CN103500255A - 用于矩形件的智能排样方法 - Google Patents
用于矩形件的智能排样方法 Download PDFInfo
- Publication number
- CN103500255A CN103500255A CN201310483406.5A CN201310483406A CN103500255A CN 103500255 A CN103500255 A CN 103500255A CN 201310483406 A CN201310483406 A CN 201310483406A CN 103500255 A CN103500255 A CN 103500255A
- Authority
- CN
- China
- Prior art keywords
- rectangle
- rectangular
- shaped piece
- subsistence
- chromosome
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于矩形件的智能排样方法,包括下列步骤:S1:初始化遗传算法的相关参数;S2:从待排样矩形件库中提取矩形件的相关信息;S3:从板材库中提取原料板的相关信息;S4:对所获得信息进行编码,并随机生成初始种群;S5:利用最低水平线搜索算法对上述初始种群进行逐一解码,以获得解的利用率;S6:遗传算法选择、交叉、变异操作,直到迭代结束,并输出最优排样方案。按照本发明的智能排样方法,可以很好地满足矩形件的工艺要求,并且采用了智能算法和启发式算法相结合,能快速高效寻找到一种优化方案,由此大大提高了企业的材料利用率且能显著缩短排样时间,提高排样效率。
Description
技术领域
本发明属于加工件排样领域,尤其涉及一种用于矩形件的智能排样方法。
背景技术
排样问题是一个在金属制造业、造纸业、玻璃制造、家具制造业、汽车制造业等制造领域生产实践中普遍遇到的问题,有效的排样方法可以使企业按照最优的方式对所需求的零件进行切割,从而可以极大地提高原材料的利用率以及切割效率,进而提升企业的经济效益。
传统的排样方式多采用人工排样下料,由操作工人按照零件尺寸和数量在原料板上简单排列切割下料。这种传统的手工排样下料生产方式容易造成大量边角余料,且企业不能做到排样预算。
对于矩形件的排样优化而言,现有的优化排样方法往往没有考虑矩形件的特殊工艺、具有纤维方向、“一刀切”(所谓一刀切,就是指矩形件的下料设备如锯床和剪床机等在加工时只能沿着某一方向进行切割,直至此次切割完成),因此不能适用于矩形件“一刀切”的排样优化。采用人工对矩形件进行排样,效率低下且排样效果不理想,因此如何根据矩形的特定工艺要求及其自身的特性,来定制符合矩形件的加工要求,能够更有效的利用原材料、大幅度降低生产成本并且效率更高的排样方法,已经成为业内迫切的技术要求。
因此,亟需研发出解决上述问题的有效措施。
发明内容
为解决上述技术问题,本发明的目的在于提供一种能够更有效地利用原材料、排样结果符合的用于矩形件的智能排样方法。
本发明提供了一种用于矩形件的智能排样方法,包括下列步骤:
S1:设定遗传算法中包括种群population、迭代次数T、交叉概率Pc以及变异概率Pm在内的参数;
S2:从矩形零件库选择待排样的矩形件,并提取包括矩形种类K、各种类矩形的数量ni、各种类矩形的尺寸即纤维方向的长li和非纤维向的宽wi,以及矩形排样时是否存在纤维方向要求在内的矩形相关信息,并对每一个矩形进行十进制整数编码,由此形成一个矩形序列;
S3:从原料库选择符合上述矩形件排样要求的矩形板材,并提取包括板材序号、数量、各序号板材的尺寸即纤维方向的长和非纤维方向的宽在内的板材相关信息;
S4:根据上述矩形件信息随机生成遗传算法的初始种群population,其中每个染色体(染色体为矩形件排样的一个序列也即矩形排样的一个解)就是矩形件的一个排样序列,矩形件的排样序列就是根据矩形个数编码号构成的不重复的随机序列。
S5:利用最低水平线搜索算法对所获得初始种群进行解码,其中对每条染色体的解码具体步骤如下:
S201:设置初始最高轮廓线为板材底边;
S202:每当要排入一个矩形Ri,就在最高轮廓线集中选取最低的一段水平线,如果有数段,则选择最左边的一段,测试该段最低水平线的宽度是否大于等于要排矩形的宽度;
①如果该最低水平线的宽度大于等于要排矩形Ri的宽度,并且排入高度不超出原料板的边界,则将该矩形排在此位置,同时更新最高轮廓线集。否则,从矩形Ri所在的位置开始向后搜索可以放进最低水平线的矩形,即从{Ri+1...Rj...RN}中搜索比较与最低水平线宽度最吻合的矩形排入;如果矩形Rj的宽度与最低水平线最相近且不超出原料板高度,则将矩形Rj排入,同时交换矩形Ri与Rj的位置,{R1,R2,...Rj,...Ri,...RN},更新最高轮廓线集;
②否则,从该矩形所在的位置开始向后搜索可以放进最低水平线且不超出原料板高度的矩形,比较与最低水平线宽度最吻合矩形件排入,并交换这两个矩形的位置,同时更新最高轮廓线集;
③如果没有可以排进最低水平线的矩形,则将最低水平线提高至与高度较低的一段齐平,更新最高轮廓线集。当抬高最低水平线不能排进任何矩形时,重新加一块原料板;
S203:重复步骤S202,直到排下该矩形件;
S204:重复S202、S203直到所有矩形件排放完成;
S6:利用上述步骤S5获得的解码结果生成排样方案图,并可以计算得到每个解对应的排样利用率,并保留最大利用率gbest(全局最优解即全局最大利用率)以及对应的染色体序列;利用遗传算法中轮盘赌选择算子从中选出数量为population个数的个体进入下一步;
