摘要：利用传统遗传算法的基本思想,针对GTSP问题,提出了一种改进的自适应遗传算法。通过个体编码方法,将GTSP转化为多段图最短路径问题,采用动态规划算法求解;根据多段图最优子结构性质设计了个体适应度评价函数,加快了算法的运行速度。实验测试的结果表明,新算法比传统的遗传算法具有更快的收敛速度和更优的解质量。

摘要：针对数控加工中平面多轮廓样片的空行程路径优化问题,文中提出了一种基于改进变邻域搜索(Modified Variable Neighborhood Search,MVNS)的元启发式方法。首先,将空行程路径优化问题转化为一类广义旅行商问题(Generalized Traveling Salesman Problem,GTSP)。其次,针对GTSP中的顺序序列问题,对传统的变邻域搜索中的局部搜索和抖动阶段进行了改进。在局部搜索中,设计了基于2-opt和插入算子的邻域结构,同时采用了一种增量计算方法,提高了求解质量和搜索效率;在抖动阶段中,结合遗传算法设计了分块和重组等算子,避免了过早地陷入局部最优。然后,利用禁忌搜索混合动态规划(Tabu Search with Dynamic Programming,TS-DP)算法排除重复的裁剪序列,并确定入刀点位置。最后,通过应用实例和对比实验,从求解精度和运行时间角度检验所提算法的有效性。对于服装样片的测试,所提算法相比服装CAD的精度值提升了51%以上,平均运行时间为9.3s;对于TSP的测试,所提算法在多数算例上达到或超过对比算法的精度值;对于GTSP的测试,虽然所提算法在少数算例上达到或超过对比算法的精度值,但是平均误差与对比算法的差距不超过1%,并且平均运行时间比对比算法缩短了73.7%。实验结果表明了该算法能同时兼顾求解精度和运行时间,具有一定的应用价值。

摘要：为了减少激光切割过程中的空行路程和切割时间,提出了基于广义旅行商模型和双向蚁群算法的激光切割工艺路径优化方法。建立了切割轮廓和特征点的概念,基于切割轮廓和特征点建立了优化切割路径的广义旅行商模型。提出了双向蚁群算法,在传统蚁群算法中加入了新的引导信息,针对激光切割路径的特殊性,对正向和反向搜索蚁群的引导信息进行了不同的设计;为了防止出现"打刀"问题,规定了备选城市集合的确定规则。在排样完毕的板材上进行验证,与传统蚁群算法规划的切割路径相比,双向蚁群算法规划的切割路径的空行路程减少了16.44%、切割时间减少了3.18%,证明了双向蚁群算法的有效性和优越性。

摘要：切割工艺路径规划是影响钣金激光切割效率的关键问题之一,钣金件的激光切割工艺路径优化问题可以转化为带有约束条件的广义旅行商问题(GTSP)。为了保证钣金激光切割质量、提高切割效率,在进行切割路径规划时必须满足顺着切、不跨区域切割、走空程时尽量不经过已切割区域等工艺要求。建立了以上述工艺要求为约束、以空行程最短为目标的优化模型。在算法设计与实现上,首先通过建立零件信息的预处理机制进行工艺约束处理,然后运用蚁群算法进行模型求解,最后通过实际算例证明了该方法的有效性,即能够在满足工艺约束的前提下获得较优的切割路径。