CN106971242A - 一种服装自动优化排料方法 - Google Patents
一种服装自动优化排料方法 Download PDFInfo
- Publication number
- CN106971242A CN106971242A CN201710171698.7A CN201710171698A CN106971242A CN 106971242 A CN106971242 A CN 106971242A CN 201710171698 A CN201710171698 A CN 201710171698A CN 106971242 A CN106971242 A CN 106971242A
- Authority
- CN
- China
- Prior art keywords
- individual
- discharge
- optimal
- clothes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000007599 discharging Methods 0.000 title claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 239000002184 metal Substances 0.000 claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 238000005381 potential energy Methods 0.000 claims abstract description 13
- 230000035772 mutation Effects 0.000 claims description 7
- 239000012634 fragment Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000002028 premature Effects 0.000 claims description 3
- 230000010076 replication Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000009958 sewing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Numerical Control (AREA)
Abstract
本发明是一种在服装加工中用于服装排料工艺的自动优化排料方法,属于计算机辅助排料技术。包括有如下步骤:第一步,建立确定样片排放位置的数学模型:根据最小重力势能原理,确定样片在重力势能最小时的样片位置及旋转角度;第二步,确定排料优化的适应度函数:根据一个给定的排料顺序,依次确定各样片在母材中的排放位置,并将排料利用率作为排料优化的适应度函数;第三步,利用遗传算法对排料顺序进行全局优化搜索,从而确定样片的最优排放顺序。根据最小势能原理和遗传算法提出的服装自动优化排料方法在可接受的时间内能够得到近似最优解,从而提高不规则图形自动排料中的材料利用率。
Description
技术领域
本发明是一种在服装加工中用于服装排料工艺的自动优化排料方法,属于计算机辅助排料技术。
背景技术
目前,服装生产企业的自动化程度越来越高,得益于服装CAD与服装数控裁剪、缝制设备的发展与应用,从样版设计、打版、放码、排料,到裁剪、缝制等生产工艺流程都可以借助于计算机完成,大大减少了人力成本。排料方法是服装CAD最为核心的方法之一,其性能直接影响企业裁剪用料的成本,对于高级服装面料及大批量生产来说,排料利用率是决定用料成本的主要因素。
服装排料问题属于不规则图形排料问题,主要包括样片最优排放位置确定和样片最优排放顺序确定两个问题。最小势能原理是将零件看作砂砾,母材看作玻璃瓶,通过不断摇晃“玻璃瓶”可以使“砂砾”排列更加密实。具体实施时,可通过在母材上布置等距的离散排样点,将样片平移到各个排样点上并进行旋转,使其重力势能最小从而确定其最优排放位置。
