| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 排样问题的研究背景及研究意义 | 第11-12页 |
| 1.2 排样问题的分类 | 第12-15页 |
| 1.2.1 一维排样问题 | 第13页 |
| 1.2.2 二维排样问题 | 第13-15页 |
| 1.2.3 三维排样问题 | 第15页 |
| 1.3 二维不规则件排样问题的研究难点 | 第15-16页 |
| 1.4 本文主要研究工作及章节组织 | 第16-20页 |
| 第二章 国内外研究现状 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 不规则零件的几何表示与碰撞检测 | 第20-30页 |
| 2.2.1 包络拟合法 | 第20-21页 |
| 2.2.2 点阵图表示法 | 第21-23页 |
| 2.2.3 几何图形表示法与临界多边形（NFP） | 第23-30页 |
| 2.2.3.1 滑动法（Sliding Algorithm） | 第24-26页 |
| 2.2.3.2 明可夫斯基和法（Minkowski Sums） | 第26-28页 |
| 2.2.3.3 多边形分解法（Decomposition） | 第28-29页 |
| 2.2.3.4 现有 NFP 生成算法总结 | 第29-30页 |
| 2.3 不规则零件的排样算法 | 第30-34页 |
| 2.3.1 启发式算法（Heuristic Algorithm） | 第31-33页 |
| 2.3.1.1 零件选择策略 | 第31页 |
| 2.3.1.2 零件排放策略 | 第31-33页 |
| 2.3.2 超启发式算法（Meta-Heuristic Algorithm） | 第33-34页 |
| 2.3.3 二维不规则件排样算法总结 | 第34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于可能碰撞区的 NFP 改进生成算法 | 第35-59页 |
| 3.1 引言 | 第35页 |
| 3.2 NFP-B 算法 | 第35-47页 |
| 3.2.1 常规的 NFP 求解 | 第36-43页 |
| 3.2.1.1 检测当前接触边对 | 第37-38页 |
| 3.2.1.2 建立可能滑动向量 | 第38-40页 |
| 3.2.1.3 确定下一步的可行滑动向量 | 第40-42页 |
| 3.2.1.4 确定最终滑动距离 | 第42-43页 |
| 3.2.1.5 使用滑动向量移动多边形 B | 第43页 |
| 3.2.2 基于“Start Point”的 NFP 求解 | 第43-45页 |
| 3.2.3 NFP-B 算法总结 | 第45-47页 |
| 3.3 基于可能碰撞区的时间优化方法 | 第47-56页 |
| 3.3.1 可能碰撞区 | 第47-49页 |
| 3.3.2 检测当前接触边对的时间优化 | 第49-50页 |
| 3.3.3 确定最终滑动距离的时间优化 | 第50-54页 |
| 3.3.4 改进后算法的运行时间分析 | 第54-56页 |
| 3.4 改进算法的测试与结果分析 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 GEF 启发式排样算法 | 第59-76页 |
| 4.1 引言 | 第59页 |
| 4.2 临界多边形在二维不规则件排样中的应用方法 | 第59-61页 |
| 4.3 基于重心 NFP 与边适应度的 GEF 排放策略 | 第61-68页 |
| 4.3.1 重心 NFP | 第61-64页 |
| 4.3.1.1 重心 NFP 的定义与求解意义 | 第62页 |
| 4.3.1.2 重心 NFP 的求解 | 第62-64页 |
| 4.3.2 边适应度 | 第64-66页 |
| 4.3.2.1 边适应度的定义与求解意义 | 第64-65页 |
| 4.3.2.2 边适应度的求解 | 第65-66页 |
| 4.3.3 GEF 排放策略 | 第66-68页 |
| 4.4 GEF 启发式排样算法 | 第68-73页 |
| 4.4.1 Weiler-Atherton 算法求解剩余原材料 | 第68-70页 |
| 4.4.2 原材料的初始处理 | 第70-71页 |
| 4.4.3 GEF 启发式排样算法 | 第71-73页 |
| 4.5 GEF 启发式排样算法的基准测试结果与分析 | 第73-75页 |
| 4.6 本章小结 | 第75-76页 |
| 第五章 GEF 混合智能排样算法 | 第76-92页 |
| 5.1 引言 | 第76页 |
| 5.2 遗传算法与禁忌搜索算法简介 | 第76-80页 |
| 5.2.1 遗传算法 | 第76-78页 |
| 5.2.2 禁忌搜索算法 | 第78-80页 |
| 5.3 GEF 混合智能排样算法的思想及实现 | 第80-88页 |
| 5.3.1 算法主要思想及步骤 | 第80-82页 |
| 5.3.2 算法实现策略 | 第82-88页 |
| 5.3.2.1 染色体编码与适应度函数 | 第82页 |
| 5.3.2.2 定向初始化策略与初始种群的建立 | 第82-84页 |
| 5.3.2.3 遗传算子 | 第84-86页 |
| 5.3.2.4 禁忌搜索组件 | 第86-87页 |
| 5.3.2.5 精英保留与算法终止条件 | 第87-88页 |
| 5.4 GEF 混合智能排样算法的基准测试结果与分析 | 第88-91页 |
| 5.5 本章小结 | 第91-92页 |
| 总结与展望 | 第92-95页 |
| 参考文献 | 第95-100页 |
| 附录1 | 第100-103页 |
| 附录2 | 第103-106页 |
| 攻读硕士学位期间取得的研究成果 | 第106-107页 |
| 致谢 | 第107-108页 |
| 附件 | 第108页 |
