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() 基于有偏密钥遗传混合算法的二维不规则零件排样方法技术_技高网

基于有偏密钥遗传混合算法的二维不规则零件排样方法技术

技术编号:40273678 阅读:11 留言:0更新日期:2024-02-02 22:59
本发明专利技术公开了一种基于有偏密钥遗传混合算法的二维不规则零件排样方法,包括以下步骤:1、构建混合整数零件排样模型;2、有偏随机密钥遗传算法初始化;3、初始化种群个体的基因序列;4、计算种群个体适应度;5、划分精英种群与非精英种群、构建突变种群;6、将精英种群与突变种群的个体保留到下一代;7、对个体的基因序列解码,按照序列顺序摆放零件;8、如果个体解满足1中模型约束,种群迭代次数加1并返回步骤4,否则,返回步骤3。本发明专利技术能提高排样效率,节省板材材料使用长度,从而能提高板材材料利用率,降低产品的材料成本。

【技术实现步骤摘要】

本专利技术涉及加工件切割排样,尤其涉及一种基于混合启发式算法的二维不规则零件排样方法。


技术介绍

1、板材排样技术对于工业生产制造而言意义重大,其广泛存在于造船、金属板材切割、家具组装、皮革服装裁剪、电路板布局等加工制造工业中。通俗来讲,排样就是将原材料尽可能多的切割成企业所需要的物件,尽量最大化利用原材料,减少企业材料成本,提高企业的经济效益。在现在制造业大规模自动化生产中,排样结果的好坏会直接影响原材料的利用率,原材料每提高一个百分点的利用率,都会极大的减少加工制造企业的材料成本。。

2、在早期板材排样工作主要由工人根据个人排样经验来完成,工人首先在cad环境下对零件和板材进行目测感受,然后将零件旋转和平移至板材合适位置,并且在移动过程中,要时时刻刻保证零件间不能重叠以及零件不能出板材边界。通常工人只能在有限的试排结果图中选择较优的作为最终排样结果图,很显然这种人工排样的方式效率低下,不能满足现在大规模生产需求,而且排样结果也有很大的随机性,每次排样结果的好坏往往取决于工人的排样经验,因此很容易造成材料浪费。随着计算机软硬件高速发展,计算机辅助排样不但可以很大的提高了排样效率,还可以提高排样中的板材利用率,这些都可以为企业节省大量的人工成本和材料成本。

3、再计算机辅助排样中,针对不规则零件的排样问题,初期会采取用数学规划的方法,对排样问题进行数学建模,并借助数学优化求解器进行求解,这种方法理论上能求出问题的最优解。但存在的问题就是再建模排样数学模型时,为了便于计算,所有模型都对零件或板的几何形状施加约束,无论是通过离散化零件和/或板,还是通过考虑简化的零件几何形状,如仅处理凸多边形或不允许零件中有孔洞,这都使得模型与实际需求偏离。再一个就是不规则零件的排样问题在数学规划当中是属于非凸优化问题,是存在多个局部最优解的,这导致很难在多项式时间内求得全局最优解,只适用于零件数量极小的数据,这是脱离工业实际生产背景的。现在的工业生产中所采用的辅助排样方法是启发式算法。例如遗传算法、模拟退火算法、禁忌搜索算法等,不同的启发式算法各有优劣,所带来的排样利用率很依赖于实施起来的细节,这类算法能在较短的时间内给出一个被生产过程所接受的次优解,是能够平衡利用率、求解效率的一类方法。但此类方法存在的问题就是:局部搜索能力差,所求出的排样结果不能够有效摆放不规则零件,并且无法高效进行布局上的优化。


技术实现思路

1、本专利技术是为了解决上述现有技术存在的不足之处,提出一种基于有偏密钥遗传混合算法的二维不规则零件排样方法,以期能在快速排样的过程中保留更多的约束来满足实际的生产环境、从而能解决现有的零件排样方法不适用实际场景并且效率低、排样效果不佳的技术问题。

2、本专利技术为达到上述专利技术目的,采用如下技术方案:

3、本专利技术一种基于有偏密钥遗传混合算法的二维不规则零件排样方法的特点在于,是应用于在一个宽度h固定、长度l可变的矩形板材内无重叠的放置n个不规则零件,并使得矩形板材的长度最小的场景中,所述n个不规则零件所构成的零件集合记为p={p1,p2,…,pi,…,pj,…,pn},其中,pi表示第i个不规则零件,pj表示第j个不规则零件;i,j=1,…,n,i≠j;

4、以矩形板材的左下角顶点为原点,与所述原点相连的两条直角边分别为x轴和y轴,从而建立直角坐标系,在所述直角坐标系中,令第i个不规则零件pi的参考点记为(xi,yi);