S7:对上述步骤S6筛选出的population中的每相邻的两个染色体都随机产生一个处于0~1之间数值rc,若rc小于遗传算法的交叉概率Pc,则对这两条染色体进行部分匹配交叉运算,若rc大于等于遗传算法的交叉概率Pc,则对这两条染色序列体保持不变;
S8:对上述步骤S7所得到的population中的每一条染色体都随机产生一个处于0~1之间的数值rm,若rm小于遗传算法的变异概率Pm,则对该染色体执行变异运算,若rm大于等于遗传算法的变异概率Pm,则该染色体序列保持不变;
S9:对上述步骤S8所得到的population中的每一个染色体用最低水平线搜索算法进行解码,得到对应的排样图及板材利用率,同时记录这个population中的最高利用率lbest(局部最优解即局部最大利用率)以及对应的染色体,并比较lbest与gbest的大小,若lbest大于gbest,则将lbest赋值给gbest,同时将lbest对应的染色体序列赋给gbest;
S10:重复以上S6-S9,直到迭代次数达到设定的迭代次数T为止;
上述优化步骤S7中执行部分匹配交叉运算的具体子步骤包括:
S301:分别随机选择出相邻两个染色体序列中处于相同位置上的一部分连续数字,同时交换A1与A2的这两个部分的连续数字;
S302:对于所获得的2组连续数字中相同的数,按照第一组数字位置保持不变、第二组数字调换位置以使该相同数字处于与第一组相同位置,然后在两组数字中共同约掉相同数字的原则来执行操作,由此获得新的对应关系;
S303:将上述2个染色体序列中处于相同位置上的所述那部分连续数字予以交换;
S304:将上述2个染色体序列中除去所述部分连续数字之外的其他部分数字,用上述约掉相同的数所获得的对应关系进行替换,由此完成部分匹配交叉操作过程并获得新的2个染色体序列。
上述优化步骤S8中执行变异运算的具体子步骤包括:
S401:随机生成一个处于0~1之间数值r,如果r大于0.5,则对该染色体进行位置变异,否则进行旋转变异;
S402:位置变异:随机选出2个进行位置变异的数字,交换这两个数字的位置;
S403:旋转变异:随机选出1个进行旋转变异的数字,将该数字变为其相反数。
本发明的有益效果为:按照本发明的智能排样方法,可以很好地满足矩形件的工艺要求,并且采用了智能算法和启发式算法相结合,能快速高效寻找到一种优化方案,由此大大提高了企业的材料利用率且能显著缩短排样时间,提高排样效率。
附图说明
图1是矩形件“一刀切”排样方法流程图;
图2是最低水平线搜索算法排样的流程方框图;
图3是排样结果示意图;
图4是自动排样方法的收敛速度图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实例仅仅用于解释本发明,并不用于限定本发明。
作为本领域的技术人员所理解的,表现为矩形件的排样方法存在自身的工艺要求及约束,具体来说,譬如包括:
(1)任意两个矩形件不重叠且矩形件均不能超出矩形板材的边界;
(2)被排放矩形件的边要平行于矩形板材的边;
(3)原料板本身具有纤维方向,而待排矩形件中的部分矩形存在纤维方向要求,部分矩形不存在纤维方向,故单种矩形能否竖排(本文规定矩形编码为正数表示矩形横排,编码为负数则表示矩形竖排)要根据矩形自身属性而定;
(4)矩形排样后要满足“一刀切”的下料工艺;
本发明首先对上述工艺要求及约束可建立相应的矩形件排样数学模型,例如取水平方向的轴为X轴且向右的方向为正,取竖直方向的轴且向上的方向为正,由此建立一个坐标系。在该坐标系中,取矩形板材的左下角为坐标系零点,矩形板材的长与X轴重合,矩形板材的宽与Y轴重合,现在将K种矩形件排放在P张板材上,,其中第i(1<i<k)种零件的数量为ni,它的纤维方向的长和非纤维方向的宽分别为li和wi,排样时矩形是否存在纤维方向要求为ri(ri=1表示存在纤维方向要求,ri=0表示不存在纤维方向要求);第j(j=1,2,…,P)张板材纤维方向上的长和非纤维方向上的宽分别为Lj和Wj,则矩形件排样的数学模型如下:
目标函数即为板材的利用率:
Fitness=max(area1/area2)
其中area1为所排放的矩形件的面积之和,area2为排放这些矩形件所需板材面积之和,此目标函数即为满足上述约束条件下,在尽可能少的板材上排放尽可能多的矩形件。
根据矩形件排样工艺要求及约束建立相应的数学模型进行分析,本发明提出利用遗传算法和最低水平线搜索算法对矩形件排样进行优化,由此得到令人满意的优化结果。
在标准的遗传算法中,遗传操作主要是由选择算子、交叉算子和变异算子组成的。其中,选择算子的作用是根据个体对于目标函数的适应度情况,将高适应度的个体选中同时淘汰低适应度的个体,因此起到筛选和定向进化的功能,最简单也最常用的选择算子是轮盘赌;将生物交配繁殖的过程在遗传算法中予以模拟就是交叉算子,交叉算子的基本过程是首先产生匹配并将个体两两配对以组成若干个母体,然后由每个母体的两个个体进行交叉操作使得每个母体产生一个或多个新个体;此外,为了保证算法不会丢失一些重要的遗传信息或者找到未曾出现在种群中的优良基因,因此需要引入变异算子来获得对整个解进行局部搜索的能力。
图1是按照本发明利用遗传算法与最低水平线搜索算法相结合对矩形件智能排样的流程方框图。如图1中所示,按照本发明的用于对矩形件的智能排样方法主要包括下列步骤:
(1)初始化遗传算法中包括种群population、迭代次数T、交叉概率Pc、变异概率Pm在内的参数(考虑到算法的适用性、以及计算机运算处理的效率及工业车间的生产效率等因素,在本实例中可以对相关参数选择适当的范围,譬如将迭代次数T设定为50,同时考虑到反映真实求解过程的代表性和有效性,该交叉概率通常被选择为0.6~0.95的范围内,变异概率通常被选择为0.05~0.2的范围内,在本实例中譬如可将交叉概率和变异概率分别设定为0.8和0.06),同时将所述种群设定40;
