首页--工业技术论文--一般工业技术论文--工程基础科学论文--工程数学论文--计算数学的应用论文

基于遗传算法与蚁群算法的矩形排料研究

摘要第1-5页
ABSTRACT第5-9页
1 绪论第9-13页
   ·排料问题的提出第9-10页
   ·排料问题研究现状第10-11页
   ·本文主要研究内容及创新点第11-12页
 本章小结第12-13页
2 矩形排料问题的数学模型建立及及各种算法第13-21页
   ·矩形排料问题数学模型的提出及建立第13-15页
     ·矩形件排样问题的描述第13页
     ·数学模型的建立第13-15页
   ·矩形排样的定序算法第15-17页
     ·贪心算法第15页
     ·BL 算法第15-16页
     ·下台阶算法第16页
     ·最低水平线算法第16-17页
   ·矩形件排样的启发式算法第17-19页
     ·模拟退火算法第17-18页
     ·粒子群优化算法第18页
     ·遗传算法第18-19页
     ·蚁群算法第19页
   ·矩形件排样算法的优缺点综合比较第19-20页
   ·矩形排样算法的影响因素和约束条件第20页
     ·几何因素第20页
     ·加工因素第20页
 本章小结第20-21页
3 遗传算法蚁群算法在排料问题中的具体应用第21-49页
   ·遗传算法第21-27页
     ·遗传算法生物学基础第21页
     ·遗传算法的发展第21-23页
     ·遗传算法最新动态第23-24页
     ·遗传算法的特点第24-25页
     ·遗传算法的应用第25-27页
   ·遗传算法的基本构成部分第27-29页
     ·编码第27页
     ·适应度函数第27-28页
     ·遗传操作第28页
     ·终止条件第28-29页
   ·遗传算法的基本流程第29-30页
   ·遗传算法在本文中的具体应用及相关改进第30-32页
     ·基因编码的改进第30页
     ·初始种群的产生改进第30-31页
     ·解码算法生成第31-32页
     ·适应度函数的选择第32页
   ·遗传操作第32-36页
     ·交叉算子生成及改进第32-34页
     ·变异算子第34-35页
     ·染色体的选择第35-36页
   ·蚁群算法第36-43页
     ·蚁群算法的生物学原理第36-38页
     ·蚁群算法数学模型第38-40页
     ·蚁群算法的基本流程第40页
     ·最大-最小蚂蚁系统第40-41页
     ·最优-最差蚂蚁系统第41-42页
     ·蚁群算法主要改进第42页
     ·蚁群算法的特点第42-43页
     ·蚁群算法的应用第43页
   ·遗传算法与蚁群算法的融合第43-48页
     ·遗传-蚁群算法系统流程图第44-46页
     ·前期预处理第46页
     ·遗传-蚁群算法的具体规则第46-47页
     ·遗传-蚁群算法的融合第47-48页
 本章小结第48-49页
4 矩形排样设计与实现第49-59页
   ·系统设计第49-53页
     ·系统主界面第50-51页
     ·板材编辑界面第51页
     ·零件编辑界面第51-52页
     ·排样参数输入界面第52页
     ·数据管理模块第52-53页
   ·数据库设计第53-55页
     ·零件表与零件信息表设计第53-54页
     ·板材表与板材信息表设计第54-55页
   ·实验结果第55-59页
     ·遗传算法与蚁群算法比较第55-56页
     ·遗传算法与遗传-蚁群算法比较第56-59页
总结与展望第59-61页
 总结第59-60页
 展望第60-61页
参考文献第61-64页
致谢第64-65页
攻读硕士期间发表的学术论文第65-66页

论文共66页,点击 下载论文
上一篇:一类通用运动控制器的设计与应用研究
下一篇:淀粉/聚乙烯复合生物包装材料的成型机理及实验研究