一种基于分层随机搜索算法的启发式一维下料方法技术

本发明专利技术公开了一种基于分层随机搜索算法的一维下料方法，包括：A、参数化模型表示一维下料问题；B、坯料组合预处理；C、通过随机搜索和深度搜索组合而成的分层随机搜索算法获取多种排样方式；D、按启发式规则选出最优排样方式；E、将最优排样方式及其不超过坯料当前需求最多能被重复使用的次数加入到当前排样方案中，并更新待排样坯料集；F、重复C、D、E的过程，直到待排样坯料的总长度小于原材料长度，输出当前排样方案；G、多次重复B、C、D、E、F的过程，然后对所有排样方案进行比较筛选，获得最优排样方案。本发明专利技术能避免传统随机搜索算法的盲目性，计算速度快，获得的排样方案适应实际生产需要。

【技术实现步骤摘要】

本专利技术属于整数非线性规划领域，具体涉及。
技术介绍
在现代工业生产中，包括钢铁、建材、纸卷、薄膜等行业，都存在着如何排单下料问题，其中一维下料问题是生产中面临的最普遍的问题。所谓一维下料问题，是指原材料和所需材料维数都为一维时，在已知的订单要求和原料数据下如何优化切割下料，使得原材料尽量得到充分利用，成本尽量得到节约的规划问题。下料排单问题属于NP问题，通常认为没有一种方法能一定找到NP问题的最优解。一般来说求解该问题有两种方法:一种是基于求解整数非线性规划的方法，另一种是启发式算法。在现有的解决一维下料问题的方法中，诸如以列生成法为代表的线性规划方法，存在以下几个问题:(I)生成的解一般不是整数解，须进行取整优化，但取整优化后又易导致下料产生的坯料数超过原需求；(2)生成的解所含排样方式数较多，使得实际生产中需多次调整切割机器；(3)当订单中需求的坯料种类较多时，算法的计算时间剧增，难以适应实际需要。而启发式算法如顺序启发式算法、遗传算法、蚁群算法等智能算法通过动态地设立相应规则或价值评价公式，这些规则或价值评价公式意味着最终解的目的和方向，可以引导算法动态的向这些目的和方向靠近，从而找到针对该问题的近最优解。查询关键词“下料方法”，发现如下专利申请:申请号为200810227039.1的中国专利申请“一种节省原材料的一维下料方法”；申请号为201110139183.1的中国专利申请“智能筛钢筋优化下料方法”。以上专利申请均是用来解决一维下料的实际问题。申请号为201110139183.1的中国专利申请“智能筛钢筋优化下料方法”，在获取钢筋下料组合的时候采取了遍历法，在样本坯料种类还比较少的情况下还可以适合，但当样本坯料种类增加，其下料组合数呈指数函数态上升，显然此方法不适合解决大规模下料问题。而对于传统的启发式随机搜索算法，参考《基于基因群体的一维优化下料》上海交通大学学报2006年第6期，随机方式产生下料初始解时,一般都会出现同一根原料上的全部零件或坯料长度之和超过其长度限制，即很容易出现不可行解的不利情况；当下料规模增大时，由于随机搜索域比可行解域大得多得多，传统随机搜索算法的盲目性将使得初始化可行解集要花费大量的计算时间，不利于应用到实际生产中去。一维下料方法还应考虑应用中对排样方式数的要求，在工业生产实际中对原材料进行下料切割时，由于调整切割机器等需花费额外的人力物力，因此企业会倾向于排样方式数少的排样方案。
技术实现思路
针对现有技术上的不足，本专利技术主要目的在于提供一种解决大规模多坯料种类的一维下料方法，能够根据原材料的长度和需求坯料的长度、需求数量在较短的时间内自动计算出优异的排样方案。为了克服传统随机搜索算法的盲目性，本专利技术采用了分层搜索策略，通过第二层的深度搜索来确保第一层随机搜索的有效性，使得每次获取的排样方式都是一个可行解。而为了满足工业应用对排样方式数的要求，本专利技术在启发式规则中采用了优先选择能被更多次数重复使用的排样方式。为实现上述目的，本专利技术采用的技术方案如下:，所述方法包括以下步骤:A、将一维下料问题以参数化模型表示:原材料的长度为L，下料任务中共有m种不同长度规格的坯料，长度分别为I1,I2……Im，所对应的需求数分别为Clpd2……dm;下料问题的解为由多种排样方式可重复地组合成的排样方案，其中排样方式为用各种规格坯料组合成总长度小于原材料长度L的一种下料方式，每种排样方式的余料长度为原材料长度L减去该排样方式中坯料组合长度后的差值；设排样方案中共有η种排样方式，每一种排样方式的重复使用次数分别为X1, X2……Xn,第i种排样方式中每个坯料 的数量分别为ail; ai2……aim，其中i表示第i种排样方式；设Z为下料将要使用的原材料总根数，以消耗原材料总根数最少为目标函数，则一维下料问题的目标和约束关系分别为:本文档来自技高网...

