NX二次开发——矩形排料5（基于最低水平线+遗传算法排料策略实现）

目录

一、概述

二、知识回顾

2.1适应度函数的确定

2.2基因编码

2.3遗传算法复制（选择）

2.4遗传算法交叉操作        通过交叉操作可以增加种群个体的多样性，既可以产生更多的优秀解。下面通过顺序编码方法进行改进（网上有很多方法）。注意这里直接用顺序编码方式会产生非法子代，不是结果不好，本文采取整数编码。

2.5遗传算法变异操作        从遗传算法的角度来看，解的进化主要是靠选择机制和交叉策略来完成，变异只是产生新个体的辅助方法，目的在于提高算法的局部搜索能力，避免陷入早熟。通过交叉算子和变异算子的相互配合，共同完成对搜索空间的全局搜索和局部搜索，从而使遗传算法能够良性的搜索以完成最优化问题的寻优过程，变异概率一般不能太大，本次取为0.05左右。

2.5.1位置交换变异

2.5.2旋转变异（基因正负号变化）

三、所用函数代码与运行结果

3.1所用函数代码

3.2运行结果

3.3结果分析

---

一、概述

        本文前三篇对矩形排料的理论知识已经做出了讲解，第四篇基于最低水平线搜索策略已经实现了NX基于最低水平线排料，这篇主要详细的记录一下基于最低水平线+遗传算法排料策略实现。

二、知识回顾

2.1适应度函数的确定

        上一篇矩形排料3已经对适应度函数进行了认识，这里我进行简单的叙述。参考“下台阶算法”提出了以板材利用率的大小表示适应度函数值的大小，板材利用率越高，适应度函数值越大，定义如下:

/******************************************************************************************
double			ratio