样片排放顺序对于排料利用率具有重要影响,固定顺序的排料得到的结果往往不是最优解。但由于N个样片存在N!种顺序,在目前的计算能力下无法在可接受的时间内找到最优排料顺序。遗传算法是基于自然选择和自然遗传机制的搜索算法,它是一种有效的解决最优化问题的方法,因此本发明在排料时引入遗传算法,通过全局优化概率搜索来产生最佳的排料顺序,从而提高排料利用率。
发明内容
为了确定排料时样片最优排放位置和最优排放顺序的技术问题,本发明提供一种服装自动优化排料方法,在可接受的时间内得到排料的近似最优解,从而提高排料利用率。
本发明解决其技术问题所采用的技术方案是:一种服装自动优化排料方法,包括以下步骤:
第一步,建立确定样片排放位置的数学模型
首先在母材上均匀布置离散排样点,将样片平移至有效排样点位置并进行旋转,求解样片在不同排样点及旋转角度下的重力势能,根据最小重力势能原理,确定样片在重力势能最小时的样片位置及旋转角度;
第二步,确定排料优化的适应度函数
根据一个给定的排料顺序,依次确定各样片在母材中的排放位置,当各样片均处于最小势能状态下,整个排版图的总势能最小,即可确定当前顺序下所有样片的最优排放位置和排料利用率,将排料利用率作为排料优化的适应度函数;
第三步,利用遗传算法对排料顺序进行优化搜索
1)对排料进行实数编码,构成优化排料算法中的个体Xm,一个个体即表示一种排料顺序;
2)设定优化搜索排料过程中的种群迭代次数G;
3)对种群中M个个体进行初始化,产生M种排料顺序;
4)分别按个体Xm对应的排料顺序,依次确定各样片的排放位置,计算当前排料顺序下的适应度函数fXm;
5)采用轮盘赌对种群中个体进行选择操作,引入精英选择机制,将种群中的最优个体直接遗传到下一代;
6)采用顺序交叉由一对父代个体Xi、Xj产生一对子代个体Xi′、Xj′;
7)按照一定的概率对种群中个体进行变异操作,防止种群早熟收敛;
8)判断迭代次数g是否小于设定的迭代次数G,如是,则返回步骤4),继续下一次的优化搜索排料;
9)如否,完成排料顺序优化搜索,输出最优排料结果。
如上所述第一步,确定样片最优排放位置时样片的重力势能为从右向左方向,重力势能大小EG=Gxc,xc为样片的形心
式中:样片多边形含有n个顶点,其中任一顶点的坐标为(xk,yk)(k=1,2,3,...,n)。
如上所述第一步,确定样片最优排放位置时,无效排样点的判断方法及访问避免:在确定样片位置时,母材上存在大量的无效排样点,避免访问无效排样点可以提高排料效率。
如上所述第二步,排料优化的适应度函数为排料利用率,适应度函数fXm的计算方法为
式中:fXm为个体Xm的适应度函数(m=1,2,3...M),EXm为个体Xm的排料利用率,L为样片占用母材的总长度,W为母材的宽度,Sn为样片n的面积(n=1,2,3...N)。
如上所述步骤5),排料优化搜索时引入精英选择机制的轮盘赌选择操作:如果个体Xm对应的适应度函数fXm=fXmax,个体Xm直接被选中遗传到下一代;如果个体Xm对应的适应度函数fXm<fXmax,则个体Xm被选中的概率为选择时,随机生成一个[0,1)区间的随机数p,如果则该个体被选中遗传到下一代。
如上所述步骤6),排料优化搜索中个体的顺序交叉操作:假设Xi、Xj是进行交叉操作的一对父个体,其中Xi=[4 5 1 7 2 8 9 6 3],Xj=[7 9 3 4 5 6 1 2 8],具体交叉操作方式如下
1)在父个体Xi中随机选择一个片段,如[1 7 2 8];
2)将该片段复制到子个体Xi′的对应位置[0 0 1 7 2 8 0 0 0];
3)删除父个体Xj中子个体Xi′已含有的元素,产生一个过渡个体Yi=[93456];将个体Yi元素依次插入子个体Xi′的空缺位置上,即得到子个体Xi′=[9 3 1 7 2 8 4 5 6],用同种方法可得到另一个子个体Xj′=[1 7 3 4 5 6 2 8 9]。
