结合批量问题的多目标矩形件优化排样

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 260-264.

结合批量问题的多目标矩形件优化排样

郑明月1，刘林1，2，阚方1，方昶1

1.合肥工业大学管理学院，合肥 230009
2.过程优化与智能决策教育部重点实验室，合肥 230009

出版日期:2014-11-15 发布日期:2014-11-13

Multi-objective rectangle packing problem combined with lot-sizing problem

ZHENG Mingyue1, LIU Lin1，2, KAN Fang1, FANG Chang1

1.School of Management, Hefei University of Technology, Hefei 230009, China
2.Key Laboratory of Process Optimization and Intelligent Decision-making, Ministry of Education, Hefei 230009, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 设计多目标启发式进化算法，研究了一种考虑批量问题的二维矩形件排样问题，建立了含有原材料成本最小化和零件库存成本最小化的多目标优化模型。先用启发式算法初始化下料方式，再用改进的快速非支配排序算法进行优化求解，确定下料方案。通过实验结果以及与其他算法的对比表明，在中等规模的矩形件排样问题中，该算法能够在较快的时间内既保证较高的原料利用率，又能降低该问题的总成本，证明了该算法的有效性。

关键词: 矩形件排样, 批量问题, 多目标优化, 启发式, 进化算法

Abstract: This paper studies the multi-objective rectangle packing problem combined with lot-sizing problem by multi-objective heuristic evolutionary algorithm. Establish a multi-objective optimization model containing the raw materials cost minimization and parts inventory cost minimization. Initialize the patterns by heuristic algorithm and then use improved fast non-dominated sorting algorithm getting the cutting program. Through the results and comparison with other algorithms, this algorithm can solve small rectangle packing problem with high utilization and low total cost in a fast time.

Key words: rectangle packing, lot-sizing, multi-objective optimization, heuristic, evolutionary algorithm

郑明月1，刘林1，2，阚方1，方昶1. 结合批量问题的多目标矩形件优化排样[J]. 计算机工程与应用, 2014, 50(22): 260-264.

ZHENG Mingyue1, LIU Lin1，2, KAN Fang1, FANG Chang1. Multi-objective rectangle packing problem combined with lot-sizing problem[J]. Computer Engineering and Applications, 2014, 50(22): 260-264.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[5]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[6]	任春慧，刘升，张伟康，张微微. 柯西变异的骆驼算法优化与应用[J]. 计算机工程与应用, 2021, 57(21): 87-94.
[7]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[8]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[9]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[10]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[11]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[12]	肖成龙，聂紫阳，王珊珊. 基于ParetoHeu和实例化失败统计的关联启发式方法[J]. 计算机工程与应用, 2020, 56(5): 57-64.
[13]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[14]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[15]	孟鑫，杨琴，郝婷婷，张洁，曹策俊. 不同订单分配和算法下的拣货路径优化组合[J]. 计算机工程与应用, 2020, 56(23): 229-236.