基于下料特征的大规模零件分组优化方法技术

本发明专利技术公开了一种基于下料特征的大规模零件分组优化方法，其具体步骤为：(1)基于相似性特征的零件分组，得到不同的零件相似组，每个零件划归入一个零件相似组；(2)基于下料配合特征的零件重组，重组后的每个零件相似组对应一个优化下料子问题；(3)零件优化补偿，优化过程中对零件的组间分布进行动态补偿，最后合并各组优化结果得到原问题的下料方案。本发明专利技术能实现零件的自适应分组，并可获得合理的稳定的零件分组，避免了具体聚类算法对分组结果的影响，缓解了算法在时间效率和材料利用率上的矛盾。

【技术实现步骤摘要】

本专利技术涉及一种，本方法通过零件分组优化能够缓解算法在时间效率和材料利用率上的矛盾，获得高材料利用率的稳定的下料方案。
技术介绍
优化下料问题是具有最高计算复杂性的NP完全问题，零件种类的增加所带来的可行组合方式的增长是爆炸性的，造成算法寻优时间效率低下，且容易陷入局部最优解，以损失材料利用率换取时间求解效率的做法已难以满足企业的应用需要，造成算法在时间效率和材料利用率这2个问题上的矛盾。因此，在算法本身不能很好处理大规模零件下料问题的情况下，从分组优化角度对大规模零件下料问题进行研究是十分必要的。其可行性基于以下事实(1)提高优化时效性。将大规模问题拆分为若干个子问题，通过解空间分散降低整体求解难度，提高优化时间效率。( 下料问题的可拆分性。切割方案构成和零件分布具有明显的局部特征，即每个切割方案只包括部分种类的零件，某种零件也只会在部分切割方案中存在，通过合理的分组可以将无关的零件强行隔离而不会影响优化效果。(3)时间效率与材料利用率的统一。相对于原问题，单个分组优化具有明显的时效性优势，为寻得更优的下料方案提供了时间条件。现有对零件分组优化下料的研究主要集中在如何获得合理的稳定的零件分组，大多利用各种聚类算法实现对零件的相似性分组，由于各种聚类算法在初始聚类中心、收敛性、局部最优解等问题上的局限性，使得分组结果对具体聚类算法的依赖较大，在对零件数据变化的适应性、分组结果的稳定性等方面还不理想。分组优化过程中，欠缺对零件合理补偿策略的考虑，需要在不破坏较优分组的情况下提高较次分组的质量以巩固分组效果，提高整体材料优化利用率。
技术实现思路
针对现有技术存在的上述不足，本专利技术的目的在于提供一种，本方法能实现零件的自适应分组，并可获得合理的稳定的零件分组， 避免了具体聚类算法对分组结果的影响，缓解了算法在时间效率和材料利用率上的矛盾。本专利技术的技术方案是这样实现的，其具体步骤为(1)基于相似性特征的零件分组-零件优化任务下达之后，首先根据零件相似性特征建立样本零件相似特征关联有权无向图，通过对无向图最小生成树MST的分割生成样本零件相似组，利用样本零件相似组对所有待下料零件进行过滤分组，从而得到不同的零件相似组，每个零件划归入一个零件相似组；本步骤利用图论方法对样本零件的相似性特征关联进行分析，构建样本零件相似特征关联有权无向图MST，通过裁减掉具有下料配合特征关联的零件边和不满足距离要求的零件边对MST进行分割，自动完成样本零件的相似性分组，然后将待下料零件添加到距离最近的相似组完成分组。避免了采用具体聚类算法在收敛性、局部最优解等方面的问题，使得相似分组结果摆脱对具体聚类算法的依赖。(2)基于下料配合特征的零件重组-将第(1)步得到的各零件相似组分别以抽象零件代替，再基于零件间的下料配合特征建立抽象零件下料配合特征关联有权无向图，依据该无向图最小生成树MST体现的零件最优下料配合性实现零件相似组的重组，重组后的每个零件相似组对应一个优化下料子问题；(3)零件优化补偿-首先根据重组后的零件相似组的材料优化利用率对各组进行降序排列，优化过程中对零件的组间分布进行动态补偿，最后合并各组优化结果得到原问题的下料方案。