基于人工神经网络板式家具下料理论的研究
摘要
本文以神经网络理论为基础，针对林产工业中板式家具生产过程的关键部分-如何组织最优化的下料方式来达到节省原材料，提高生产效益的问题，构建其数学模型，并运用遗传算法对神经网络进行权值优化训练，从而加速了神经网络的权值优化速度，克服了网络易陷入局部极值的困扰，实现了运用神经网络解决二维下料的一类问题。
本文针对板式家具提出了下料优化算法，并对算法进行了软件设计，从用户界面到排料的效果图都体现了以人为本的重要思想。该研究可以使板式家具企业降低生产成本，缩短排料时间，从而提高企业竞争力。
该算法的研究为相关下料行业，如：机械、建筑、钢铁、船舶、车辆、玻璃、造纸、皮革等制造业，提供了解决思路。
This project focus on the problem about how to optimize the usage of board material in the furniture industry. This paper first introduced the Genetic Algorithms and Artificial Neural Networks, which have been widely used in optimization of allocating. Then presented a method which using the genetic algorithms to optimize the weights of artificial neural networks, last applied the new method to optimize board allocating of furniture of production and present a test. The experiment result proofed that the method by using the GA for optimizing the weighs of the ANN can raise the utilizing rate of board and can shorten the time of the design. At the same time, this method can simultaneously search in many directions, thus greatly increasing the probability of finding a global optimum.
本文针对板式家具提出了下料优化算法，并对算法进行了软件设计，从用户界面到排料的效果图都体现了以人为本的重要思想。该研究可以使板式家具企业降低生产成本，缩短排料时间，从而提高企业竞争力。
该算法的研究为相关下料行业，如：机械、建筑、钢铁、船舶、车辆、玻璃、造纸、皮革等制造业，提供了解决思路。
This project focus on the problem about how to optimize the usage of board material in the furniture industry. This paper first introduced the Genetic Algorithms and Artificial Neural Networks, which have been widely used in optimization of allocating. Then presented a method which using the genetic algorithms to optimize the weights of artificial neural networks, last applied the new method to optimize board allocating of furniture of production and present a test. The experiment result proofed that the method by using the GA for optimizing the weighs of the ANN can raise the utilizing rate of board and can shorten the time of the design. At the same time, this method can simultaneously search in many directions, thus greatly increasing the probability of finding a global optimum.
引文
[1]邢文训、谢金星．现代优化计算方法．第1版，北京：清华大学出版社，1999．
[2]武广号、文毅，乐美峰．遗传算法及其应用．应用力学学报。1996，13(2)．
[3]文栓、韩祯祥．基于遗传算法及模拟通步算法的电力系统故障．中国由机工程学报．1994，14(3)：29-35．
[4]罗映红．遗传算法求解组合优化问题研究．甘肃科学学报1997，6(2)．
[5]曹炬、胡修彪 大规模矩形件优化排样的遗传算法 锻压机械1999(4)：16-21．
[6]徐彦欣、彭艾二维矩形板材排料的产生式规则方法机械设计．1997(6)．