5、若第i个不规则零件pi为非凸零件,则将第i个不规则零件pi划分成si个凸多边形其中,pis表示第i个不规则零件pi划分成的第s个凸多边形,令第s个凸多边形pis的边集合为其中,kism表示pis中第m条边,ms表示第s个凸多边形pis的边总数,令第m条边kism的两个顶点分别记为第i个不规则零件pi的最左点到参考点(xi,yi)的距离记为第i个不规则零件pi的最右点到参考点(xi,yi)的距离记为第i个不规则零件pi的最低点到参考点(xi,yi)的距离记为第i个不规则零件pi的最高点到参考点(xi,yi)的距离记为

6、若第j个不规则零件pj为非凸零件,则将第j个不规则零件pj划分成sj个凸多边形其中,pjq表示第j个不规则零件pj划分成的第q个凸多边形,第j个不规则零件pj的第q个凸多边形pjq的任意第r个顶点(xr,yr)与第j个不规则零件pj的参考点(xj,yj)之间的水平距离记为垂直距离记为第i个不规则零件pi与第j个不规则零件pj的第q个凸多边形piq的第r个顶点(xr,yr)的水平距离记为垂直距离记为所述不规则零件排样方法是按如下步骤进行:

7、步骤1、构建混合整数零件排样模型:

8、步骤1.1、利用式(1)构建混合整数零件排样模型的目标函数f:

9、f=min l    (1)

10、步骤1.2、利用式(2)-式(5)构建混合整数零件排样模型的约束方程:

11、

12、

13、

14、

15、

16、(xi,yi)∈r2              (7)

17、

18、式(2)-式(8)中,表示第i个不规则零件pi的第s个凸多边形pis的第m条边kism的任意一个顶点r与第j个不规则零件pj的第q个凸多边形pjq之间构建不等式后的常数项,是常数项的最大值;表示第i个不规则零件pi的第s个凸多边形pis的第m条边kism是否满足与第j个不规则零件pj的第q个凸多边形pjq之间的不等式;如果第i个不规则裁片pi的第s个凸多边形pis的边m与不规则裁片j的第q个凸多边形不重叠,即满足不等式,令否则,令表示m估计值;

19、步骤2、有偏随机密钥遗传算法的初始化:令种群数量为t、精英选择概率为ρ,定义当前代数为g,并初始化g=1,定义种群最大迭代代数为gmax;

20、根据不规则零件的数量n,将种群中每个个体编码成长度为n的基因序列,每个个体的基因序列中的每个基因的取值范围为0-1之间的实数;每个基因的位置与不规则零件的序号对应,将每个个体的基因序列中各个基因的排序作为对应序号的不规则零件放入矩形板材中的顺序;

21、步骤3、初始化第g代种群gg中每个个体的基因序列;

22、步骤4、对第g代种群gg中每个个体的基因序列进行升序排列后,利用式(9)计算排序后的第g代种群gg中每个个体的适应度值;

23、f'g,t=rg*fg,t+δg (9)

24、式(9)中,fg,t表示第g代种群gg中第t个个体的适应度值,f'g,t表示第g代种群gg中第t个个体优化后的适应度值,rg表示第g代种群gg的斜率,且δg表示第g代种群gg的截距,且fg,min表示第g代种群gg中最小适应度值,fg,avg表示第g代种群gg中所有个体适应度的平均值;

25、步骤5、将第g代种群gg中适应度大的前e个个体作为第g代精英种本文档来自技高网...

【技术保护点】

1.一种基于有偏密钥遗传混合算法的二维不规则零件排样方法,其特征在于,是应用于在一个宽度H固定、长度L可变的矩形板材内无重叠的放置n个不规则零件,并使得矩形板材的长度最小的场景中,所述n个不规则零件所构成的零件集合记为P={P1,P2,...,Pi,...,Pj,...,Pn},其中,Pi表示第i个不规则零件,Pj表示第j个不规则零件;i,j=1,...,n,i≠j;

2.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1所述二维不规则零件排样方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。

3.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1所述二维不规则零件排样方法的步骤。

【技术特征摘要】

1.一种基于有偏密钥遗传混合算法的二维不规则零件排样方法,其特征在于,是应用于在一个宽度h固定、长度l可变的矩形板材内无重叠的放置n个不规则零件,并使得矩形板材的长度最小的场景中,所述n个不规则零件所构成的零件集合记为p={p1,p2,...,pi,...,pj,...,pn},其中,pi表示第i个不规则零件,pj表示第j个不规则零件;i,j=1,...,n,i≠...

【专利技术属性】
技术研发人员:薛峰李子意谢胤岑宋连旗
申请(专利权)人:合肥工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1