安徽高校省级科学研究项目(KJ2011B015)
- 作品数：3 被引量：5H指数：1
- 相关作者：梁利东钟相强更多>>
- 相关机构：安徽工程大学更多>>
- 发文基金：安徽高校省级科学研究项目安徽省自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术更多>>
- 基于免疫遗传算法的不规则件排样优化问题求解
- 2013年
- 基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显著提高。
- 梁利东钟相强
- 关键词：人工免疫系统遗传算法
- 基于矩形化动态匹配的船体零件排样算法研究被引量：1
- 2013年
- 基于启发式搜索策略,提出了一种改进的排样算法——剩余矩形的动态匹配法来求解不规则船体零件的矩形化排样,并通过自动正交碰靠实现零件的紧密靠接和定位。动态匹配包括对入排零件与未排放的剩余矩形区域进行宽度匹配计算和排样高度的调整,并以其匹配度最佳及最低排样高度作为排样布局的评估准则来实现排样过程中的实时动态寻优。该算法在一定程度上实现了排样中定位与定序的协同思路,实例证明其有效性。
- 梁利东钟相强
- 关键词：优化排样
- 船体零件智能优化排样系统的设计研究被引量：4
- 2012年
- 针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。
- 梁利东钟相强
- 关键词：粒子群算法排样优化系统设计