如上所述步骤7),排料优化搜索中个体的变异操作:假设子个体Yi=[9 3 1 7 28 4 5 6],随机选择两个位置的元素交换即可得到变异后的子个体,如交换1、5的位置,得到变异后的个体Yi′=[9 3 5 7 2 84 1 6]。
本发明的技术构思为:根据最小重力势能原理,建立确定样片排放位置的数学模型,使整个排版图的总势能最小,从而确定所有样片的最优排放位置和排料利用率;进一步地,引入遗传算法对排料顺序进行全局优化搜索,从而确定样片的最优排放顺序。
本发明的有益效果主要表现在:根据最小势能原理和遗传算法提出的服装自动优化排料方法在可接受的时间内能够得到近似最优解,提高不规则图形自动排料中材料利用率。
附图说明
图1为样片参考点与旋转角度示意图
图2为样片在母材中的平移和旋转示意图
图3为排料中的最小重力势能原理示意图
图4为无效排样点访问避免示意图
图5为样片最优排放位置确定流程图
图6为服装自动优化排料方法流程图
图7为本发明的服装排料效果图一
图8为本发明的服装排料效果图二
具体实施方式
下面结合附图和实施例对本发明作进一步说明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。
参照图1~图6,本发明的服装自动优化排料方法,包含以下步骤:
第一步,建立确定样片排放位置的数学模型
首先在母材上均匀布置离散排样点,将样片平移至有效排样点位置并进行旋转,求解样片在不同排样点及旋转角度下的重力势能,根据最小重力势能原理,确定样片在重力势能最小时的样片位置及旋转角度;
参照图1,样片的参考点(RP)、旋转角度(α)是确定样片排放位置的基础信息:样片参考点(RP)是样片平移、旋转的基点,以样片最小包围盒左下角的顶点为参考点;旋转角度(α)由旋转次数(RN)决定,α=2πj/RN(j=0,1,2...,RN-1),旋转角度(RN)是影响排料效率的一个关键因素。
参照图2,母材是指未进行排样前的原材料,在母材上沿水平、竖直两个方向均匀布置的离散点称为排样点,排样点之间的间距为PPD,该参数值也是影响排样效率的一个关键参数。需要特别说明的是:实际排料时习惯从左至右依次排料,因此假设重力方向为从右向左方向。
参照图2,样片的平移和旋转是改变样片位置的基本操作:待排样片的初始位置在①处,样片参考点与母材中的一个排样点重合,绕参考点旋转180°后到达位置②;样片在位置②按箭头方向平移后最终到达位置③。
参照图3,排料的过程中,样片零件的重力势能为:
EG=Gxc
其中:EG为零件的重力势能;G为零件的重力,重力方向从右向左;xc为样片的形心
式中:样片多边形含有n个顶点,其中任一顶点的坐标为(xk,yk)(k=1,2,3,...,n)。
排料问题的最小重力势能原理:零件在排料过程中总是尽可能地通过平移或旋转使其形心高度降低。参照图3(a),样片三角形在排料时位于矩形右方,其重力势能为Gx0;经平移后到达图3(b)所示位置,其重力势能为Gx1;再经旋转、平移后到达图3(c)中所示位置,其重力势能达到最小值Gx2。
参照图4,在确定待排样片A的位置时,A在虚线右侧时重力势能一定不是最小值,因此在确定A位置时,虚线右侧无效排样区域的排样点可以避免访问。
参照图5,该图为根据最小势能原理确定样片最优排放位置的流程图。
第二步,确定排料优化的适应度函数
根据一个给定的排料顺序,依次确定各样片在母材中的排放位置,当各样片均处于最小势能状态下,整个排版图的总势能最小,即可确定当前顺序下所有样片的最优排放位置和排料利用率,将排料利用率作为排料优化的适应度函数;
第二步中,排料优化的适应度函数为排料利用率,适应度函数fXm的计算方法为
式中:fXm为个体Xm的适应度函数(m=1,2,3...M),EXm为个体Xm的排料利用率,L为样片占用母材的总长度,W为母材的宽度,Sn为样片n的面积(n=1,2,3...N)。
样片多边形的面积计算方法如下
式中:样片多边形含有n个顶点,其中任一顶点的坐标为(xk,yk)(k=1,2,3,...,n)。
