CN102346810B - 一种大规模数据的网络化分组优化下料方法 - Google Patents

Abstract

本发明公开了一种大规模数据的网络化分组优化下料方法，1)首先由用户在线提交下料任务；2)搜索网络上可利用的下料服务资源，将所有的下料服务资源组建成临时的网络化多软件并行下料服务系统；3)将下料任务拆分形成多个零件片并分配给下料服务系统中所有的下料软件进行求解，得到各个零件片原材料利用率最优的下料结果；4)由下料服务系统合并各个零件片最优的下料结果形成整体下料方案并反馈给用户，用户根据该整体下料方案下料即可。本发明解决了大规模数据下料中算法在时间效率和材料利用率上的矛盾，也解决了单一下料软件不能适用于所有的下料数据结构、构建多软件下料平台存在成本高等问题。

Description

一种大规模数据的网络化分组优化下料方法

技术领域

本发明涉及一种大规模数据的网络化分组优化下料方法，本方法有效解决了大规模数据下料中算法在时间效率和材料利用率上矛盾、单一下料软件不能适用于所有的下料数据结构等问题。

背景技术

大规模数据下料问题中，零件种类的增加可能会因为可行组合方式的增多而得到更高的原材料利用率，所以企业有集成大规模零件进行下料的主客观需要。但大规模零件下料求解存在两方面的困难，一方面，单一下料软件不能适用于所有的下料数据结构，可能出现优化求解失败或者原材料利用率明显降低的问题；另一方面，优化下料问题是具有最高计算复杂性的NP完全问题，零件规模的膨胀带来可行组合方式的增长是爆炸性的，使得算法寻优时间效率低下，且容易陷入局部最优解，造成算法在时间效率和材料利用率这两个问题上的矛盾。

现有对大规模数据下料问题的处理方法主要包括：(1)各种优化算法及其改进算法；(2)分组优化方法。各种优化算法及其改进算法在处理大规模数据下料问题时，一方面通过算法改进增强对不同下料数据结构的适应能力，但下料数据结构变化的多样性与不可预测性，使得算法的改进远远跟不上下料数据结构的变化，每种优化算法自身的局限性使得从算法角度解决对下料数据的普遍适用性问题变得异常困难；另一方面，为了加快算法收敛速度避免计算时间过长，提出了一系列处理方法，包括：设置某一阀值因子控制可行切割方式的生成数量、设置单一排样最低优化效率、限制下料零件的组合方式、设置计算误差精度、设置迭代时间阀值等，其本质都是通过限制遍历全部排样方案的方法终止迭代过程，无法保证下料方案的最优性和稳定性。分组优化方法从算法以外的角度对大规模数据下料问题进行研究，其共同点是以零件的某种特征为基础，将大规模问题拆分为若干个子问题，相对于原问题，子问题优化求解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。但是，目前制订下料方案往往是基于单一的下料软件，而单一下料软件可能在某些下料领域能够获得有效求解，但是在其它一些领域则可能不能够获得有效求解，即不能包罗万象地适用于所有的下料数据结构。如果构建多软件下料平台，又存在成本高等问题。

发明内容

针对现有技术存在的上述不足，本发明的目的在于提供一种大规模数据的网络化分组优化下料方法，本方法有效解决了大规模数据下料中算法在时间效率和材料利用率上的矛盾，也解决了单一下料软件不能适用于所有的下料数据结构、构建多软件下料平台存在成本高等问题。

本发明的技术方案是这样实现的：一种大规模数据的网络化分组优化下料方法，

1)首先由用户通过连接到网络的客户端在线提交下料任务；

2)以接收到用户在线提交的下料任务为优化起点，搜索网络上该时刻可以利用的下料服务资源，将所有的可利用下料服务资源组建成临时的网络化多软件并行下料服务系统，该下料服务系统包括多个下料软件；

3)然后通过零件分组技术将下料任务拆分形成多个零件片，将各个零件片依次分配给下料服务系统中所有的下料软件进行优化求解，所有的下料软件对每一个零件片的优化求解都以并行方式进行，通过结果评判得到各个零件片原材料利用率最优的下料结果；

