一种基于G-BRKGA算法优化的异形排样方法技术

本发明专利技术涉及异形件排样技术领域，具体是一种基于G

【技术实现步骤摘要】
一种基于G
‑
BRKGA算法优化的异形排样方法


[0001]本专利技术涉及异形件排样
，尤其涉及一种基于G
‑
BRKGA算法优化的异形排样方法。

技术介绍

[0002]异形排样问题是指将给定的二维不规则零件在有限的二维平面上进行最优排列，使得平面上未被零件覆盖的区域最小。相对应的还有矩形排样，即零件为矩形的排样问题。异形排样包括了矩形排样，矩形排样是异形排样的子集。异形排样问题在诸多领域有着广泛的应用，例如服装衣片、钣金零件、广告标语等等。以往这一过程通常由工人进行规划，但是在工业大规模应用场景下，效率低，排样效果差(平面未被零件覆盖区域较大)。
[0003]随着智能技术的发展，为了提高排样效率和质量，人们开发了一些计算机辅助排样软件，即利用计算机软件实现裁片(服装衣片、钣金零件等)在规定材料(面料，金属板材)上的自动布局，并以材料利用率为主要追求目标。
[0004]排样问题是一种NP难问题，具有很高的理论价值和实际应用价值。目前市面上能看到的知名排样软件绝大部分是国外软件，还有一类是使用国外排料引擎的国内排料软件，所谓排料引擎即核心算法库/模块。且这类软件所使用的国内自主研发的排样方法往往在算法效率、稳定性、适用性方面相比于国外有所差距。
[0005]目前，已有许多算法被提出来求解排样问题，如遗传算法、模拟退火算法、人工神经网络算法等。然而，这些算法都存在一些缺点，如收敛速度慢、易陷入局部最优、参数设置困难等。
[0006]因此，急需一种新的技术方案来解决上述存在的技术问题。

