王鑫 杨柳丛

摘 要：该文针对皮革排样优化中保持种群个体多样性和全局寻优存在的问题，研究了粒子群算法、基于小生境的粒子群算法及基于免疫原理的粒子群算法这3种方法，分别对其算法的原理和操作步骤进行阐述，增强了研究者对粒子群算法的理解，提供了研究粒子群的比较系统的算法研究现状，最后对粒子群的应用方向进行列举，使学者对粒子群算法的应用及发展有进一步了解。

关键词：皮革排样 粒子群算法 改进

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2015）12（a）-0270-02

排样是指在一个平面（母版）内排布多个面积小于母版的平面（子版），排样优化是指让子版尽可能多地排进母版内，使母版利用率最高。母版利用率的提升对提高生产效率、经济效益和节省资源具有重要的现实意义和价值。排样优化问题是组合优化领域中计算复杂性最高的一類NPC（Nondeterministic Polynomial Complete）问题，解决排样优化问题的主要途径多趋向于现代优化技术中的各种仿生学理论和智能算法。

粒子群优化算法PSO（Particle Swarm Optimization）是源于鸟群觅食运动行为的启发，是动物个体之间集体合作与竞争的自组织体现。这种基于生物群体间的生物信息交流的共享机制进行搜索更新的算法，可以得到当前目标函数的最优解。同时这种算法也能够在连续的定义域内搜索函数极值[1]。对于比较简单的粒子群可以较容易收敛到最优解。而对于比较复杂的多重最优解问题，这种方法也提供了较优的解决办法。……