【技术保护点】
一种基于分层随机搜索算法的启发式一维下料方法，其特征在于，所述方法包括以下步骤：A、将一维下料问题以参数化模型表示：原材料的长度为L，下料任务中共有m种不同长度规格的坯料，长度分别为l1，l2……lm，所对应的需求数分别为d1，d2……dm；下料问题的解为由多种排样方式可重复地组合成的排样方案，其中排样方式为用各种规格坯料组合成总长度小于原材料长度L的一种下料方式，每种排样方式的余料长度为原材料长度L减去该排样方式中坯料组合长度后的差值；设排样方案中共有n种排样方式，每一种排样方式的重复使用次数分别为x1，x2……xn，第i种排样方式中每个坯料的数量分别为ai1，ai2……aim，其中i表示第i种排样方式；设Z为下料将要使用的原材料总根数，以消耗原材料总根数最少为目标函数，则一维下料问题的目标和约束关系分别为：MinZ=Σi=1nxiStΣi=1naij·xi=dj,j＝1，2......mΣj=1maij·lj≤L,i＝1，2......n其中，xi和aij均为整数且xi＞0，aij≥0；B、坯料组合预处理，初始化下料任务为所有待排样坯料集，并令当前排样方案为空；C、通过分层随机搜索算法获取多种排样方式，组成排样方式样本；D、对获取的每种排样方式，根据其不超过坯料当前需求最多能被重复使用的次数和对应的余料长度，按启发式规则优选出评价值最高的排样方式；E、将评价值最高的排样方式以其不超过坯料当前需求最多能被重复使用的次数重复组合后加入到当前排样方案中；再从下料任务中按所述排样方式和次数扣除待排样坯料，更新所有规格坯料的待排样需求数，得到新的下料任务；F、重复C、D、E的过程，直到更新后的下料任务中待排样坯料的总长度小于原材料长度L，此时将剩余待排样坯料的组合作为最后一种排样方式加入到当前排样方案中，得到一个完整的当前排样方案并记录该排样方案；G、多次重复B、C、D、E、F的过程，然后对记录的所有排样方案进行比较筛选，以所筛选出的最优排样方案作为一维下料问题的解。...

【技术特征摘要】
1.一种基于分层随机搜索算法的启发式一维下料方法，其特征在于，所述方法包括以下步骤: A、将一维下料问题以参数化模型表示: 原材料的长度为L，下料任务中共有m种不同长度规格的坯料，长度分别为I1, I2……Im，所对应的需求数分别为屯，d2……dm ;下料问题的解为由多种排样方式可重复地组合成的排样方案，其中排样方式为用各种规格坯料组合成总长度小于原材料长度L的一种下料方式，每种排样方式的余料长度为原材料长度L减去该排样方式中坯料组合长度后的差值；设排样方案中共有η种排样方式，每一种排样方式的重复使用次数分别为Xl，X2……χη，第i种排样方式中每个坯料的数量分别为an，ai2……aim，其中i表示第i种排样方式；设Z为下料将要使用的原材料总根数，以消耗原材料总根数最少为目标函数，则一维下料问题的目标和约束关系分别为:2.如权利要求1所述的一种基于分层随机搜索算法的启发式一维下料方法，其特征在于，步骤B中所述的坯料组合预处理按照以下方式进行: 先将m种坯料按长度从小到大排列，各坯料对应长度分别为C1, C2……Cm ； 然后在m种坯料中可重复地进行选择和组合，把个数为I到N的坯料集合为一个深度组合，所述深度组合一共有M个，且M的值为: M = m1+!!!2+...+mN, 最后，将M个组合按各组合内坯料的长度和从小到大排好序。3.如权利要求1所述的一种基于分层随机搜索算法的启发式一维下料方法，其特征在于，步骤C中所述的分层随机搜索算法包括两个层次的搜索，第一层为轮盘赌随机搜索，第二层为深度搜索；在第一层搜索过程...

【专利技术属性】
技术研发人员：卢伟康，邹细勇，王国建，孟灿，金尚忠，
申请(专利权)人：中国计量学院，
类型：发明
国别省市：