动态补偿时将被摒弃的零件自动增加到下一分组，实现零件的组间动态补偿，在不破坏较优分组的情况下提高了较次分组的质量，有利于整体材料优化利用率的提尚ο设大规模零件下料问题记为T。ut = (P，Y，T，S)，其中，零件集^ = ({Pi,mi'A,-S^limJKm2'A,J-S-SjPncimJj' Pi, J 表示第 j 种套裁方式上的第i种零件分布，原材料集F = |ymi，I2，…，_y J，零件下料特征关联为τ = ITsim，TsynI，Tsiffl表示零件间的相似特征集，可用零件间的欧式距离d (Pi，Pj)进行描述，Tsyn表示第 m,种原材上的零件下料配合特征集，判别函数如下所示“ 、V、-/1， p^p' e Wmq,P2^-,Pnc^
l^Tsyn,yc=ymq,pl^p]其他同一套裁方式上的零件具有下料配合特征关联，判别函数值取1，否则取0 ;S = (S1, S2,…，Sr)表示优化算法函数集，输出值为材料优化利用率k，材料优化利用率越高则表示零件间的下料配合性越好；k = max Is1 (PuP2,…,Pi,^yj) | i G (]^, ,…，nc),je 0 ,! ...,! ), S1 e S}设样本零件集为PmaA，最低原材料优化利用率阈值为κ，则样本应满足如下条件S1(PmarkiY) = max Is1 (PljjiP2jj,…，Pi, j，y』)I Pi, j e P耐k，j e (mi; m2 — , mq)}彡 κ (2)定义1将零件作为顶点N = P，零件间的相似特征关联作为边E= (Tsiffl (Pi, Pj) |Pi, Pj e P，i乒j}，将d(Pi，Pj)作为边的权值，则P关于d的加权图Gd(P) = (N, E)称为零件相似特征关联有权无向图；定义2将零件作为顶点N = P，零件间的下料配合特征关联作为边E = {Tsyn(Pi， Pj) |Pi，Pj e p，i乒j}，将材料利用率k作为边的权值，则P关于k的加权图(ik⑵=(N，E) 称为零件下料配合特征关联有权无向图；定义3 对于零件集 P' e ？,/Pi,P]gP\v. ^ p., g((p., p.), tl, yc) =0，且咖， Pj) < β，β为距离阈值，则称P'为抽象零件，代表一个零件相似组；第(1)步基于相似性特征的零件分组步骤为St印1设定材料利用率阈值κ，利用式2选择样本零件集Pmart,计算样本零件间的距离d(Pi，，构建样本零件相似特征关联有权无向图；St印2采用Kruskal算法求解有权无向图最小生成树MST ；Step3利用式1判断样本零件间的下料配合特征，若g((Pi，Pj)，t1 yc) = 1，裁减掉连接两零件的边；St印4计算距离阈值β，在MST中裁减掉距离大于β的边；St印5每个连通子树对应一个样本零件相似组，将MST分割后形成的连通子树输出，形成η个样本零件相似组，Pmark = (G1, G2, -,GJ ；St印6将距离Gi聚类中心最近的样本零件作为样本零件相似组中心，pv = \pVl,pV2,---,pVn\'St印7依次拾取待下料零件P e Pdeal，计算与样本零件相似组中心的距离 d(p,pVj)，将ρ添加到d = mm\i(p,pVj 对应的相似组；St印8算法结束，输出零件相似组P = Pmark+Pdeal = (G1, G2,…，GJ ；第( 步基于下料配合特征的零件重组步骤为St印9重新计算各零件相似组的聚类中心，将距离Gi聚类中心最近的零件作为零件相似组中心，尽=氏，凡2，.，凡 };SteplO若沏；^Pv ^ ^rf，获取& e S，使得& (Pv, Y)彡κ，增加与该下料方案对应的零件间的下料配合特征关联；Stepll 生成抽象零件 P'，利用对应关系 tmax = ItJti -S1- IimaxJi e T' syn}， 将最高材料利用率对应的零件下料配合特征关联作为本文档来自技高网...

