一种三阶段条材优化下料方法技术

本发明专利技术公开一种三阶段条材优化下料方法，该方法包括逆向优化、正向优化和定长优化三阶段步骤。逆向优化阶段采用基于下料零件数量整数分解的枚举算法；正向优化阶段采用列生成算法，以上一阶段定购的原材料对剩余零件进行下料，并按照利用率阈值，挑选利用率高的下料方式，完成大部分剩余零件下料；定长优化阶段采用贪婪算法，利用市场上可购买的原材料标准规格尺寸，以高的原材料利用率为目标，形成最终整体下料方案。本发明专利技术能够在维持原材料高利用率的同时保证下料方案可制造性，可广泛应用于条材下料实际工程中。

【技术实现步骤摘要】

本专利技术涉及，该方法由逆向优化阶段、正向优化阶 段和定长优化阶段组成，能够维持原材料高利用率的同时保证下料方案可制造性
技术介绍
一般研究认为，下料问题是指在已知原材料和顾客需求坯料的情况下优化下料， 使原材料的使用率达到最大或废料达到最小，即原材料上实现套裁的最优化。现有对优化下料的研究主要集中在提高原材料利用率和减少优化时间的算法方 面，提出的优化算法主要包括三类(1)基于线性规划的算法；(2)基于启发式算法的方法；其他算法。基于线性规划的算法可以减少废料，但是会产生多于需求量的切割量，只适用于 单一型材或者型材种类较少的下料。基于线性规划的方法是将建立的整数规划问题进行松 弛，按照线性规划进行求解，对得到的解取整。当原材料和需求的坯料种类繁多或者原材料 长度远远大于坯料的长度时，将导致切割方案过多。基于启发式算法的方法中，所使用的 启发式算法一般只适用于特定的问题，无通用性。基于启发式算法的方法对特定问题的求 解比较有效，但寻找有效的启发式算法往往比求解问题本身还要困难。其他算法包括遗传 算法和模拟退火算法等。遗传算法是基于自然选择和基因遗传的搜索算法，具有很好的鲁 棒性，在解决复杂问题的优化方面适用性强；模拟退火算法是基于金属退火机理建立起来 的一种全局最优化方法，它能够以随机搜索技术从概率的意义上找出目标函数的全局最小 点o然而，优化下料问题不是一个纯粹的数学问题，仅从算法的角度对优化下料问题 研究是片面的，在求解得到的下料方案在满足原材料高利用率的同时，也要求下料方案的 可制造性好。
技术实现思路
为了实现条材优化下料既维持高的原材料利用率，同时保证下料方案的可制造性 的目的，本专利技术提供了，解决一般算法片面追求原材料利用 率而忽视下料方案可制造性的问题。本专利技术解决其技术问题所采用的技术方案是设计一种由三阶段组成的条材优化 下料方法，包括以下料方案的可制造性和原材料的利用率为目标的逆向优化阶段；设定原 材料利用率阈值，以利用率为目标的正向优化阶段；以及追求局部满意方案的定长优化阶 段。逆向优化阶段本质为无原材料最大数量限制且原材料规格齐备的优化下料问题， 采用基于下料零件数量整数分解的枚举算法，利用零件和原材料的尺寸关系，以下料方案 的可制造性和原材料利用率为目标，由零件尺寸反推出合理的原材料尺寸，向厂家定购，完 成大部分零件的下料。原材料定购满足以下条件所定购的原材料尺寸有最大尺寸和最小3尺寸的限制；所定购的原材料尺寸不是任意的，而是某区间内的一些成等差分布的离散值； 每种尺寸的原材料定购数量有最少数量限制。其问题描述如下 已知有m种长度不同的零件，它们的长度分别为lp 12.....lffl,每种型号零件的需求量分别为叫、 .....rv设原材料最大尺寸为L_，最小尺寸为Lmin，定购步长为d，假设可定购的原材料规格有K种，原材料尺寸Lk G (Lmin，Lmin+l*d，... , Lmin+i*d，... , Lmax)，i为正 整数，原材料的最少定购数量为M。 -第k种规格原材料的价格； -可定购的原材料规格数； -原材料的最少定购数量； -第i种待下零件的需求量；一在第k种规格原材料上的第j种切割方式的使用次数，即用第j种切割方式切割第k种原材料的数量；nk——第k种规格原材料上可行切割方式总数；《、——第k种规格原材料对应的第j种切割方式下第i种零件的数量。正向优化以上一阶段定购的原材料对剩余零件进行下料，并设定利用率阈值，挑 选利用率高的下料方式，完成大部分剩余零件下料。其数学模型与逆向优化下料数学模型 的区别在于它并没有限制原材料最少定购数量，该阶段的原材料规格由逆向优化阶段得出 的定购结果确定，而逆向优化阶段的下料结果已经满足了原材料最少定购数量的限制。