近最优解,并且比人工排样效率高,能达到或超过人们所期望的材料利用率。怎样选择若干个合适的矩形件进行优化组合,合理确定它们的相对位置和方向,会在很大程度上影响到布局的最终效果,同时这也是矩形件优化组合的难点所在。许多学者提出了很多的方法:遗传算法、启发式算法、模拟退火算法等优化算法。本文在求解布局问题时,首先,取蚂蚁算法和遗传算法的各自长处,采用一套混合的遗传蚂蚁算法;并对相应算法的改进,使新生成的混合算法搜索速度加快、优化程度提高,基本思想是:算法前过程采用遗传算法,充分利用遗传算法的快速性、随机性、全局收敛性,生成布局问题初始解,并将其转化为蚁群算法的初始信息素分布;然后利用蚁群算法正反馈、高效收敛、的优势寻求最优解。然后,针对遗传算法和蚁群算法在矩形件布局问题中的实际特点,并分析了矩形件布局给定排放顺序的排放算法,并提出了一种新的排放算法——最低水平线旋转搜索法,并将这种算法和遗传算法以及遗传蚁群算法结合应用于矩形件布局问题的求解。计算实例表明这种新的排放算法可以和遗传蚁群算法有效的结合。进一步的研究工作是:如何更好的将遗传算法和蚂蚁算法的融合并应用于矩形件布局问题,以及在求解布局优化问题时,如何更好的控制蚁群算法的各项参数。(本文来源于《南昌大学》期刊2007-12-24）
邵燕[5]（2006）在《矩形件排样的布局优化的研究与软件实现》一文中研究指出矩形件排样问题在很多工业领域都有广泛的应用,解决好矩形件排样的布局优化问题,可以提高材料的利用率,节约生产成本,提高效益,从而使企业提高效率,增强竞争力。 本文针对矩形件排样的布局优化问题,分析了该课题的国内外的研究动态,总结了国内外学者在研究该课题方面所使用的方法,比较了各种方法的优缺点,在仔细研究思考后,采用了遗传算法来实现本文的矩形件排样的布局优化问题。 矩形件排样问题从数学上讲属于组合优化问题,而且是NP-完全问题,由于其计算的复杂性,至今还没有找到解决该问题的有效的多项式时间算法,目前解决该问题的有效方法有启发式方法和随机方法两种。遗传算法是处于启发式方法和随机方法之间的一种方法。采用遗传算法解决矩形件排样问题,在寻优过程中不需要求目标函数和约束函数的梯度,而是通过交叉和变异等方法对解进行优胜劣汰的操作,来达到寻优的目的。虽然遗传算法能较好的解决矩形件排样的寻优问题,但是对于大规模的矩形件排样问题,由于在编码时染色体链很长,所以后面的交叉、变异操作的实现也有一定的难度,致使其寻优过程不容易实现。本文基于遗传算法的原理和方法,探索了矩形件排样的布局优化问题的求解过程,经过研究分析后,在初始化和解码两个方面作了改进,并且针对具体的不同的实例进行了测试,由测试结果证明了改进的有效性和改进后的算法的可行性。 本文采用C++Builder软件,基于矩形件排样的布局优化问题的遗传算法求解方法,开发了矩形件排样优化软件系统,该系统实现了所需要完成的功能。(本文来源于《沈阳工业大学》期刊2006-03-01）
矩形件布局论文开题报告
（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：
为解决大规模矩形件布局问题,提出一种动态规划算法生成基于匀质条带的矩形件最优叁块布局方式。这种算法将板材分为叁个块,同一块中只包含方向和长度均相同的匀质条带。通过求解背包模型生成块中的条带最优布局,隐枚举的讨论所有可能尺寸的块,确定所有叁块组合的布局价值,选择布局价值最大的一个组合作为最优解。通过文献中的测题,将该算法与经典两段布局算法和启发式布局算法TABU500进行比较。实验结果表明:该算法在计算时间和材料利用率两方面都有效,且生成的布局方式简化了下料切割工艺。
（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。
矩形件布局论文参考文献
[1].肖海华.矩形件下料问题的创新线性规划布局方法研究与应用[D].广西大学.2017
[2].潘卫平,陈秋莲,崔耀东,陈怡丹.基于匀质条带的矩形件最优叁块布局算法[J].图学学报.2015
[3].李捷.一种矩形件布局问题的求解方法[J].科技广场.2008
[4].李捷.基于遗传算法与蚂蚁算法的矩形件布局问题的研究与应用[D].南昌大学.2007
[5].邵燕.矩形件排样的布局优化的研究与软件实现[D].沈阳工业大学.2006