4)最后由下料服务系统合并各个零件片最优的下料结果形成整体下料方案并通过客户端反馈给用户，用户根据该整体下料方案下料即可。

所述网络上该时刻可以利用的下料服务资源需要满足预先设定的原材料优化利用率、优化时间效率和优化结果稳定性三个条件。

所述下料服务系统包括客户端、服务中心和支持中心；客户端为接口软件，负责接收用户的下料数据以及将下料结果反馈给用户，并进行下料数据的正确性检查；服务中心负责用户注册与身份验证、下料服务资源搜索、下料软件性能评价、下料任务分配、下料数据预处理、下料任务优化、下料结果评判以及下料结果合并与发布；支持中心包括零件分组模块、软件性能评价模块、下料结果评判模块和系统数据库。

所述零件分组技术是利用基于下料零件样本的分组技术对用户提交的待下料零件进行分组，即引入数据库中高效下料方案的历史样本零件对分组过程进行指导，获得多个合理规模的稳定的零件片分组。其具体实现方法为：引入下料服务系统支持中心数据库中的下料零件经验样本对分组过程进行指导，利用改进的K-means算法聚类形成样本零件相似组，构造样本零件相似组最小球体集对待下料零件进行归类分组，将形成的零件球体中心作为初始聚类中心对归类分组余下的零件进行HCM算法聚类，最后根据零件下料配合特征对零件相似组进行抽取分组形成多个零件片，零件在某种原材料上形成套裁方案时所建立的拼合关系定义为零件的下料配合特征。

本发明的最大优点是利用网络上闲散的优化下料资源临时构建网络化多软件并行下料服务系统为用户提供服务，一方面，可以帮助用户节约购买优化下料软件及搭建优化下料平台的硬件成本；另一方面，多软件的并行优化避免采用单一软件对于某些特殊的下料数据结构出现优化失败问题。同时利用零件分组技术实现了大规模数据下料问题的理想拆分，相对于原大规模数据下料问题，单个零件片容易处理，降低了大规模数据下料问题的求解难度，缓解了算法在时间效率和材料利用率上的矛盾，使得单个零件片优化求解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；最后多软件的并行优化及下料结果优选保证了下料方案的最优性。

附图说明

图1本发明中大规模数据的网络化分组优化下料处理模型图；

图2本发明中网络化多软件并行下料服务系统物理拓扑结构图；

图3本发明中基于下料零件样本的分组流程示意图。

具体实施方式

本发明的思路：充分利用网络上闲散的下料服务资源组建成临时的网络化多软件并行下料服务系统，通过零件分组实现原大规模数据下料问题较理想的拆分，将拆分形成的各个零件片依次分配给下料服务系统中所有的下料软件进行优化，最后合并各个零件片最优的下料结果形成整体下料方案反馈给用户，其优化处理模型如图1所示。

具体技术方案如下：

1)首先由用户通过连接到网络的客户端软件在线提交下料任务；

2)以接收到用户在线提交的下料任务为优化起点，搜索网络上该时刻可以利用的下料服务资源，依据原材料优化利用率、优化时间效率和优化结果稳定性三个因素剔除不满足要求的下料服务资源，将满足要求的所有的下料服务资源组建成临时的网络化多软件并行下料服务系统。下料服务资源就是分布于网络上各处的可以利用的下料软件，该下料服务系统包括多个下料软件；

3)然后通过零件分组技术将下料任务拆分形成多个零件片，将各个零件片依次分配给下料服务系统中所有的下料软件进行优化求解，所有的下料软件对每一个零件片的优化求解都以并行方式进行，通过结果评判得到各个零件片原材料利用率最优的下料结果；