技术实现思路

[0007]本专利技术的目的在于克服上述现有技术的问题，提供了一种基于G
‑
BRKGA算法优化的异形排样方法，用于解决传统异形排样带来的生产成本高、耗时长以及浪费材料的技术问题。
[0008]上述目的是通过以下技术方案来实现：
[0009]一种基于G
‑
BRKGA算法优化的异形排样方法，包括：
[0010]步骤(1)输入零件的图形信息，获得零件数据；
[0011]步骤(2)对所述零件数据进行合法性检测，确认是否符合要求，若否，则输出相应异常信息；若是，则进行数据正则化，将零件的最左下角的点设置为原点，用于标记图形位置；
[0012]步骤(3)根据零件的图形信息，采用滑动轨迹法计算零件与零件之间的碰撞信息，并保存；
[0013]步骤(4)通过G
‑
BRKGA算法，优化零件在容器中的排列；
[0014]步骤(5)将步骤(4)中得到的最优排列方案输出。
[0015]进一步地，步骤(1)中所述输入零件的图形信息，具体为，通过图像处理的软件，或者通过文本的形式输入零件的图形信息。
[0016]进一步地，所述图形需为封闭图形，排放零件的容器需为矩形，长度单位为毫米。
[0017]进一步地，步骤(2)所述对所述零件数据进行合法性检测，具体为检测图形是否封闭，以及检测图形是否自交；
[0018]若图形不封闭，或者图形自交，则判定不符合要求。
[0019]进一步地，所述步骤(4)通过G
‑
BRKGA算法，优化零件在容器中的排列，具体包括：
[0020]步骤(4
‑
1)根据贪婪策略生成一定数量的个体，每个个体表示一种可能的排列方案；每个个体由两部分组成：基因部分和染色体部分；
[0021]步骤(4
‑
2)根据每个个体的基因部分和染色体部分，计算出容器内的空隙面积，并根据这两个指标评估每个个体的适应度值；
[0022]步骤(4
‑
3)判断是否达到预设终止条件，若是，则进入步骤(4
‑
8)；若否，则进入下一步；
[0023]步骤(4
‑
4)从当前种群中选出一定比例的最优秀的个体，作为精英个体保留到下一代种群中；
[0024]步骤(4
‑
5)从当前种群中随机选择两个非精英个体作为父母个体，将它们的基因部分和染色体部分进行交叉重组，生成两个新的子代个体，并加入到下一代种群中；
[0025]步骤(4
‑
6)对下一代种群中的非精英个体进行变异操作，并进入步骤(4
‑
3)；
[0026]步骤(4
‑
7)重复上述步骤(4
‑
4)～步骤(4
‑
6)，直到达到预设终止条件；
[0027]步骤(4
‑
8)输出排样结果，并结束。
[0028]进一步地，步骤(4
‑
1)中所述基因部分表示零件在容器中的位置和方向，所述染色体部分表示零件之间的相对顺序。
[0029]进一步地，步骤(4
‑
3)所述预设终止条件包括迭代次数、适应度值、时间；
[0030]进一步地，步骤(4
‑
2)中所述适应度值越高，表示排列方案越优秀。
[0031]有益效果
[0032]本专利技术所提供的一种基于G
‑
BRKGA算法优化的异形排样方法，通过引入分组机制和自适应变异策略，提高了算法的搜索效率和解的质量；通过优化的遗传算法，对不规则图形进行最优排列，以降低生产成本，节省时间开销，以及降低材料损耗。此外，通过采用G
‑
BRKGA算法能够有效地利用种群中的精英个体和非精英个体的信息，进行交叉重组和变异操作，增加种群的多样性和创新性，避免陷入局部最优解，能够在有限的时间内找到接近最优解的解决方案，避免了穷举搜索的低效性和随机搜索的不稳定性。
附图说明
[0033]图1为本专利技术所述一种基于G
‑
BRKGA算法优化的异形排样方法的流程图；
[0034]图2为本专利技术所述一种基于G
‑
BRKGA算法优化的异形排样方法中优化算法计算排列示意图。
[0035]具体实施方
[0036]下面根据附图和实施例对本专利技术作进一步详细说明。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没
有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0037]如图1所示，本方案提供的一种基于G
‑
BRKGA算法优化的异形排样方法，包括如下步骤：
[0038]步骤(1)输入零件的图形信息，获得零件数据；
[0039]步骤(2)对所述零件数据进行合法性检测，确认是否符合要求，若否，则输出相应异常信息；若是，则进行数据正则化，将零件的最左下角的点设置为原点，用于标记图形位置；
[0040]步骤(3)根据零件的图形信息，采用滑动轨迹法计算零件与零件之间的碰撞信息，并保存；
[0041]步骤(4)通过G
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于G
‑
BRKGA算法优化的异形排样方法，其特征在于，包括：步骤(1)输入零件的图形信息，获得零件数据；步骤(2)对所述零件数据进行合法性检测，确认是否符合要求，若否，则输出相应异常信息；若是，则进行数据正则化，将零件的最左下角的点设置为原点，用于标记图形位置；步骤(3)根据零件的图形信息，采用滑动轨迹法计算零件与零件之间的碰撞信息，并保存；步骤(4)通过G
‑
BRKGA算法，优化零件在容器中的排列；步骤(5)将步骤(4)中得到的最优排列方案输出。2.根据权利要求1所述的一种基于G
‑
BRKGA算法优化的异形排样方法，其特征在于，步骤(1)中所述输入零件的图形信息，具体为，通过图像处理的软件，或者通过文本的形式输入零件的图形信息。3.根据权利要求2所述的一种基于G
‑
BRKGA算法优化的异形排样方法，其特征在于，所述图形需为封闭图形，排放零件的容器需为矩形，长度单位为毫米。4.根据权利要求1所述的一种基于G
‑
BRKGA算法优化的异形排样方法，其特征在于，步骤(2)所述对所述零件数据进行合法性检测，具体为检测图形是否封闭，以及检测图形是否自交；若图形不封闭，或者图形自交，则判定不符合要求。5.根据权利要求1所述的一种基于G
‑
BRKGA算法优化的异形排样方法，其特征在于，所述步骤(4)通过G
‑
BRKGA算法，优化零件在容器中的排列，具体包括：步骤(4
‑
1)根据贪婪策略生成一定数量的个体，每个个体表示一种可能的排列方案；每个个体由两部分组成：基因部分和染色体部分；步骤(4
‑

【专利技术属性】
技术研发人员：张凡，吴景涛，杨琦，姬晓栋，吴然，
申请(专利权)人：无锡信捷电气股份有限公司，
类型：发明
国别省市：