【技术保护点】
１．基于下料特征的大规模零件分组优化方法，其特征在于，其步骤为：（１）基于相似性特征的零件分组－零件优化任务下达之后，首先根据零件相似性特征建立样本零件相似特征关联有权无向图，样本零件是指原材料利用率不小于设定的最低原材料利用率阈值的历史下料方案的零件，通过对无向图最小生成树ＭＳＴ的分割生成样本零件相似组，利用样本零件相似组对所有待下料零件进行过滤分组，从而得到不同的零件相似组，每个零件划归入一个零件相似组；（２）基于下料配合特征的零件重组－将第（１）步得到的各零件相似组分别以抽象零件代替，再基于零件间的下料配合特征建立抽象零件下料配合特征关联有权无向图，依据该无向图最小生成树ＭＳＴ体现的零件最优下料配合性实现零件相似组的重组，重组后的每个零件相似组对应一个优化下料子问题；（３）零件优化补偿－首先根据重组后的零件相似组的材料优化利用率对各组进行降序排列，优化过程中对零件的组间分布进行动态补偿，最后合并各组优化结果得到原问题的下料方案。

【技术特征摘要】
1.基于下料特征的大规模零件分组优化方法，其特征在于，其步骤为(1)基于相似性特征的零件分组-零件优化任务下达之后，首先根据零件相似性特征建立样本零件相似特征关联有权无向图，样本零件是指原材料利用率不小于设定的最低原材料利用率阈值的历史下料方案的零件，通过对无向图最小生成树MST的分割生成样本零件相似组，利用样本零件相似组对所有待下料零件进行过滤分组，从而得到不同的零件相似组，每个零件划归入一个零件相似组；(2)基于下料配合特征的零件重组-将第(1)步得到的各零件相似组分别以抽象零件代替，再基于零件间的下料配合特征建立抽象零件下料配合特征关联有权无向图，依据该无向图最小生成树MST体现的零件最优下料配合性实现零件相似组的重组，重组后的每个零件相似组对应一个优化下料子问题；(3)零件优化补偿-首先根据重组后的零件相似组的材料优化利用率对各组进行降序排列，优化过程中对零件的组间分布进行动态补偿，最后合并各组优化结果得到原问题的下料方案。2.根据权利要求1所述的基于下料特征的大规模零件分组优化方法， 其特征在于设大规模零件下料问题记为T。ut = (P，Y，T，S)，其中，零件集^ = ({pi,mi'A,-S^limJKm2'A,J-S-SjPncimJj' Pi, j 表示第 j 种套裁方式上的第i种零件分布，原材料集F = |ymi，I2，…，_y J，零件下料特征关联为τ = ITsim，TsynI，Tsiffl表示零件间的相似特征集，可用零件间的欧式距离d (Pi，Pj)进行描述，Tsyn表示第 m,种原材上的零件下料配合特征集，判别函数如下所示其他同一套裁方式上的零件具有下料配合特征关联，判别函数值取1，否则取0 ;S = (S1, S2,…，Sr)表示优化算法函数集，输出值为材料优化利用率k，材料优化利用率越高则表示零件间的下料配合性越好；k = max (S1 (Plj j, p2jJ,…，Pi,」，y」)| i G (Ii1, n2, ...，nc),je (Iii1, m2..., mq), S1 e S}设样本零件集为PmaA，最低原材料优化利用率阈值为K，则样本应满足如下条件Si(Pmark，Y) = max Is1 (Plj j, p2jJ, Pijj, Yj) Pijj e Pmark，j e (Hi1, m2—, mq)}彡 κ (2)定义1将零件作为顶点N = P，零件间的相似特征关联作为边E = (Tsiffl(Pi, Pj) |Pi, Pj e P，i乒j}，将d(Pi，Pj)作为边的权值，则P关于d的加权图Gd(P) = (N, E)称为零件相似特征关联有权无向图；定义2将零件作为顶点N = P，零件间的下料配合特征关联作为边E= {Ts...

【专利技术属性】
技术研发人员：阎春平，覃斌，黄圻，王舟洲，刘英，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85