(2)从待排矩形中,提取包括矩形种类K、各种类矩形件的数量ni、各种类零件的尺寸即纤维方向的长li和非纤维方向的宽wi,以及矩形件排样时是否存在纤维方向要求ri在内的矩形件相关信息,由此制定出一个排样计划,例如表1:
表1 零件数据
从板材库选取符合上述矩形件排样要求的矩形板材,并提取包括板材尺寸即纤维方向的长度Lj和非纤维方向的宽Wj在内的板材相关信息,由此获得例如表2所示的板材信息:
表2 板材数据
(3)根据上述矩形件信息和板材信息,对矩形件进行编码,随机生成初始种群population,其中每个染色体(染色体为矩形件排样的一个解)就是矩形件的一个排样序列,矩形件的排样序列就是根据矩形个数编码号构成的不重复的随机序列,为方便检查遗传交叉效果,此处都以3位数字表示一个矩形,第一个数字表示矩形种类,后面数字表示矩形个数,当矩形个数较多时可以扩展为4位数字或者更多数字位来表示。矩形件正数编码为横排,矩形负数编码为竖排。此处取随机生成种群的前两个染色体A1和染色体A2为例。
A1:-407 -204 -406 -203 -402 -202 -303 -409 -405 -306 -302 -101-404 103 -403 -301 -408 -201 -401 -305 -102 -304 -307 -205
A2:307 -401 305 -409 404 202 101 -302 306 -301 303 203 304 103102 -204 402 405 -406 201 -403 407 408 -205
(4)接着利用最低水平线搜索算法,通过计算机对上述种群逐一进行解码,其中对于单个解的解码过程具体包括以下子步骤,下面以上述第一个解A1为例予以说明:
(41)设置初始最高轮廓线为板材底边,此时最低水平线长度为L,高度为0;
(42)当要排入一个矩形4时,就在最高轮廓线集中选取最低的一段水平线,如果有数段,则选择最左边的一段,测试该段最低水平线的宽度是否大于等于要排矩形的宽度;
①该最低水平线的长度大于等于要排矩形4竖排时的长度,并且排入高度不超出原料板的边界,则将矩形4竖排在此位置,同时更新最高轮廓线集。依次排下去,当排完矩形-303时,此时最低水平线的长度为100,下一个要排的矩形件事-409,显然矩形4竖排的长度大于最低水平线的长度,因此从矩形-409向后搜索,搜索到与最低水平线长度最吻合的矩形103,因此将矩形103排在最低水平线处,同时交换103与-409的位置,更新最高轮廓线集;
②下一个要排的矩形-405,矩形4竖排的长度大于最低水平线的长度,因此从该矩形所在的位置开始向后搜索可以放进最低水平线且不超出原料板高度的矩形,找到与最低水平线宽度最吻合矩形件-201排入,并交换这两个矩形的位置,同时更新最高轮廓线集;下面要排的是矩形-306,因矩形3竖排长度大于最低水平线的长度,从矩形-306之后向后搜索与最低水平线长度最佳吻合矩形-101排在最低水平线,并交换-101与-306的位置,同时更新最高轮廓线集;
③因没有可以排进最低水平线的矩形,则将最低水平线提高至与高度较低的一段齐平,即将刚刚排下矩形-101之后右边的最低水平线抬高至与左边一样高,更新最高轮廓线集。
按照上述步骤一个一个地将矩形件排入原料板,直到排完所有矩形;
(5)利用上述步骤(4)获得的解码结果以获得排样方案图,由Fitness公式可以计算得到每个解对应的排样利用率即适应度值,由此得到A1染色体的利用率是96.96%,目前全局最优解为0,因此将A1利用率以及染色体赋给全局最优解。利用遗传算法的轮盘赌选择算子从中选出数量为population(在本实例中即为40个,特别需要指出的是,其中各个个体可被重复选择)的个体进入下一步;其具体理论及操作过程为:轮盘赌根据种群所有解的适应度值,计算出每个解占适应度总和的相对适应度值,所有组解的相对适应度值之和为1,这样,每个解都会对应一个相对适应度值,也即对应着轮盘赌上的一块区域,转动轮盘指针,指针落在的区域所对应的解被选中(相对适应度值大的解被选中的几率也大)进入下一步操作。
(6)对上述步骤(5)筛选出的population中的每相邻的两个染色体都随机产生一个处于0~1之间数值rc,若rc小于交叉概率Pc,则对该这两条染色体进行部分匹配交叉运算,若rc大于等于交叉概率Pc,则对这两条染色序列体保持不变;下面人以上述编码过程中所获得的第一个解和第二个解中的序列A1、A2为例,来进行具体说明所述部分匹配交叉操作的具体步骤:
A1:-407 -204 -406 -203 -402 -202 -303 -409 -405 -306 -302 -101-404 103 -403 -301 -408 -201 -401 -305 -102 -304 -307 -205
A2:307 -401 305 -409 404 202 101 -302 306 -301 303 203 304 103102 -204 402 405 -406 201 -403 407 408 -205
首先,分别随机出上述2个序列中处于相同位置上的一部分连续数字,例如下面用横断符所隔出的2组14个数字,
A1:-407 -204 -406 -203 | -402 -202 -303 -409 -405 -306 -302 -101-404 103 -403 -301 -408 -201 | -401 -305 -102 -304 -307 -205
A2:307 -401 305 -409 | 404 202 101 -302 306 -301 303 203 304 103102 -204 402 405 | -406 201 -403 407 408 -205
由此,相应获得这2个序列的处于相同位置上的一部分连续数字如下,同时交换A1与A2序列的这两部分连续数字,