4)最后由下料服务系统合并各个零件片最优的下料结果形成整体下料方案并通过客户端反馈给用户，用户根据该整体下料方案下料即可。

所述下料服务系统包括客户端、服务中心、支持中心，客户端是专门开发的接口软件，负责接收用户的下料数据以及将下料结果反馈给用户，并进行下料数据的正确性检查；服务中心负责用户注册与身份验证、下料服务资源搜索、下料软件性能评价、下料任务分配、下料数据预处理、下料任务优化、下料结果评判、下料结果合并与发布等；支持中心包括零件分组模块、软件性能评价模块、下料结果评判模块、系统数据库等，系统物理拓扑结构如图2所示。

所述零件分组技术是利用基于下料零件样本的分组技术对用户提交的待下料零件进行分组，即引入数据库中高效下料方案的历史样本零件对分组过程进行指导，获得多个合理规模的稳定的零件片分组。其具体实现方法为：引入下料服务系统支持中心数据库中的下料零件经验样本对分组过程进行指导，利用改进的K-means算法聚类形成样本零件相似组，构造样本零件相似组最小球体集对待下料零件进行归类分组，将形成的零件球体中心作为初始聚类中心对余下的零件进行HCM算法聚类，最后根据零件下料配合特征对零件相似组进行抽取分组形成多个零件片。

本发明优化下料主要分为如下三个阶段：

1、网络化多软件并行下料服务系统建立阶段

当客户需要获得优化下料服务时，用户通过客户端登陆并按照一定的数据格式提交下料数据和下料要求(原材料利用率、优化时间等)，客户端将通过正确性检查的下料数据上传给中央服务器，中央服务器接收到下料服务请求后利用搜索模块开始搜索网络上可用的空闲优化下料软件资源，在支持中心下料信息数据库中获取搜索到的下料软件的历史优化信息，利用软件性能评价模块对可用的优化下料软件进行评价，剔除不满足原材料利用率、优化时间效率和优化结果稳定性要求的下料软件，对于数据库中没有备案的新加入的软件则直接采用，将符合要求的下料软件进行系统认证注册，包括数据库记录创建、下料数据格式登记等，组建下料服务中心，客户端、服务中心和支持中心一起组成网络化多软件并行下料服务系统。

2、大规模零件分组阶段

网络化多软件并行下料服务系统组建之后，需要利用支持中心的零件分组模块进行零件拆分自动生成合理规模的多个零件片，建立的基于下料零件样本的分组流程如图3所示。设优化排样函数集为F，原材料集为Y，用户设置的原材料优化利用率阈值为ε，具体分组步骤如下：

Step1从下料信息数据库中选择原材料利用率不小于ε的历史下料方案的零件样本X_mark，样本零件下料配合特征关联为T，采用自适应K-means算法对零件样本进行聚类，自动产生相似组G＝{X₁，X₂，…，X_k′}，k′为分组数量；

Step2拾取分组X_i，判断相似零件的下料配合性，若组内包含具有下料配合特征关联的零件，转step3，否则，i＝i+1，转Step4；

Step3对配合零件(x_a，x_b)进行分割，将距X_i中心较远的零件x_b分离，将其添加到X_j(j≠i)，X_j＝{X_j|d_min＝min{d(x_b，o(X_j))}，g((x_l，x_b)，y_e)＝0，x_l∈X_j，y_e∈Y}，其中，o(x_j)表示相似组X_j的中心，d为聚类的距离函数，g为零件下料配合特征关联判断函数，有关联取1，否则取0。若X_j＝φ，创建新的相似组X_b添加到G，x_b∈X_b，i＝i+1，获得新的相似组数量k，转Step4；

Step4若i≤k，转Step2，否则，转Step5；

Step5形成样本零件相似组G＝{X₁，X₂，…，X_k′，…，X_k}，求取X_k零件球体的中心v_k，使中心到最远样本的距离最小，获得样本零件的最小球体集S＝{s₁(v₁)，s₂(v₂)，…，s_k(v_k)}，s_j(v_j)的球体半径为r_j。若待下料零件

