首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

“一刀切”约束下的矩形件优化排样算法比较与整合研究

摘要第1-5页
ABSTRACT第5-9页
第一章 绪论第9-17页
 §1-1 研究的背景及意义第9-10页
  1-1-1 研究的背景第9页
  1-1-2 研究的意义第9-10页
 §1-2 矩形件优化排样问题的研究现状第10-13页
  1-2-1 国外研究现状第10-11页
  1-2-2 国内研究现状第11-13页
  1-2-3 国内外研究现状分析第13页
 §1-3 研究内容及论文框架第13-15页
 §1-4 本论文的创新之处第15页
 §1-5 研究方法与技术路线第15-17页
  1-5-1 研究方法第15-16页
  1-5-2 技术路线第16-17页
第二章 矩形件优化排样的基础理论及排样算法研究第17-27页
 §2-1 矩形件优化排样问题概述第17-20页
  2-1-1 矩形件优化排样的定义第17页
  2-1-2 矩形件优化排样的工艺约束及板材情况第17-18页
  2-1-3 矩形件优化排样的数学模型第18-20页
 §2-2 启发式排样算法第20-24页
  2-2-1 BL 算法第20-21页
  2-2-2 BLF 算法第21页
  2-2-3 下台阶算法第21-22页
  2-2-4 最低水平线算法第22-23页
  2-2-5 基于最低水平线的搜索算法第23-24页
  2-2-6 最低轮廓线搜索算法第24页
 §2-3 改进的最低轮廓线搜索算法第24-27页
第三章 遗传算法及其在矩形件优化排样问题中的应用第27-39页
 §3-1 遗传算法第27-31页
  3-1-1 遗传算法简介第27页
  3-1-2 遗传算法的基本原理第27页
  3-1-3 遗传算法的基本步骤第27-30页
  3-1-4 遗传算法的特点第30-31页
 §3-2 遗传算法在矩形件优化排样问题中的应用第31-36页
  3-2-1 编码第31-32页
  3-2-2 解码第32页
  3-2-3 初始化种群第32-33页
  3-2-4 适应度函数第33页
  3-2-5 选择算子第33-34页
  3-2-6 交叉算子第34-35页
  3-2-7 变异算子第35页
  3-2-8 遗传算法求解矩形件优化排样问题的具体步骤第35-36页
 §3-3 算例分析第36-39页
第四章 蚁群算法及其在矩形件优化排样问题中的应用第39-51页
 §4-1 蚁群算法第39-42页
  4-1-1 蚁群算法简介第39页
  4-1-2 蚁群算法的原理第39-40页
  4-1-3 蚁群算法的基本流程第40-41页
  4-1-4 蚁群算法的特点第41-42页
 §4-2 蚁群算法在矩形件优化排样问题中的应用第42-47页
  4-2-1 与或树第42页
  4-2-2 矩形件优化排样的物理模型第42-43页
  4-2-3 矩形件优化排样的蚁群算法实现第43-45页
  4-2-4 矩形件优化排样的蚁群算法中各参数的选择第45-47页
 §4-3 算例分析第47-51页
  4-3-1 蚁群算法算例求解第47-49页
  4-3-2 遗传算法与蚁群算法求解结果比较分析第49-51页
第五章 遗传算法和蚁群算法的整合研究第51-62页
 §5-1 遗传算法和蚁群算法整合的可行性分析第51页
 §5-2 遗传算法和蚁群算法整合的基本原理第51-52页
 §5-3 遗传算法和蚁群算法最佳融合时机的确定第52-54页
 §5-4 混合算法的实现第54-56页
  5-4-1 混合算法的实现过程第54-56页
  5-4-2 混合算法流程图第56页
 §5-5 算例分析第56-62页
  5-5-1 混合算法算例求解第56-60页
  5-5-2 各算法求解结果比较分析第60-62页
第六章 结论与展望第62-64页
 §6-1 结论第62-63页
 §6-2 研究展望第63-64页
参考文献第64-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于SOPC的虚拟函数信号发生器的设计与实现
下一篇:基于QFD的手机产品顾客需求分析系统研究与设计