A1:404 202 101 -302 306 -301 303 203 304 103 102 -204 402 405
A2:-402 -202 -303 -409 -405 -306 -302 -101 -404 103 -403 -301-408 -201
接着,对于这2组连续数字中绝对值相同的数,按照第一组数字位置保持不变、第二组数字调换位置以使该相同数字处于第一组相同位置,然后在两组数字中共同约掉相同数字的原则来执行操作,由此获得对应关系变为:
A1:404 101 -302 306 -301 303 203 304 102 -204 402 405
A2:-402 -303 -409 -405 -306 -302 -101 -404 -403 -301 -408 -201
最后,将这2个序列中除去所述部分连续数字之外的其他部分数字,用上述约掉相同的数所获得的对应关系进行替换,则序列A1和A2分别变为:
A1:-407 -201 -406 -409 404 202 101 -302 306 -301 303 203 304 103102 -204 402 405 -401 -305 403 -408 -307 -205
A2:307 -401 305 203 -402 -202 -303 -409 -405 -306 -302 -101 -404103 -403 -301 -408 -201 -406 -204 102 407 304 -205
由此完成对序列A1和A2的部分匹配交叉操作过程,上述结果即为原来的第一、第二个解中的矩形序列进行部分匹配交叉操作后的结果。对于通过上述步骤(5)所筛选出的population个解,应当从符合部分匹配操纵条件的解中依次选取2组序列(这些序列不被重复地选取,而且如果符合部分匹配操作条件的序列组合总数为单数,则最后一个序列不被选取)进行上述部分匹配交叉操作,一直到所有符合部分匹配操作条件的序列都被选取且执行上述交叉操作过程为止。
相应地,对于多个解中的板材序列,其部分匹配操作的过程与零件序列相类似,在此不再重复。
(7)对上述步骤(6)所得到的population中的每一条染色体都随机产生一个处于0~1之间的数值rm,若rm小于变异概率Pm,则对该染色体执行变异运算,若rm大于等于变异概率Pm,则该染色体序列保持不变;
下面仍以上述部分匹配交叉操作后获得的序列A1为例(当然,执行变异操作的序列也可能是未经过上述部分匹配交叉操作获得的序列),来进行具体说明所述变异操作的具体操作步骤:
经过部分匹配交叉操作后的序列
A1:-407 -201 -406 -409 404 202 101 -302 306 -301 303 203 304 103102 -204 402 405 -401 -305 403 -408 -307 -205
随机数若小于0.5则进行位置变异:首先,随机出该序列中两个数字位置,例如下面用横断符所隔出的2个数字,
A1:-407 -201 -406 -409 | 404 | 202 101 -302 306 -301 303 | 203 |304 103 102 -204 402 405 -401 -305 403 -408 -307 -205
接着,将序列A1中横断符隔出的两个数字互相交换,则序列A1变为:
A1:-407 -201 -406 -409 203 202 101 -302 306 -301 303 404 304 103102 -204 402 405 -401 -305 403 -408 -307 -205
随机数若大于等于0.5则进行旋转变异:首先,随机选出一个数字位置,例如下面用横断符所隔出的1个数字,
A1:-407 -201 -406 -409 203 202 101 -302 | 306 | -301 303 404 304103 102 -204 402 405 -401 -305 403 -408 -307 -205
接着,将序列A1中横断符内的数字取其相反数,则序列A1变为:
A1:-407 -201 -406 -409 203 202 101 -302 -306 -301 303 404 304 103102 -204 402 405 -401 -305 403 -408 -307 -205
由此获得对序列A1执行变异操作过程后的结果。对于通过上述步骤(6)交叉操作之后得到的population种群,应当对符合变异操作条件的序列依次进行上述变异操作,一直到对所有符合变异操作条件的序列都被执行变异操作为止。
另外,对于多个解中的板材序列,其变异操作的过程与零件序列相类似,在此不再重复。
(8)对上述步骤(7)所得到的population中的每一个染色体用最低水平线搜索算法进行解码,得到对应的排样图及排样利用率,同时记录这个population中的最高利用率lbest以及对应的染色体序列,并比较lbest与gbest的大小,若lbest大于gbest,则将lbest赋值给gbest,同时将lbest对应的染色体序列赋给gbest;
(9)重复以上(5)-(8),直到迭代次数达到设定的迭代次数T为止;
图3是按照本发明利用遗传算法与最低水平线搜索算法相结合对矩形件执行排样优化后的排样结果示意图。如图3所示,经过按照本发明的智能排样过程之后,板材的利用率达到97%。排样结果证明了按照本发明的智能排样方法在考虑到矩形件的特殊工艺要求的情况下,能够更有效地利用原材料、大幅度降低成本并且效率更高,因此可适用于矩形件的实际排样过程。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种用于矩形件的智能排样方法,包括下列步骤:
S1:设定遗传算法中包括种群population、迭代次数T、交叉概率Pc以及变异概率Pm在内的参数;