落在球体s_j(v_j)内，即

将增加到s_j(v_j)，完成大部分待下料零件X_deal的归类分组，转Step6；

Step6将球体中心v_k作为HCM算法的初始聚类中心，通过改进的HCM聚类算法将余下的待下料零件划分为k个零件相似组G′＝{X′₁，X′₂，…，X′_k}，删除初始零件样本，G＝G-X_mark，则X_deal＝G∪G′＝{X₁，X₂，…，X_k}∪{X′₁，X′₂，…，X′_k}-X_mark，转Step7；

Step7获得

使得f(G，Y)＝max{f_j(G，Y)，f_j∈F}≥ε，T_sub作为G的抽取分组依据，转Step8；

Step8若有T′_sub∈T，使得f(G′，Y)＝max{f_j(G′，Y)，f_j∈F}≥ε，T′_sub作为G′的抽取分组依据，否则计算G′中各相似组的聚类中心，将距离聚类中心最近的零件作为相似组中心，

对P_V进行优化获取T′_sub，使得f(P_V，Y)＝max{f_j(P_V，Y)，f_j∈F}≥ε，转Step9；

Step9根据T_sub与T′_sub分别在G与G′中抽取具有下料配合特征关联的零件，形成零件分组{S₁，S₂，…，S_l}，S_l为零件片。

3、多软件并行优化与结果合并阶段

通过零件分组将大规模下料零件拆分成多个零件片，每个零件片对应一个可以单独优化处理的下料子任务。零件分组模块将形成的零件片上传给中央服务器，优化任务分配前利用下料数据预处理模块将各组零件片的下料数据转换成各个下料软件能够识别的数据格式，任务分配模块依次将对应数据格式的零件片下料子任务分配给系统中所有的软件进行优化处理，优化完成后各个软件将优化下料结果反馈给中央服务器，对于获得的每个零件片的多个优化结果，利用下料结果评判模块选出材料利用率最高的下料方案，待所有的零件片优化完毕，合并各个零件片最优的下料结果形成整体下料方案，最后将整体下料方案通过客户端反馈给用户，并将下料信息在数据库中进行记录。用户若不满意下料结果，只需修改下料要求重新提交下料请求。

本发明具有以下特性：

(1)应用软件的分布性。所有网络上分散、可利用的优化下料算法软件都可以按照一定的规则加入到系统中，参与下料任务的优化处理；

(2)计算硬件资源的分布性。所有网络上分散的计算硬件资源都可以按照一定的规则加入到系统中，参与完成计算任务；

(3)可扩展性。应用算法软件和计算硬件资源等服务节点数目可根据终端用户服务需求即时增加或减少；

(4)高可靠性。某个或某些下料软件的故障或不可靠运行，系统性能不会显著下降或引起系统崩溃，不会影响系统的可靠运行，系统通过分布性实现了高可靠性；

(5)易操作性。用户只需要通过客户端软件提交下料数据和下载优化结果即可，操作简单；

(6)高度自动性。任务分配、计算资源的配置等，都通过软件自动完成，无需人工参与。

Claims (3)

1.一种大规模数据的网络化分组优化下料方法，其特征在于，其步骤为：

1）首先由用户通过连接到网络的客户端在线提交下料任务；

2）以接收到用户在线提交的下料任务为优化起点，搜索网络上该时刻可以利用的下料服务资源，将所有的可利用下料服务资源组建成临时的网络化多软件并行下料服务系统，该下料服务系统包括多个下料软件；

3）然后通过零件分组技术将下料任务拆分形成多个零件片，将各个零件片依次分配给下料服务系统中所有的下料软件进行优化求解，所有的下料软件对每一个零件片的优化求解都以并行方式进行，通过结果评判得到各个零件片原材料利用率最优的下料结果；

所述零件分组技术是利用基于下料零件样本的分组技术对用户提交的待下料零件进行分组，即引入数据库中高效下料方案的历史样本零件对分组过程进行指导，获得多个合理规模的稳定的零件片分组；具体实现方法为：引入下料服务系统支持中心数据库中的下料零件经验样本对分组过程进行指导，利用改进的K-means算法聚类形成样本零件相似组，构造样本零件相似组最小球体集对待下料零件进行归类分组，将形成的零件球体中心作为初始聚类中心对归类分组余下的零件进行HCM算法聚类，最后根据零件下料配合特征对零件相似组进行抽取分组形成多个零件片；

