ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Автоматизированная система составления оптимальных схем раскроя рулонного материала

    Авторы: Е.Г. Семиндеева, А.М. Фонотов

    Описание: Рассматривается задача гильотинного раскроя рулонного материала. Данная задача сводится к упаковке прямоугольников в полубесконечную полосу заданной ширины, где требуется минимизировать длину занятой части полосы с учетом ограничений и дополнительных условий. Произведена формализация данной задачи, а так же предложены методы и алгоритмы ее решения.

    Источник: Інформаційні управляючі системи та комп’ютерний моніторинг (ІУС-2012) / Матерiали III мiжнародної науково-технiчної конференцiї студентiв, аспiрантiв та молодих вчених. – Донецьк, ДонНТУ – 2012, Том 3, с. 73 – 76.

    2. Тематические статьи

  2. Применение генетического алгоритма с регуляцией вероятностей генетических операторов при решении задачи упаковки в контейнеры

    Авторы: Ю. Ю.  Петров

    Описание: Описано решение частной задачи одномерной упаковки в контейнеры генетическим алгоритмом с регуляцией вероятностей генетических операторов. Проводится статистическое сравнение указанного алгоритма с простым генетическим алгоритмом.

    Источник: [http://math.nsc.ru/LBRT/k5/TPR/lec6.pdf]

  3. Применение распределенного генетического алгоритма при решении задачи об упаковки в контейнеры

    Авторы: Ю.А. Бюргер, В.Й. Гнатюк, В.И. Литвиненко, А.А. Ткачук

    Описание: В статье рассмотрен ряд экспериментов по решению задачи упаковки распределенным генетическим алгоритмом. Рассмотрены результаты сравнительных тестов для различных конфигураций операторов генетического алгоритма.

    Источник: [http://vmg.pp.ua/books/ГЕНЕТИЧЕСКОГО.pdf]

  4. Генетический алгоритм поиска минимума в задачах двумерного гильотинного раскроя

    Авторы: А.С. Мухачева, А.В. Чиглинцев

    Описание: Рассматривается задача гильотинного раскроя рулонного материала. Известны методы расчета оптимального раскроя в условиях массового производства, основанные на линейном программировании с неявным заданием матрицы раскроев. Здесь основной является целочисленная задача раскроя. Для ее решения предлагается генетический гильотинный алгоритм на базе методологии И. П. Норенкова с использованием последовательности эври-стик в качестве аллелей генов.

    Источник: Журнал «Информационные технологии», изд. «Новые технологии», №3, 2001 г.

  5. Расширение генетического алгоритма комбинирования эвристик для решения задачи прямоугольной упаковки

    Авторы: Ю.И. Валиахметова, Е.В. Карамова

    Описание: В статье рассматривается задача упаковки прямоугольных объектов в полосу, и в листы (контейнеры). Для ее решения предлагается расширение генетического алгоритма И.П.Норенкова. Дается описание мультиметодного декодера с расширением перечня простых эвристик.

    Источник:[http://www.work.vegu.ru/vegu/vestnik/DocLib/Валиахметова.pdf]

  6. Применение генетических алгоритмов к задачам оптимизации

    Авторы: А.А. Авдеев

    Описание: Рассмотрены проблемы применения генетических алгоритмов к многокритериальным задачам оптимизации. На примере задачи коммивояжера показаны некоторые особенности в настройке параметров генетического алгоритма. Продемонстрирован пример действия эволюции решений в задаче коммивояжера в многокритериальной постановке.

    Источник:[http://cms.tusur.ru/filearchive/reports-magazine/2008-2-1/110-111.pdf]

  7. Solving a 2D Knapsack Problem Using a Hybrid Data-Parallel/Control Style of Computing

    Авторы: Darrell R. Ulm, Johnnie W. Baker, Michael C.  Scherger

    Описание: В статье описывается параллельное решение последовательного метода динамического программирования для решения задачи класса NP, 2D рюкзак (минимизация ресурсов) – оптимальная упаковка n типов прямоугольников в рюкзак размером LxW, используя при этом только гильотинный рез. В этой статье описывается и проводится анализ данной задачи для ассоциативной модели. С момента введения ассоциативных компьютеров SIMD (около 25 лет назад), ассоциативные вычисления и парадигмы параллельных данных остаются популярными. Данная модель поддерживает передачу данных параллелизм, постоянный максимальный срок и минимальный операции, один или несколько потоков инструкций (МКС), который направляются на равное количество разделов наборы.

    Источник: Darrell R. Ulm Solving a 2D Knapsack Problem Using a Hybrid Data-Parallel/Control Style of Computing / H. Higuchi, Y. Matsunaga // 33rd Annual Conference of Design Automation. – Las Vegas, 1996. – pp. 463-466., [http://www.cs.york.ac.uk]

  8. Вероятносный поиск с запретами для задачи упаковки кругов и прямоугольниклв в полосу

    Авторы: А.С. Руднев

    Описание: Рассматривается задача двумерной упаковки кругов и прямоугольников различных размеров в полубесконечную полосу минимальной длины. Представлена математическая постановка задачи в терминах нелинейного целочисленного программирования. Предложена кодирующая схема для двухконтактных решений. На ее основе разработан вероятностный алгоритм поиска с запретами для нахождения приближенного решения задачи. Численные эксперименты на случайно сгенерированных примерах, а также на известных тестовых примерах для частных случаев рассматриваемой задачи показали эффективность алгоритма. Для четырех известных примеров упаковки кругов в полосу удалось найти новые рекордные значения целевой функции.

    Источник: [http://ccfit.nsu.ru/~zelenchuk/loader/loaded/article.pdf]

  9. Задачи упаковки прямоугольников: рандомизированная эвристика на базе двойственной схемы локального поиска оптимума

    Авторы: А.С. Мухачева, Р.Р. Ширгазин

    Описание: Рассматриваются задачи упаковки прямоугольников в полубесконечную полосу заданой ширины (1.5В Bin Packing Problem 1.5DBPP) и в прямоугольные листы (2DBPP). В первой задаче требуется минимизировать длину занятов части полосы, а во второй - число пользованых листов. При этом основой является 1.5BPP. Алгоритм разработан на основе двойственной схеме, на каждом шаге которой решаются две задачи линейного раскроя. Для них применяется простая эвристика "первый подходящий с упорядочиваем ("First Fit with Decseasing, FFD) c рандомизацией. Алгоритм позволяет быстро получать близкое к оптимуму решение. Приведены результаты численного эксперимента.

    Источник: Журнал «Информационные технологии», изд. «Новые технологии», №5, 2003 г.

    10. Переводы статей

  10. Модификация генетического алгоритма для резки и упаковки прямоугольников. Задача упаковки

    Авторы: W. Shoukun, W. Jingchun, J. Yihui

    Автор перевода: Е.Г. Семиндеева

    Описание: После рассмотрения общих вопросов и описания алгоритмов задачи резки и упаковки, в этой статье предложен улучшенный генетический алгоритм для не гильотинного прямоугольного раскроя. Во-первых, самоадаптивная вероятностная мутация будет предотвращать преждевременную сходимость алгоритма, также сравниваются некоторые часто используемые операторы кроссинговера, и стохастическое самовосхождение к оптимуму операторов ГА, направленных на улучшение локальных возможностей поиска экстремума. Во-вторых, жадный механизм вводится с целью получить хороший образец упаковки, представленный последовательным порядком упаковки определенного ГА. Результаты расчетов показывают эффективность этих улучшений.

    Источник(англ.):[http://www.nt.ntnu.no/users/skoge/prost/proceedings/ifac2002/data/content/01518/1518.pdf]