S2:从矩形零件库选择待排样的矩形件,并提取包括矩形种类K、各种类矩形的数量ni、各种类矩形的尺寸即纤维方向的长li和非纤维向的宽wi,以及矩形排样时是否存在纤维方向要求在内的矩形相关信息,并对每一个矩形进行十进制整数编码,由此形成一个矩形序列;
S3:从原料库选择符合上述矩形件排样要求的矩形板材,并提取包括板材序号、数量、各序号板材的尺寸即纤维方向的长和非纤维方向的宽在内的板材相关信息;
S4:根据上述矩形件信息随机生成遗传算法的初始种群population,其中每个染色体就是矩形件的一个排样序列,矩形件的排样序列就是根据矩形个数编码号构成的不重复的随机序列;
S5:利用最低水平线搜索算法对所获得初始种群进行解码;
S6:利用上述步骤S5获得的解码结果生成排样方案图,计算得到每个解对应的排样利用率,并保留最大利用率gbest,全局最优解即全局最大利用率以及对应的染色体序列;利用选择算子从中选出数量为population个数的个体进入下一步;
S7:对上述步骤S6筛选出的population中的每相邻的两个染色体都随机产生一个处于0~1之间数值rc,若rc小于交叉概率Pc,则对这两条染色体进行部分匹配交叉运算,若rc大于等于交叉概率Pc,则对这两条染色序列体保持不变;
S8:对上述步骤S7所得到的population中的每一条染色体都随机产生一个处于0~1之间的数值rm,若rm小于变异概率Pm,则对该染色体执行变异运算,若rm大于等于变异概率Pm,则该染色体序列保持不变;
S9:对上述步骤S8所得到的population中的每一个染色体用最低水平线搜索算法进行解码,得到对应的排样图及板材利用率,同时记录这个 population中的最高利用率lbest以及对应的染色体,并比较lbest与gbest的大小,若lbest大于gbest,则将lbest赋值给gbest,同时将lbest对应的染色体序列赋给gbest;
S10:重复以上S6-S9步骤,直到迭代次数达到设定的迭代次数T为止。
2.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:采用一种最低水平线搜索算法进行解码,包括以下步骤:
S201:设置初始最高轮廓线为板材底边;
S202:每当要排入一个矩形Ri,就在最高轮廓线集中选取最低的一段水平线,如果有数段,则选择最左边的一段,测试该段最低水平线的宽度是否大于等于要排矩形的宽度;
①如果该最低水平线的宽度大于等于要排矩形Ri的宽度,并且排入高度不超出原料板的边界,则将该矩形排在此位置,同时更新最高轮廓线集。否则,从矩形Ri所在的位置开始向后搜索可以放进最低水平线的矩形,即从{Ri+1...Rj...RN}中搜索比较与最低水平线宽度最吻合的矩形排入;如果矩形Rj的宽度与最低水平线最相近且不超出原料板高度,则将矩形Rj排入,同时交换矩形Ri与Rj的位置,{R1,R2,...Rj,...Ri,...RN},更新最高轮廓线集;
②否则,从该矩形所在的位置开始向后搜索可以放进最低水平线且不超出原料板高度的矩形,比较与最低水平线宽度最吻合矩形件排入,并交换这两个矩形的位置,同时更新最高轮廓线集;
③如果没有可以排进最低水平线的矩形,则将最低水平线提高至与高度较低的一段齐平,更新最高轮廓线集。当抬高最低水平线不能排进任何矩形时,重新加一块原料板;
S203:重复步骤S202,直到排下该矩形件;
S204:重复S202、S203,直到所有矩形件排放完成。
3.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:采用匹配交叉运算,包括以下步骤:
S301:分别随机选择出相邻两个染色体序列中处于相同位置上的一部分连续数字,同时交换这两个部分的连续数字;
S302:对于所获得的两组连续数字中相同的数,按照第一组数字位置保持不变、第二组数字调换位置以使该相同数字处于与第一组相同位置,然后在两组数字中共同约掉相同数字的原则来执行操作,由此获得新的对应关系;
S303:将上述两个染色体序列中处于相同位置上的所述那部分连续数字予以交换;
S304:将上述两个染色体序列中除去所述部分连续数字之外的其他部分数字,用上述约掉相同的数所获得的对应关系进行替换,由此完成部分匹配交叉操作过程并获得新的2个染色体序列。
4.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:采用变异运算,包括以下步骤:
S401:随机生成一个处于0~1之间数值r,如果r大于0.5,则对该染色体进行位置变异,否则进行旋转变异;
S402:位置变异:随机选出2个进行位置变异的数字,交换这两个数字的位置;
S403:旋转变异:随机选出1个进行旋转变异的数字,将该数字变为其相反数。
5.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:其交叉概率在0.6~0.95的范围内。
6.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:其变异概率在0.05~0.2的范围内。
7.如权利要求1所述的一种用于矩形件的智能排样方法,其特征在于:其选择算子采用轮盘赌方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483406.5A CN103500255A (zh) | 2013-10-16 | 2013-10-16 | 用于矩形件的智能排样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483406.5A CN103500255A (zh) | 2013-10-16 | 2013-10-16 | 用于矩形件的智能排样方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103500255A true CN103500255A (zh) | 2014-01-08 |
