将遗传算法用于二维下料问题的一些结果

 最近做了这方面的事情。把自己的一些经验跟大家分享一下。
遗传算法是一种优化算法，所以可以应用在很多地方。尤其是对于比较复杂或者难于求出精确解的问题，该方法给出了比较好的解决方案。
二维下料问题是说，在固定宽度的板材上切割下一些要求大小的目标物，使得消耗的板材长度最小。
对于这个问题，可以把他抽象为这样的数学模型：每一个目标物设置一个id号，这样一组id号就构成了一个切割顺序。显然，在这样的模型下，切割顺序和切割方式对于最终的结果有比较大的影响。
略去切割方式，本文在一种切割方式下，集中对切割顺序作一个小小的分析。
我选择的切割方法是：将进入的目标物从下到上，从左到右地在板材上找空闲位置，找到后将板材上的该区域标记；重复上述过程直到没有目标物进入为止。
在上述切割方式下，我的目标转化为找到一个合适的序列使得切割后使用的板材长度尽可能地小。
对于这个序列，我使用了遗传算法。遗传算法控制参数很多，尤其是初始种群的选取对于该算法有较大影响。我选择了从大到小排列目标物，然后象挤牙膏那样生成一组新的序列。用这样的序列进行进化。基本上对于较小数目的目标物，很快能给出次优序列。从本人实验的结果看，优化率（（直接切割所需长度－优化后所需长度）/直接切割所需长度）平均为11%，有时甚至高达28%。可见，优化和不优化还是有很大差别的。
最近就做了遗传算法这方面的一点事情。希望对您能有用。