新書推薦：
《
新质生产力：发展新动能
》
售價：HK$
105.6
《
状态比能力更重要：108个状态调整法
》
售價：HK$
66.0
《
中国上市公司担保行为的影响因素及其效应研究
》
售價：HK$
43.2
《
企业级数据架构：核心要素、架构模型、数据管理与平台搭建 李杨
》
售價：HK$
118.8
《
政和元年：宋辽金夏的国运博弈与谍战风云
》
售價：HK$
81.6
《
黄金圈法则
》
售價：HK$
93.6
《
全球治理理论：权威、合法性与论争
》
售價：HK$
117.6
《
华尔街幽灵：一位股票投资大师的告白
》
售價：HK$
95.8
|
| 內容簡介： |
|
《智能优化排样技术及其应用》详细介绍了二维排样问题的多种智能求解算法及其软件系统的开发与应用。《智能优化排样技术及其应用》共8章：第1章为绪论，介绍有关优化排样问题的基本概念与分类，重点介绍二维排样问题的国内外研究概况及其发展趋势；第2～7章为《智能优化排样技术及其应用》主体，分别介绍五种矩形排样算法(即混合遗传算法、和声搜索算法、灰狼优化算法、布谷鸟搜索算法及布谷鸟迁移学习算法)和三种异形件智能排样算法(即遗传算法与禁忌搜索混合算法、集束搜索与禁忌搜索混合算法以及粒子群优化算法)；第8章介绍基于智能排样算法开发的三个软件系统及其在工业生产中的应用实例。
|
| 目錄：
|
目录
前言
第1章 绪论 1
1.1 引言 1
1.2 排样问题分类 2
1.2.1 按排样维度分类 2
1.2.2 按零件形状分类 4
1.3 矩形排样国内外研究概况 7
1.3.1 精确算法 7
1.3.2 启发式算法 8
1.3.3 元启发式算法 10
1.4 异形排样国内外研究概况 13
1.4.1 规则形状包络法 13
1.4.2 真实形状法 14
1.5 本书主要内容 18
参考文献 19
第2章 矩形排样问题的混合遗传算法 25
2.1 矩形排样问题的数学模型与求解框架 25
2.1.1 问题描述与数学模型 25
2.1.2 矩形排样问题的求解框架 32
2.2 矩形排样问题的HGASA算法 33
2.2.1 矩形件定位策略 33
2.2.2 矩形件排序的HGASA算法 35
2.2.3 HGASA算法求解矩形件套料 37
2.2.4 算例验证与分析 41
2.3 带工艺约束的矩形排样问题的混合遗传算法 45
2.3.1 改进的剩余矩形填充算法 45
2.3.2 基于遗传算法的混合算法 51
2.3.3 算例验证与分析 55
2.4 本章小结 57
参考文献 58
第3章 矩形排样问题的和声搜索算法 60
3.1 和声搜索算法简介 60
3.1.1 算法原理与算法参数 60
3.1.2 算法流程 61
3.2 基于和声搜索的一般矩形排样混合求解算法 64
3.2.1 基于剩余矩形匹配度的矩形件定位策略 64
3.2.2 基于和声搜索的矩形件定序优化方法 65
3.2.3 算例验证与分析 71
3.3 带工艺约束的批量矩形排样问题的和声搜索算法 78
3.3.1 矩形件组合填充放置策略 79
3.3.2 基于种类编码的批量矩形排样算法 81
3.3.3 算例验证与分析 83
3.4 本章小结 87
参考文献 87
第4章 矩形排样问题的灰狼优化算法 89
4.1 灰狼优化算法简介 89
4.1.1 狼群捕猎模型 89
4.1.2 灰狼优化算法原理 90
4.2 基于灰狼优化算法的矩形带排样优化算法 92
4.2.1 基于复合评价因子的水平线定位算法 93
4.2.2 十进制灰狼定序算法 96
4.2.3 算例验证与分析 100
4.3 基于改进灰狼优化算法的矩形排样优化算法 106
4.3.1 改进的水平线定位算法 106
4.3.2 改进的十进制灰狼定序算法 110
4.3.3 算例验证与分析 113
4.4 本章小结 125
参考文献 125
第5章 矩形排样问题的布谷鸟搜索算法 127