具体分组步骤如下，设优化排样函数集为F，原材料集为Y，用户设置的原材料优化利用率阈值为ε，

Step1从下料信息数据库中选择原材料利用率不小于ε的历史下料方案的零件样本X_mark，样本零件下料配合特征关联为T，采用自适应K-means算法对零件样本进行聚类，自动产生相似组G={X₁,X₂,…,X_k′}，k′为分组数量；

Step2拾取分组X_i，判断相似零件的下料配合性，若组内包含具有下料配合特征关联的零件，转step3，否则，i=i+1，转Step4；

Step3对配合零件(x_a,x_b)进行分割，将距X_i中心较远的零件x_b分离，将其添加到X_j（j≠i），X_j={X_j|d_min=min{d(x_b,o(X_j))},g((x_l,x_b),y_e)=0,x_l∈X_j,y_e∈Y}，其中，o(X_j)表示相似组X_j的中心，d为聚类的距离函数，g为零件下料配合特征关联判断函数，有关联取1，否则取0；若X_j=φ，创建新的相似组X_b添加到G，x_b∈X_b，i=i+1，获得新的相似组数量k，转Step4；

Step4若i≤k，转Step2，否则，转Step5；

Step5形成样本零件相似组G={X₁,X₂,…,X_k′,…,X_k}，求取X_k零件球体的中心v_k，使中心到最远样本的距离最小，获得样本零件的最小球体集S={s₁(v₁),s₂(v₂),…,s_k(v_k)}，s_j(v_j)的球体半径为r_j；若待下料零件

落在球体s_j(v_j)内，即

将

增加到s_j(v_j)，完成大部分待下料零件X_deal的归类分组，转Step6；

Step6将球体中心v_k作为HCM算法的初始聚类中心，通过改进的HCM聚类算法将余下的待下料零件划分为k个零件相似组G′={X′₁,X′₂,…,X′_k},删除初始零件样本，G=G-X_mark，则X_deal=G∪G′={X₁,X₂,…X_k}∪{X′₁,X′₂,…X′_k}-X_mark,转Step7；

Step7获得

使得f(G,Y)=max{f_j(G,Y),f_j∈F}≥ε，T_sub作为G的抽取分组依据，转Step8；

Step8若有T′_sub∈T使得f(G′,Y)=max{f_j(G′,Y),f_j∈F}≥ε，T′_sub作为G′的抽取分组依据，否则计算G′中各相似组的聚类中心，将距离聚类中心最近的零件作为相似组中心，P_V={p_v1,p_v2,…,p_vk}，对P_V进行优化获取T′_sub,使得f(P_V,Y)=max{f_j(P_V,Y),f_j∈F}≥ε，转Step9；

Step9根据T_sub与T′_sub分别在G与G′中抽取具有下料配合特征关联的零件，形成零件分组{S₁,S₂,…,S_l}，S_l为零件片；

4）最后由下料服务系统合并各个零件片最优的下料结果形成整体下料方案，并通过客户端反馈给用户，用户根据该整体下料方案下料即可。

2.根据权利要求1所述的大规模数据的网络化分组优化下料方法，其特征在于：所述网络上该时刻可以利用的下料服务资源需要满足预先设定的原材料优化利用率、优化时间效率和优化结果稳定性三个条件。

3.根据权利要求1所述的大规模数据的网络化分组优化下料方法，其特征在于：所述下料服务系统包括客户端、服务中心和支持中心；客户端为接口软件，负责接收用户的下料数据以及将下料结果反馈给用户，并进行下料数据的正确性检查；服务中心负责用户注册与身份验证、下料服务资源搜索、下料软件性能评价、下料任务分配、下料数据预处理、下料任务优化、下料结果评判以及下料结果合并与发布；支持中心包括零件分组模块、软件性能评价模块、下料结果评判模块和系统数据库。

Images