其 模型描述如下。其中K——定购的原材料规格种类数，K由上一阶段优化确定的原材料种类数确定；其余符号意义同式(1)。最后定长优化阶段的优化对象是上两个阶段优化之后剩余的少部分零件，以下料 方案的原材料利用率为目标，形成最终整体下料方案。该阶段以市场上可购买的原材料标 准规格为基础，与正向优化阶段一样，没有限制原材料最少定购数量，只不过可供下料的原 材料规格由市场上可购买的规格决定，其数学模型描述如下 其中K——市场上可购买的、用于下料的原材料标准规格种类数；其余符号意义同式(1)。本专利技术的最大优点是将可制造性这种定性指标转化为具体的定量指标，并在该方 法之中予以考虑，使得提出的优化下料方法在维持原材料高利用率的同时又能保证下料方 案可制造性。附图说明图1是本专利技术方法的流程示意图；图2本专利技术中逆向优化阶段处理(枚举算法)流程图；图3本专利技术中正向优化阶段处理(列生成算法)流程图；图4本专利技术中定长优化阶段处理(贪婪算法)流程图。具体实施例方式如图1所示，本专利技术采用枚举算法、列生成算法以及贪婪算法分别实现上述优化 下料方法。设切割料缝宽度为W，L_表示可定购原材料的最大长度，Lmin表示可定购原材料 的最小长度，该原材料共有K种规格可供选择，记Xk为第k种规格原材料的需求量，M为原 材料最少定购数量；现有I种待下料零件，其中，第i种待下料零件的长度为1”数量为rv 零件总长度Leni，即Leni = liXr^+WX (n-1)。考虑下料方案的可制造性，逆向优化下料处 理阶段每种切割方式套裁的零件种类数不超过C，C G N，一般情况下取值为1到3。算法步骤如下1、逆向优化下料阶段，参见图2 Stepl枚举包含1种零件的切割方式对应的原材料规格。对待下料零件循环作 Stepl. 1 Stepl. 3的处理，初始化i = 1 ；Stepl. 1计算第i种待下料零件的总长度Leni，若Leni彡Lmax，转Stepl. 2，否则， i = i+1，处理下一零件；Stepl. 2对零件数量进行整数分解，即将叫作以下分解叫=‘XYij+Zi」，其中，T.j ^ d, ；0 ^ ZiJO其中，表示第i种零件在第j种分解下所需原材料支数； Yij表示第i种零件在第j种分解下每支原材料上排列的零件数；ZU为第i种零件在第j种 分解下不满足逆向优化处理要求的零件数量。Stepl. 3确定零件对应的原材料尺寸区间，计算(lfW) X Yu，根据此值判断该零件 对应的原材料尺寸区间，并确定原材料尺寸，记队为各待下料零件的剩余数量。若i<I， i = i+1，转St印1. 1，否则转St印2 ；St印2枚举包含2种(或3种)零件的切割方式对应的原材料规格。对经Stepl 处理的剩余待下料零件循环作St印2. 1 St印2. 4的处理，初始化i = 1 ；Step2. 1对零件i彡I，若队> 0，则计算零件长度Ler^ = ljXNi+ffX (队_1)，转 St印2. 2，否则i = i+1，处理下一零件；Step2. 2依次取i < j彡I，对N」> 0的零件，计算Len」=1」X Nj+WX (Nrl)。若 Lmin ^ Leni+Lerij ^ Lmax，则确定Leni+Le~对应的原材料尺寸区间，并确定原材料尺寸，记录 组合情况，i = i+1，转 St印2. 1。否则，若 Lerii+Ler^ > Lm本文档来自技高网...

【技术保护点】
一种三阶段条材优化下料方法，其特征在于，采用逆向优化、正向优化和定长优化三步骤，维持原材料高利用率的同时，保证下料方案可制造性；具体包括如下步骤：（１）条材优化任务下达之后，第一阶段采用逆向优化，利用零件和原材料的尺寸关系，以下料方案的可制造性和原材料的高利用率为目标，由零件尺寸反推出合理的原材料尺寸，向厂家定购，完成大部分零件的下料；（２）第二阶段采用正向优化，以上一阶段定购的原材料尺寸对剩余零件进行下料，并设定利用率阈值，挑选利用率高的下料方式，完成大部分剩余零件下料；（３）第三阶段，按照市场上可购买的原材料标准规格尺寸，对最终剩余的少数零件采用定长优化方式进行下料，形成整体下料方案。

【技术特征摘要】

【专利技术属性】
技术研发人员：阎春平，刘飞，周青华，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85[中国|重庆]