基于遗传算法的矩形件排样方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提供了一种基于遗传算法的矩形件排样方法、装置、设备和存储介质，属于生产制造技术领域。所述基于遗传算法的矩形件排样方法，包括：根据多个待排样矩形件的几何信息和一个矩形排样场地的几何信息，生成包括至少一个初始排布方案的初始排布方案种群；利用预设的链式编码遗传算法，对初始排布方案种群进行迭代进化处理，得到包括至少一个目标排布方案的目标排布方案种群；根据每一目标排布方案对应的场地空间利用率，确定目标排布方案中的最终排布方案。本发明专利技术方案，可以在解空间中高效搜索最终得到优质的排布方案，该最终排布方案为高空间利用率的排布方案，最终在二维排样，装箱等应用场景下能够降低成本，提高效能。

【技术实现步骤摘要】

本专利技术涉及生产制造，特别涉及一种基于遗传算法的矩形件排样方法、装置、设备和存储介质。

技术介绍

1、随着信息技术的进步，工业信息化、智能化转型潮流愈专利技术显。高级计划排程是制造企业智能化转型的关键技术之一，大小不一的矩形(或长方体)物件打包装箱是物流货运的重要环节。因此，矩形件排样问题得到了广泛的关注与研究。

2、现有的矩形件排样方法，为船舶曲面分段生产计划排程和矩形(长方体)装箱问题提供参考布局方案，通过布局来获取高场地空间利用率，从而提高对船舶曲面加工企业和物流货运企业提高生产效率。但是现有的矩形件排样方法往往是基于序列编码的遗传算法结合基于启发式规则的空间布局技术，其优化算法本质上是局部搜索，得到的参考布局方案往往空间利用率较低。

技术实现思路

1、本专利技术实施例提供一种基于遗传算法的矩形件排样方法、装置、设备和存储介质，用以解决现有的矩形件排样方法得到的参考布局方案中的空间利用率较低的问题。

2、为了解决上述技术问题，本专利技术实施例提供如下技术方案：

3、本文档来自技高网...

【技术保护点】

1.一种基于遗传算法的矩形件排样方法，其特征在于，包括：

2.根据权利要求1所述的基于遗传算法的矩形件排样方法，其特征在于，所述排样场地的几何信息包括排样场地整体的几何信息和排样场地内不能用于排布所述待排样矩形件的内场地的几何信息；

3.根据权利要求2所述的基于遗传算法的矩形件排样方法，其特征在于，利用预设的坐标组合点放置算法，根据所述排样场地整体的几何信息、所述内场地的几何信息、所述待排样矩形件的几何信息和一个所述矩形件序列，生成所述初始排布方案种群中的一个所述初始排布方案，包括：

4.根据权利要求3所述的基于遗传算法的矩形件排样方法，其特征在于，根...

【技术特征摘要】

1.一种基于遗传算法的矩形件排样方法，其特征在于，包括：

2.根据权利要求1所述的基于遗传算法的矩形件排样方法，其特征在于，所述排样场地的几何信息包括排样场地整体的几何信息和排样场地内不能用于排布所述待排样矩形件的内场地的几何信息；

3.根据权利要求2所述的基于遗传算法的矩形件排样方法，其特征在于，利用预设的坐标组合点放置算法，根据所述排样场地整体的几何信息、所述内场地的几何信息、所述待排样矩形件的几何信息和一个所述矩形件序列，生成所述初始排布方案种群中的一个所述初始排布方案，包括：

4.根据权利要求3所述的基于遗传算法的矩形件排样方法，其特征在于，根据所述第一坐标序列、第二目标矩形件的几何信息、所述排样场地整体的几何信息和所述内场地的几何信息，生成一个所述初始排布方案，包括：

5.根据权利要求4所述的基于遗传算法的矩形件排样方法，其特征在于，根据所述第一坐标序列、所述第二目标矩形件的几何信息、所述排样场地整体的几何信息和所述内场地的几何信息，确定所述第二目标矩形件的摆放情况，包括：

6.根据权利要求1所述的基于遗传算法的矩形件排样方法，其特征在于，利用预设的链式编码遗传算法，对所述初始排布方案种群进行迭代进化处理，得到目标排布方案种群，包括：

7.根据权利要求6所述的基于遗传算法的矩形件排样方法，其特征在于，对所述编码表示后的初始排布方案进行预设次数的迭代进化处理，得到所述至少一个目标排布方案，包括：

8.根据权利要求7所述的基于遗传算法的矩形件排样方法，其特征在于，对第一排布方案进行第一交叉次数的交叉处理，得到第二排布方案，包括：

9.根据权利要求8所述的基于遗传算法的矩形件排样方法，其特征在于，利用预设的坐标组合点放置算法，将所述第一交叉子方案中的矩形件放入所述第二遗传子方案...

【专利技术属性】
技术研发人员：丁妮，王爱民，罗启帆，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：