[7]龚坚、刘飞、徐宗俊．定长条材优化下料的实用算法研究．重庆大学学报(自然科学版)．1997，20(1)．
[8]李伯虎、柴旭东．信息时代的仿真软件．系统仿真学报．1999，11(5)．
[9]文贵华、丁月华．基于动态分割与合—的排样算法．计算机工程1999，25(12)．
[10]周秋珍、张浩、严隽薇、贺飞鸣．基于面向对象的技术的构件化模型的仿真和分析评价．组合机床与自动化加工技术．1999，12．
[11]陶永兰、魏神玉、王龙山、张惠新．最优化技术在板材工艺中的应用．汽车工艺与材料1997，3．
[12][美]Deborah Kuratm Visual Basic 6面向对象程序设计。第1版．北京：人民邮电出版社1997．
[13]刘宝碇、赵瑞清．随机规划与模糊规划．第1版．北京：清华大学出版杜1998：17-25．
[14]靳蓍、范俊波、潭永东．神经网络与神经计算机原理应用．成都：西南交通大学出版社1991，78～1312．
[15]杨杰 计算机仿真、系统仿真的新技术探讨——(2)：遗传算法1996，13(2)．(USED)．
[16]陈跟社、文传源遗传算法及其在系统仿真中的应用．系统工程与电子技术．1995．
[17]杨杰 系统仿真的新技术探讨——(1)：遗传算法．计算机仿真．1996(12)．
[18]赵小惠、王莉．改进的遗传算法及其仿真．西北纺织工业学院学报．1998(9)：204-208．
[19]陈明．遗传算法在矩形件优化排样中的应用．软件学报1998(11)：876-879．
[20]城向伟、张宏志、王殿选．一种新型的二维优化排料方法．东北电力学报．1995(15)：83-87．
[21]叶家成、彭宏．基于浮点数编码的求解连续函数优化问题的遗传算法．吉首大学学报(自然科学版)．1987，18(1)．
[22]叶家成、彭宏解全局优化问题的遗传算法的一些新进展．吉首大学学报(自然科学版)．1987，18(1)．
[23]陈明．软件学报．基于进化遗传算法的优化计算．1998，9(11)．
[24]苟先太、金炜东．有约束优化中遗传算法的应用．西南交通大学学报．1997，32(4)．
[25]胡宁、赵东标等．遗传算法与模拟退火算法混合策略模湖控制的研究．江苏理工大学学报，1998，19(1)：55—59
[26]潘中良、陈光禹，基于遗传进化的优化方法及其在测试中的应用．电子测量与仪器学报，1998，12(1)：12—17
[27]谭祖旭、张洪钺、陈一虹．变焦遗传算法及其并行实现研究．自动化学报，1997，23(4)：797—801
[28]唐立新、杨自厚、王梦光．聚类分析中非0、1编码的遗传算法．应用数学与计算数学学报，1998，12(1)：22-28
[29]刘曙光、郑崇勋、刘明远．前馈神经网络的反向传播算法及其改进．进展与展望．计算机科学，1996，23(1)：76-79
[30]董聪、刘西拉．广义BP算法及网络容错性和泛化能力的研究．控制与决策，1998，13(2)：120—124
[31]胡建军、黄安贻、张仲甫．BP网络的权值诱导与层次训练算法．计算机科学，1998，25(1)：60—63
[32]张铃，张拔．神经网络中BP算法的分析．模式识别与人工智能，1994，7(2)：191—195
[33]Karl E Viegers．软件需求．第1版．北京：机械工业出版社2000．
[34]王克峰、乃云等．非线性蒸汽动力系统参数优化新方法——改进遗传算法．化学工程，1998，26(4)：42-55
[35]王雪梅、义和．模拟退火算法与遗传算法的结合．计算机学报，1997，20(4)：381—384
[36]W. M.Jenkins, Towards Structural Optimization Via the Genetic Algorithms, Computer & struture, Vol 40, No 5 (USED).
[37]D. E.Goldberg Genetic Algorithms in Search, Optimization and Machine Learning Addison-Wesley (1989) (USED).
[38]Yanasee H H. Two-dimensional Cutting Stock with Multiple Sizes. J. Opt. 1990. 42(8), 673～683.
[39]Chauuy F. A Two-phrase Heuristic for the Two-dimensional Cutting Stock Poroblem. J. J. Opt. Res. Soc. 1991, 42(1):39～47.
[40]Krishna Kumar K. Genetic Algorithms in Control System optimization. Journal of Guidance,Control, and Dynamics, 1992 (5/6):735-740.
[41]Christopher T Vote Genetic Algorithms for control Systems Design and Analysis AAS-94-005. Advances in the Astronautical Sciences, Guidance and control, 1994:427-446.