5.1 布谷鸟搜索算法简介 127
5.1.1 布谷鸟搜索算法原理 127
5.1.2 基本布谷鸟搜索算法 129
5.1.3 布谷鸟搜索算法的应用 131
5.2 基于值评价的水平线定位算法 132
5.2.1 水平线定位算法基本原理 132
5.2.2 基于值评价的水平线定位算法设计 134
5.3 矩形装箱排样问题的离散布谷鸟搜索算法 136
5.3.1 离散布谷鸟搜索算法基本规则 136
5.3.2 基于学习和邻域搜索算子的莱维飞行机制 138
5.3.3 基于扰动因子的巢寄生更新机制 141
5.3.4 离散布谷鸟搜索算法流程 142
5.4 算例验证与分析 143
5.4.1 实验数据说明 143
5.4.2 计算结果及分析 145
5.5 本章小结 150
参考文献 150
第6章 矩形排样问题的布谷鸟迁移学习算法 152
6.1 强化学习与迁移学习技术简介 152
6.1.1 Q-学习算法原理 152
6.1.2 迁移学习算法原理 153
6.1.3 布谷鸟迁移学习算法求解矩形带排样问题 154
6.2 布谷鸟迁移学习算法的基本原理 156
6.2.1 布谷鸟学习模式 157
6.2.2 布谷鸟迁移学习算法知识迁移方式 163
6.2.3 布谷鸟迁移学习算法总体流程及性能分析 164
6.3 布谷鸟迁移学习算法求解矩形带排样问题 165
6.4 算例验证与分析 168
6.4.1 离散布谷鸟搜索算法求解矩形带排样问题 169
6.4.2 布谷鸟迁移学习算法求解矩形带排样问题 171
6.5 本章小结 179
参考文献 180
第7章 异形件智能排样算法 181
7.1 异形排样问题概述 181
7.1.1 问题描述 181
7.1.2 求解方法 182
7.2 异形件几何表达与几何计算 183
7.2.1 异形件的几何表达方法 183
7.2.2 异形件基本几何变换与计算 185
7.2.3 图形判交计算 187
7.2.4 临界多边形 190
7.3 遗传算法与禁忌搜索混合的求解算法 192
7.3.1 基于左下角方法的零件定位策略 192
7.3.2 HGATS算法 194
7.3.3 HGATS算法求解异形排样 195
7.3.4 算例验证与分析 198
7.4 集束搜索与禁忌搜索混合的求解算法 201
7.4.1 改进的临界多边形生成器 201
7.4.2 零件摆放定位方法 204
7.4.3 BS/TS混合搜索算法 205
7.4.4 算例验证与分析 209
7.5 超边界约束排样问题的求解方法 212
7.5.1 超边界约束排样问题描述及求解策略 212
7.5.2 超边界约束下的零件定位算法 214
7.5.3 基于粒子群优化的多约束排样算法 223
7.5.4 算例验证与分析 229
7.6 本章小结 230
参考文献 230
第8章 智能排样软件开发与应用 233
8.1 排样软件开发与应用概况 233
8.2 SmartNest钢板切割下料软件开发与应用 234
8.2.1 软件系统功能 234
8.2.2 软件系统架构 236
8.2.3 智能套料与切割优化子系统 237
8.2.4 应用案例 239
8.3 SmartNest板式家具开料软件开发与应用 247
8.3.1 板式家具开料工艺与设备 247
8.3.2 SmartNest板式家具开料软件开发 247
8.3.3 应用案例 251
8.4 SmartNest激光切割套料编程软件开发与应用 256
8.4.1 激光切割原理与设备 256
8.4.2 SmartNest激光切割套料编程软件开发 257
8.4.3 应用案例 261
8.5 本章小结 265
附录1 MHS算法排样结果(共14张) 266
附录2 CMHS算法排样结果(共14张) 268
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
