System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及,特别是涉及一种基于多种群遗传算法和混合启发式定位算法的排样方法。
技术介绍
1、二维不规则多边形的排样问题是指在特定的原材料上排列一系列数量和形状各不相同的待排图形,以排样得到的结果来指导设备完成加工,使原材料的利用率最大化,尽量减少原材料的浪费,提高制造企业的经济效益。二维排样问题广泛地存在于现代工业生产的方方面面,根据排样图形的几何特点,可以将二维排样问题分为三类:矩形排样、规则多边形排样(包括正多边形和圆等)和不规则多边形排样。矩形和规则多边形的排样都相对简单,而不规则多边形由于其形状复杂,旋转过程中图形在固定方向上的变化多样等原因,一直是二维排样问题中最复杂的一类问题。
2、二维不规则多边形排样问题属于npc问题(non-deterministic polynomialcomplete),其研究难点主要包括排样图形的定位和定序。其中,排样中常用的启发式定位方法有blf(bottom-left-fill)算法和最低水平线算法,但这两种单一的算法在搜索过程中具有一定的随机性导致效果不佳,且具有一定的局限性;定序方法常用的智能算法包括遗传算法、粒子群算法和模拟退火算法,而这些算法存在未成熟早收敛的缺陷,导致搜索范围变小并陷入局部最优。
技术实现思路
1、基于此,有必要针对现有用于二维不规则多边形排样的算法均存在未成熟早收敛的缺陷,导致搜索范围变小并陷入局部最优的问题,提供一种基于多种群遗传算法和混合启发式定位算法的排样方法。
2、一种基于多
3、1)基于多种群遗传算法确定待排样图形放置顺序;
4、2)以待排样图形放置顺序作为输入,基于混合启发式算法确定待排图形在母版上的位置,以输出排样结果。
5、在其中一个实施例中,所述基于多种群遗传算法确定待排样图形放置顺序,包括以下步骤:
6、a)生成初始种群;其中,初始种群包括初始种群a和初始种群b;
7、b)设计移民算子,并利用移民算子对初始种群进行迭代修正,得到迭代种群;所述迭代种群包括迭代种群a和迭代种群b;
8、c)利用迭代种群生成精英种群;
9、d)判断是否满足收敛条件,若是,则将精英种群作为结果输出;若否,则利用移民算子对迭代种群进行迭代修正,返回步骤c)。
10、在其中一个实施例中,以待排样图形按照面积从大到小的排放顺序,待排样图形的初始旋转角度为0°作为初始种群a的第一个个体编码,初始种群a中的其余个体编码由第一个个体编码经随机方法生成的;所述初始种群b的个体编码由初始种群a的第一个个体编码经随机方法生成。
11、在其中一个实施例中,所述设计移民算子的关键在于:选取当前种群a中m个适应度高的个体替换当前种群b中m个适应度底的个体;其中,当前种群a和当前种群b中均具有n个个体,m<n;
12、所述当前种群a为初始种群a或迭代种群a;所述当前种群b为初始种群b或迭代种群b。
13、在其中一个实施例中,所述生成精英种群,包括以下步骤:
14、a)将迭代种群a和迭代种群b中前m个适应度值高的个体选出,得到遗传集合;
15、b)利用轮盘赌算法对迭代种群a和迭代种群b中n-m个个体进行筛选,得到筛选集合;
16、c)将遗传集合及筛选集合整合,得到精英种群。
17、在其中一个实施例中,所述轮盘赌算法的计算公式为:
18、
19、式中,pi表示个体被选择的概率,fi表示个体的适应度值,i=1,……,n;
20、所述轮盘赌算法对迭代种群a和迭代种群b中n-m个个体进行筛选的关键在于:选择pi不小于概率阈值的个体。
21、在其中一个实施例中,所述判断是否满足收敛条件的关键在于:判断迭代次数是否达到迭代次数阈值。
22、在其中一个实施例中,所述以待排样图形放置顺序作为输入,基于混合启发式算法确定待排图形在母版上的位置,包括以下步骤:
23、i)根据待排样图形放置顺序选择一个待排样图形置于母版中,并记录排样位置和当前空白区域;
24、ii)根据已排样区域计算出下一待排样图形的初始排样位置集;
25、iii)判断已排样区域中是否有空白区域可以放置下一待排样图形,若是,则将该待排样图形置于空白区域的最左下角,更新空白区域,然后进入步骤v);若否,则使该待排样图形遍历由步骤ii)得到的初始排样位置集,得到该排样图形的多个排样位置,然后进入步骤iv);
26、iv)基于边贴合度的评估方法来确定该待排样图形的最优排样位置;
27、v)判断是否完成全部待排样图形的排样,若是,则将输出排样结果;若否,则返回步骤i)。
28、在其中一个实施例中,所述基于边贴合度的评估方法来确定该待排样图形的最优排样位置的关键在于:根据该排样图形的多个排样位置计算出相应的该排样图形与已排样图形及母版的共边长度,并选择其中共边长度最大对应的排样位置作为该待排样图形的最优排样位置。
29、在其中一个实施例中,所述基于多种群遗传算法确定待排样图形放置顺序之前先对待排样图形进行预处理,包括以下步骤:
30、i)使待排样图形处于同一坐标空间;
31、ii)使待排样图形置于同一图层中;
32、iii)删去待排样图形中不表示图形的元素,生成待排样图形;
33、iv)计算出每个待排样图形的面积;
34、v)利用闵可夫斯基矢量和法计算出待排样图形间的临界多边形。
35、本专利技术的有益效果为:利用多种群遗传算法对待排样图形进行定序,增加算法的探索能力和利用已有信息的能力,从而提高算法的优化效果;在精英保留策略的基础上结合轮盘赌算法,能加速最优解的搜索,有助于提高算法的计算效率;利用混合启发式定位算法对待排样图形进行排样,能优化排样算法,使排样效果好;对待排样图形进行预处理,能避免后期处理中的坐标系混乱,能降低数据的冗余度,减少数据处理的复杂性,提高处理速度。
本文档来自技高网...【技术保护点】
1.一种基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,包括:
2.根据权利要求1所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述基于多种群遗传算法确定待排样图形放置顺序及对应的旋转角度,包括以下步骤:
3.根据权利要求2所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于:以待排样图形按照面积从大到小的排放顺序,待排样图形的初始旋转角度为0°作为初始种群a的第一个个体编码,初始种群a中的其余个体编码由第一个个体编码经随机方法生成的;所述初始种群b的个体编码由初始种群a的第一个个体编码经随机方法生成。
4.根据权利要求3所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述设计移民算子的关键在于:选取当前种群a中m个适应度高的个体替换当前种群b中m个适应度底的个体;其中,当前种群a和当前种群b中均具有n个个体,m<n;
5.根据权利要求4所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述生成精英种群,包括以下步骤:
6.根据
7.根据权利要求2所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述判断是否满足收敛条件的关键在于:判断迭代次数是否达到迭代次数阈值。
8.根据权利要求7所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述以待排样图形放置顺序作为输入,基于混合启发式算法确定待排图形在母版上的位置,包括以下步骤:
9.根据权利要求8所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述基于边贴合度的评估方法来确定该待排样图形的最优排样位置的关键在于:根据该排样图形的多个排样位置计算出相应的该排样图形与已排样图形及母版的共边长度,并选择其中共边长度最大对应的排样位置作为该待排样图形的最优排样位置。
10.根据权利要求1所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述基于多种群遗传算法确定待排样图形放置顺序之前先对待排样图形进行预处理,包括以下步骤:
...【技术特征摘要】
1.一种基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,包括:
2.根据权利要求1所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述基于多种群遗传算法确定待排样图形放置顺序及对应的旋转角度,包括以下步骤:
3.根据权利要求2所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于:以待排样图形按照面积从大到小的排放顺序,待排样图形的初始旋转角度为0°作为初始种群a的第一个个体编码,初始种群a中的其余个体编码由第一个个体编码经随机方法生成的;所述初始种群b的个体编码由初始种群a的第一个个体编码经随机方法生成。
4.根据权利要求3所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述设计移民算子的关键在于:选取当前种群a中m个适应度高的个体替换当前种群b中m个适应度底的个体;其中,当前种群a和当前种群b中均具有n个个体,m<n;
5.根据权利要求4所述的基于多种群遗传算法和混合启发式定位算法的排样方法,其特征在于,所述生成精英种群,包括以下步骤:
...
【专利技术属性】
技术研发人员:王帅,胡春明,旷雅胜,王军,卓少伟,卓劲松,
申请(专利权)人:广东大族粤铭激光集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。