[42]Michalewicz, Z., JanikoW, C., and Krawczyk, J., A Modified Genetic Algorithm for optimal Control Problems, Computers & Mathematics with Applications, Vol. 23, No. 12, pp. 83-94, 1992
[43]Montana, D.J., and Davis, L, Training Feed forward Neural Networks Using Genetic Algorithms, Proceedings of the 1989 International Joint Conference on Artificial Intelligence, organ Kaufmann Publishers, San Mateo, CA, 1989
[44]Powell, D. and Skolnick, M. M, Using Genetic Algorithms in Engineering Design Optimization with Non—linear Constraints, in[129], pp. 424-430
[45]Rawlins, G., Foundations of Genetic Algorithms, First Workshop on the Foundations of Genetic algorithms and Classifier Systems, MoTgan Kaufmann Publisher, Sann Mateo, CA—1991
[46]Reynold, R.G., An Introduction to Cultural Algorithms, in[378], pp. 131～139
[47]Schaffer, J. e.,Whitley, D., and[103], L. J., Combinations of Genetic Algorithms And Neural Network: A Survey of the State of the Art.Proceedings of the International Workshop on Combinations of Genetic Algorithms and Neural Networks, Baltimore, MD, June 6, 1992, pp. 1～37
[48]Schrandolph, N. and Belew, R, Dynamic Parameter Encoding for Genetic Algorithms, Machine Learning, Vol..9, No. 1, pp. 9～21, 1992
[49]Syswerda, G., Uniform Crossover in Genetic Algorithms, in[334], pp. 2～9
[50]Whitley, D., GENTTORⅡ: A Distributed Genetic Algorithm, Proceedings of the Rocky Mountain Conference on Artificial Intelligence, Denver, 1998
[51]Whitley, D, GENITOR Ⅱ: A Distributed Genetic Algorithm, Journal of Experimental and Theoretical Artificial Intelligence, Vol. 2, pp. 189～214
[52]Whitley, D., Genetic algorithms: A Tutorial, in[63]
[53]Yao,X,A.Review of Evolutionary Artificial Neural Networks, Technical Report, CSIRO, Highett, Victoria, Anstralia
[54]J. h.Holland, Adaptation in National and Artificial systems University if Michigao Press, Ann Arbor, MI, 1975
[2]武广号、文毅，乐美峰．遗传算法及其应用．应用力学学报。1996，13(2)．
[3]文栓、韩祯祥．基于遗传算法及模拟通步算法的电力系统故障．中国由机工程学报．1994，14(3)：29-35．
[4]罗映红．遗传算法求解组合优化问题研究．甘肃科学学报1997，6(2)．
[5]曹炬、胡修彪 大规模矩形件优化排样的遗传算法 锻压机械1999(4)：16-21．
[6]徐彦欣、彭艾二维矩形板材排料的产生式规则方法机械设计．1997(6)．
[7]龚坚、刘飞、徐宗俊．定长条材优化下料的实用算法研究．重庆大学学报(自然科学版)．1997，20(1)．
[8]李伯虎、柴旭东．信息时代的仿真软件．系统仿真学报．1999，11(5)．
[9]文贵华、丁月华．基于动态分割与合—的排样算法．计算机工程1999，25(12)．
[10]周秋珍、张浩、严隽薇、贺飞鸣．基于面向对象的技术的构件化模型的仿真和分析评价．组合机床与自动化加工技术．1999，12．
[11]陶永兰、魏神玉、王龙山、张惠新．最优化技术在板材工艺中的应用．汽车工艺与材料1997，3．
[12][美]Deborah Kuratm Visual Basic 6面向对象程序设计。第1版．北京：人民邮电出版社1997．
[13]刘宝碇、赵瑞清．随机规划与模糊规划．第1版．北京：清华大学出版杜1998：17-25．
[14]靳蓍、范俊波、潭永东．神经网络与神经计算机原理应用．成都：西南交通大学出版社1991，78～1312．
[15]杨杰 计算机仿真、系统仿真的新技术探讨——(2)：遗传算法1996，13(2)．(USED)．
[16]陈跟社、文传源遗传算法及其在系统仿真中的应用．系统工程与电子技术．1995．
[17]杨杰 系统仿真的新技术探讨——(1)：遗传算法．计算机仿真．1996(12)．
[18]赵小惠、王莉．改进的遗传算法及其仿真．西北纺织工业学院学报．1998(9)：204-208．
[19]陈明．遗传算法在矩形件优化排样中的应用．软件学报1998(11)：876-879．
[20]城向伟、张宏志、王殿选．一种新型的二维优化排料方法．东北电力学报．1995(15)：83-87．
[21]叶家成、彭宏．基于浮点数编码的求解连续函数优化问题的遗传算法．吉首大学学报(自然科学版)．1987，18(1)．
[22]叶家成、彭宏解全局优化问题的遗传算法的一些新进展．吉首大学学报(自然科学版)．1987，18(1)．
[23]陈明．软件学报．基于进化遗传算法的优化计算．1998，9(11)．
[24]苟先太、金炜东．有约束优化中遗传算法的应用．西南交通大学学报．1997，32(4)．
[25]胡宁、赵东标等．遗传算法与模拟退火算法混合策略模湖控制的研究．江苏理工大学学报，1998，19(1)：55—59
[26]潘中良、陈光禹，基于遗传进化的优化方法及其在测试中的应用．电子测量与仪器学报，1998，12(1)：12—17