Family
ID=49865465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310483406.5A Pending CN103500255A (zh) | 2013-10-16 | 2013-10-16 | 用于矩形件的智能排样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500255A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103920651A (zh) * | 2014-05-07 | 2014-07-16 | 北京京磁电工科技有限公司 | 一种坯料的筛选方法 |
CN104008145A (zh) * | 2014-05-09 | 2014-08-27 | 刘强 | 一种基于组化技术的矩形件排样方法 |
CN106055747A (zh) * | 2016-05-23 | 2016-10-26 | 广东工业大学 | 一种面向单规格板材的矩形工件快速排样方法 |
CN106169106A (zh) * | 2016-07-01 | 2016-11-30 | 泉州华中科技大学智能制造研究院 | 一种基于均布有序搜索的一维下料优化算法 |
CN107742017A (zh) * | 2017-09-30 | 2018-02-27 | 国网江苏省电力公司南京供电公司 | 一种电网运行信息图元布局展示方法、系统与装置 |
CN107877582A (zh) * | 2017-10-30 | 2018-04-06 | 长沙市健科电子有限公司 | 一种电路板切割路径规划方法 |
CN108763602A (zh) * | 2017-12-28 | 2018-11-06 | 网云(武汉)三维科技股份有限公司 | Pcb板智能排板算法 |
CN108746838A (zh) * | 2018-04-21 | 2018-11-06 | 大连海事大学 | 一种基于圆盘锯切割方式的矩形件优化排样方法 |
CN108985439A (zh) * | 2018-07-17 | 2018-12-11 | 湘潭大学 | 一种玻璃排版确定方法及系统 |
CN109543899A (zh) * | 2018-11-20 | 2019-03-29 | 燕山大学 | 基于深度学习的二维轮廓排样定序方法 |
CN109614387A (zh) * | 2018-10-24 | 2019-04-12 | 广州纬纶信息科技有限公司 | 一种矩形件排样方法、电子设备、存储介质 |
CN110570038A (zh) * | 2019-09-06 | 2019-12-13 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
CN110991755A (zh) * | 2019-12-09 | 2020-04-10 | 广西大学 | 一种用于考虑可加工性的多尺寸板材矩形件优化下料算法 |
CN111462119A (zh) * | 2020-05-27 | 2020-07-28 | 东北大学 | 一种基于机器视觉的宽厚板剪切排样方法 |
CN111598290A (zh) * | 2020-04-03 | 2020-08-28 | 浙江工业大学 | 一种pcb板合拼下料优化方法 |
CN111932009A (zh) * | 2020-08-10 | 2020-11-13 | 南宁市永恒影像有限公司 | 矩形优化排样方法及装置 |
CN112418528A (zh) * | 2020-11-24 | 2021-02-26 | 哈尔滨理工大学 | 基于多策略动态调整的两栖车辆排样面积利用最大化方法 |
CN112508302A (zh) * | 2020-12-22 | 2021-03-16 | 常州信息职业技术学院 | 一种快速排样方法 |
CN112862701A (zh) * | 2021-01-15 | 2021-05-28 | 复旦大学 | 一种自动排版方法 |
CN113642264A (zh) * | 2021-10-19 | 2021-11-12 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
CN114004167A (zh) * | 2021-11-16 | 2022-02-01 | 济南大学 | 一种基于遗传算法的板式家具智能打包方法 |
CN114169572A (zh) * | 2021-11-09 | 2022-03-11 | 华中科技大学 | 一种基于偏置遗传算法的矩形智能排样方法及系统 |
CN116561996A (zh) * | 2023-04-26 | 2023-08-08 | 南京林业大学 | 一种基于电子开料锯开料优化的矩形件排样方法 |
CN118212288A (zh) * | 2024-05-15 | 2024-06-18 | 佛山科学技术学院 | 一种基于机器视觉的报废板材柔性排样方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592031A (zh) * | 2012-03-02 | 2012-07-18 | 华中科技大学 | 绝缘纸板的自动排样方法 |
US20130132042A1 (en) * | 2011-11-16 | 2013-05-23 | Luen Shing Tools Limited | Method and System for Combinatorial Layout Design |