[27]谭祖旭、张洪钺、陈一虹．变焦遗传算法及其并行实现研究．自动化学报，1997，23(4)：797—801
[28]唐立新、杨自厚、王梦光．聚类分析中非0、1编码的遗传算法．应用数学与计算数学学报，1998，12(1)：22-28
[29]刘曙光、郑崇勋、刘明远．前馈神经网络的反向传播算法及其改进．进展与展望．计算机科学，1996，23(1)：76-79
[30]董聪、刘西拉．广义BP算法及网络容错性和泛化能力的研究．控制与决策，1998，13(2)：120—124
[31]胡建军、黄安贻、张仲甫．BP网络的权值诱导与层次训练算法．计算机科学，1998，25(1)：60—63
[32]张铃，张拔．神经网络中BP算法的分析．模式识别与人工智能，1994，7(2)：191—195
[33]Karl E Viegers．软件需求．第1版．北京：机械工业出版社2000．
[34]王克峰、乃云等．非线性蒸汽动力系统参数优化新方法——改进遗传算法．化学工程，1998，26(4)：42-55
[35]王雪梅、义和．模拟退火算法与遗传算法的结合．计算机学报，1997，20(4)：381—384
[36]W. M.Jenkins, Towards Structural Optimization Via the Genetic Algorithms, Computer & struture, Vol 40, No 5 (USED).
[37]D. E.Goldberg Genetic Algorithms in Search, Optimization and Machine Learning Addison-Wesley (1989) (USED).
[38]Yanasee H H. Two-dimensional Cutting Stock with Multiple Sizes. J. Opt. 1990. 42(8), 673～683.
[39]Chauuy F. A Two-phrase Heuristic for the Two-dimensional Cutting Stock Poroblem. J. J. Opt. Res. Soc. 1991, 42(1):39～47.
[40]Krishna Kumar K. Genetic Algorithms in Control System optimization. Journal of Guidance,Control, and Dynamics, 1992 (5/6):735-740.
[41]Christopher T Vote Genetic Algorithms for control Systems Design and Analysis AAS-94-005. Advances in the Astronautical Sciences, Guidance and control, 1994:427-446.
[42]Michalewicz, Z., JanikoW, C., and Krawczyk, J., A Modified Genetic Algorithm for optimal Control Problems, Computers & Mathematics with Applications, Vol. 23, No. 12, pp. 83-94, 1992
[43]Montana, D.J., and Davis, L, Training Feed forward Neural Networks Using Genetic Algorithms, Proceedings of the 1989 International Joint Conference on Artificial Intelligence, organ Kaufmann Publishers, San Mateo, CA, 1989
[44]Powell, D. and Skolnick, M. M, Using Genetic Algorithms in Engineering Design Optimization with Non—linear Constraints, in[129], pp. 424-430
[45]Rawlins, G., Foundations of Genetic Algorithms, First Workshop on the Foundations of Genetic algorithms and Classifier Systems, MoTgan Kaufmann Publisher, Sann Mateo, CA—1991
[46]Reynold, R.G., An Introduction to Cultural Algorithms, in[378], pp. 131～139
[47]Schaffer, J. e.,Whitley, D., and[103], L. J., Combinations of Genetic Algorithms And Neural Network: A Survey of the State of the Art.Proceedings of the International Workshop on Combinations of Genetic Algorithms and Neural Networks, Baltimore, MD, June 6, 1992, pp. 1～37
[48]Schrandolph, N. and Belew, R, Dynamic Parameter Encoding for Genetic Algorithms, Machine Learning, Vol..9, No. 1, pp. 9～21, 1992
[49]Syswerda, G., Uniform Crossover in Genetic Algorithms, in[334], pp. 2～9
[50]Whitley, D., GENTTORⅡ: A Distributed Genetic Algorithm, Proceedings of the Rocky Mountain Conference on Artificial Intelligence, Denver, 1998
[51]Whitley, D, GENITOR Ⅱ: A Distributed Genetic Algorithm, Journal of Experimental and Theoretical Artificial Intelligence, Vol. 2, pp. 189～214
[52]Whitley, D., Genetic algorithms: A Tutorial, in[63]
[53]Yao,X,A.Review of Evolutionary Artificial Neural Networks, Technical Report, CSIRO, Highett, Victoria, Anstralia
[54]J. h.Holland, Adaptation in National and Artificial systems University if Michigao Press, Ann Arbor, MI, 1975