-
2013
- 2013-10-16 CN CN201310483406.5A patent/CN103500255A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132042A1 (en) * | 2011-11-16 | 2013-05-23 | Luen Shing Tools Limited | Method and System for Combinatorial Layout Design |
CN102592031A (zh) * | 2012-03-02 | 2012-07-18 | 华中科技大学 | 绝缘纸板的自动排样方法 |
Non-Patent Citations (1)
Title |
---|
赵晓东 等: "遗传算法模型在矩形件排样优化中的应用", 《锻压技术》 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103920651A (zh) * | 2014-05-07 | 2014-07-16 | 北京京磁电工科技有限公司 | 一种坯料的筛选方法 |
CN104008145A (zh) * | 2014-05-09 | 2014-08-27 | 刘强 | 一种基于组化技术的矩形件排样方法 |
CN104008145B (zh) * | 2014-05-09 | 2017-03-29 | 刘强 | 一种基于组化技术的矩形件排样方法 |
CN106055747A (zh) * | 2016-05-23 | 2016-10-26 | 广东工业大学 | 一种面向单规格板材的矩形工件快速排样方法 |
CN106169106B (zh) * | 2016-07-01 | 2020-04-07 | 泉州华中科技大学智能制造研究院 | 一种基于均布有序搜索的一维下料优化算法 |
CN106169106A (zh) * | 2016-07-01 | 2016-11-30 | 泉州华中科技大学智能制造研究院 | 一种基于均布有序搜索的一维下料优化算法 |
CN107742017A (zh) * | 2017-09-30 | 2018-02-27 | 国网江苏省电力公司南京供电公司 | 一种电网运行信息图元布局展示方法、系统与装置 |
CN107877582A (zh) * | 2017-10-30 | 2018-04-06 | 长沙市健科电子有限公司 | 一种电路板切割路径规划方法 |
CN108763602A (zh) * | 2017-12-28 | 2018-11-06 | 网云(武汉)三维科技股份有限公司 | Pcb板智能排板算法 |
CN108746838A (zh) * | 2018-04-21 | 2018-11-06 | 大连海事大学 | 一种基于圆盘锯切割方式的矩形件优化排样方法 |
CN108985439B (zh) * | 2018-07-17 | 2020-12-08 | 湘潭大学 | 一种玻璃排版确定方法及系统 |
CN108985439A (zh) * | 2018-07-17 | 2018-12-11 | 湘潭大学 | 一种玻璃排版确定方法及系统 |
CN109614387B (zh) * | 2018-10-24 | 2022-04-15 | 广州纬纶信息科技有限公司 | 一种矩形件排样方法、电子设备、存储介质 |
CN109614387A (zh) * | 2018-10-24 | 2019-04-12 | 广州纬纶信息科技有限公司 | 一种矩形件排样方法、电子设备、存储介质 |
CN109543899A (zh) * | 2018-11-20 | 2019-03-29 | 燕山大学 | 基于深度学习的二维轮廓排样定序方法 |
CN110570038B (zh) * | 2019-09-06 | 2022-07-22 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
CN110570038A (zh) * | 2019-09-06 | 2019-12-13 | 福州大学 | 一种不规则带缺陷板材矩形排样方法及装置 |
CN110991755B (zh) * | 2019-12-09 | 2022-04-19 | 广西大学 | 一种用于考虑可加工性的多尺寸板材矩形件优化下料方法 |
CN110991755A (zh) * | 2019-12-09 | 2020-04-10 | 广西大学 | 一种用于考虑可加工性的多尺寸板材矩形件优化下料算法 |
CN111598290A (zh) * | 2020-04-03 | 2020-08-28 | 浙江工业大学 | 一种pcb板合拼下料优化方法 |
CN111462119A (zh) * | 2020-05-27 | 2020-07-28 | 东北大学 | 一种基于机器视觉的宽厚板剪切排样方法 |
CN111462119B (zh) * | 2020-05-27 | 2023-06-13 | 东北大学 | 一种基于机器视觉的宽厚板剪切排样方法 |
CN111932009A (zh) * | 2020-08-10 | 2020-11-13 | 南宁市永恒影像有限公司 | 矩形优化排样方法及装置 |
CN111932009B (zh) * | 2020-08-10 | 2024-05-21 | 南宁市永恒影像有限公司 | 矩形优化排样方法及装置 |
CN112418528A (zh) * | 2020-11-24 | 2021-02-26 | 哈尔滨理工大学 | 基于多策略动态调整的两栖车辆排样面积利用最大化方法 |
CN112508302B (zh) * | 2020-12-22 | 2023-08-15 | 常州信息职业技术学院 | 一种快速排样方法 |
CN112508302A (zh) * | 2020-12-22 | 2021-03-16 | 常州信息职业技术学院 | 一种快速排样方法 |
CN112862701A (zh) * | 2021-01-15 | 2021-05-28 | 复旦大学 | 一种自动排版方法 |
CN112862701B (zh) * | 2021-01-15 | 2022-11-18 | 复旦大学 | 一种自动排版方法 |
WO2023066266A3 (zh) * | 2021-10-19 | 2023-09-21 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
CN113642264A (zh) * | 2021-10-19 | 2021-11-12 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
CN114169572B (zh) * | 2021-11-09 | 2024-09-10 | 华中科技大学 | 一种基于偏置遗传算法的矩形智能排样方法及系统 |
CN114169572A (zh) * | 2021-11-09 | 2022-03-11 | 华中科技大学 | 一种基于偏置遗传算法的矩形智能排样方法及系统 |
CN114004167B (zh) * | 2021-11-16 | 2023-10-17 | 济南大学 | 一种基于遗传算法的板式家具智能打包方法 |
CN114004167A (zh) * | 2021-11-16 | 2022-02-01 | 济南大学 | 一种基于遗传算法的板式家具智能打包方法 |
CN116561996A (zh) * | 2023-04-26 | 2023-08-08 | 南京林业大学 | 一种基于电子开料锯开料优化的矩形件排样方法 |
CN116561996B (zh) * | 2023-04-26 | 2024-04-09 | 南京林业大学 | 一种基于电子开料锯开料优化的矩形件排样方法 |
CN118212288A (zh) * | 2024-05-15 | 2024-06-18 | 佛山科学技术学院 | 一种基于机器视觉的报废板材柔性排样方法及系统 |
CN118212288B (zh) * | 2024-05-15 | 2024-07-23 | 佛山科学技术学院 | 一种基于机器视觉的报废板材柔性排样方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500255A (zh) | 用于矩形件的智能排样方法 | |
CN102592031B (zh) | 绝缘纸板的自动排样方法 | |
CN103793555A (zh) | 用于木工板件零件的智能排样优化方法 | |
Viswanathan et al. | FastPlace 3.0: A fast multilevel quadratic placement algorithm with placement congestion control | |
CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
US20190019115A1 (en) | Pcb board assembling method and assembling system | |
CN113379087A (zh) | 一种基于改进遗传算法的生产制造排产优化方法 | |
CN104537503B (zh) | 数据处理方法和系统 | |
CN115544947B (zh) | 基于遗传算法的大规模集成电路布局优化方法 | |
CN110046462B (zh) | 一种集装箱型材自动排样方法 | |
US8195662B2 (en) | Density-based data clustering method | |
CN110597213A (zh) | 一种分布式混合流水车间的生产调度方法及系统 | |
CN113222165A (zh) | 一种基于遗传算法的量子线路优化方法 | |
CN114036717A (zh) | 一种钢筋下料的切割方案确定方法、装置和终端设备 | |
CN111462119A (zh) | 一种基于机器视觉的宽厚板剪切排样方法 | |
CN118194733A (zh) | 一种装配式建筑构件模具的智能排版双目标优化方法 | |
CN117035364A (zh) | 基于改进混合模因算法的分布式异构流水车间调度方法 | |
CN106610640A (zh) | 针对多目标柔性作业车间调度的含禁忌表的遗传与局部搜索算法 | |
CN115600696A (zh) | 一种报废板材再利用方法及系统 | |
CN117077975A (zh) | 基于混合初始化模因算法的分布式异构流水车间调度方法 | |
CN105808577B (zh) | 一种基于HBase数据库的数据批量入库的方法和装置 | |
CN114372312B (zh) | 一种建筑结构钢筋数据分析与转化方法 | |
CN114462207B (zh) | 一种家装饰品模板的匹配方法、系统、设备及介质 | |
CN114781013A (zh) | 一种实现设计图纸中标注字符避让排布的方法 | |
CN114580743A (zh) | 基于混合进化算法的柔性作业车间调度方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140108 |