第三步,利用遗传算法对排料顺序进行优化搜索
1)对排料进行实数编码,构成优化排料算法中的个体Xm,一个个体即表示一种排料顺序;
2)设定优化搜索排料过程中的种群迭代次数G;
3)对种群中M个个体进行初始化,产生M种排料顺序;
4)分别按个体Xm对应的排料顺序,依次确定各样片的排放位置,计算当前排料顺序下的适应度函数fXm;
5)采用轮盘赌对种群中个体进行选择操作,引入精英选择机制,将种群中的最优个体直接遗传到下一代;
6)采用顺序交叉由一对父代个体Xi、Xj产生一对子代个体Xi′、Xj′;
7)按照一定的概率对种群中个体进行变异操作,防止种群早熟收敛;
8)判断迭代次数g是否小于设定的迭代次数G,如是,则返回步骤4),继续下一次的优化搜索排料;
9)如否,完成排料顺序优化搜索,输出最优排料结果。
参照图6,排料优化搜索时引入精英选择机制的轮盘赌选择操作:如果个体Xm对应的适应度函数fXm=fXmax,个体Xm直接被选中遗传到下一代;如果个体Xm对应的适应度函数fXm<fXmax,则个体Xm被选中的概率为选择时,随机生成一个[0,1)区间的随机数p,如果则该个体被选中遗传到下一代。
参照图6,排料优化搜索中个体的顺序交叉操作:假设Xi、Xj是进行交叉操作的一对父个体,其中Xi=[4 5 1 7 2 8 9 6 3],Xj=[7 9 3 4 5 6 1 2 8],具体交叉操作方式如下
1)在父个体Xi中随机选择一个片段,如[1 7 2 8];
2)将该片段复制到子个体Xi′的对应位置[0 0 1 7 2 8 0 0 0];
3)删除父个体Xj中子个体Xi′已含有的元素,产生一个过渡个体Yi=[9 3 4 5 6];将个体Yi元素依次插入子个体Xi′的空缺位置上,即得到子个体Xi′=[9 3 1 7 2 8 4 5 6],用同种方法可得到另一个子个体Xj′=[1 7 3 4 5 6 2 8 9]。
参照图6,排料优化搜索中个体的变异操作:假设子个体Yi=[9 3 1 7 2 8 4 56],随机选择两个位置的元素交换即可得到变异后的子个体,如交换1、5的位置,得到变异后的个体Yi′=[9 3 5 7 2 8 4 1 6]。
参照图7,本发明的排料效果图。效果图中:样片数N=99。排样间隔PPD=50,旋转次数RN=2,种群数量为20,迭代次数为20,交叉操作概率0.8,变异操作概率0.1,排料利用率为81.46%。
参照图8,本发明的排料效果图。效果图中:样片数N=64。排样间隔PPD=5,旋转次数RN=2,种群数量为20,迭代次数为20,交叉操作概率0.8,变异操作概率0.1,排料利用率为85.10%。
排料数学模型的建立方法在很多文献中都有公开,不作为本发明的保护内容。
本发明未经详细阐述部分属于本领域技术人员的公知技术。
Claims (7)
1.一种服装优化排料方法,其特征在于,包括以下步骤:
第一步,建立确定样片排放位置的数学模型
首先在母材上均匀布置离散排样点,将样片平移至有效排样点位置并进行旋转,求解样片在不同排样点及旋转角度下的重力势能,根据最小重力势能原理,确定样片在重力势能最小时的样片位置及旋转角度;
第二步,确定排料优化的适应度函数
根据一个给定的排料顺序,依次确定各样片在母材中的排放位置,当各样片均处于最小势能状态下,整个排版图的总势能最小,即可确定当前顺序下所有样片的最优排放位置和排料利用率,将排料利用率作为排料优化的适应度函数;
第三步,利用遗传算法对排料顺序进行优化搜索
1)对排料进行实数编码,构成优化排料算法中的个体Xm,一个个体即表示一种排料顺序;
2)设定优化搜索排料过程中的种群迭代次数G;
3)对种群中M个个体进行初始化,产生M种排料顺序;
4)分别按个体Xm对应的排料顺序,依次确定各样片的排放位置,计算当前排料顺序下的适应度函数fXm;
5)采用轮盘赌对种群中个体进行选择操作,引入精英选择机制,将种群中的最优个体直接遗传到下一代;
6)采用顺序交叉由一对父代个体Xi、Xj产生一对子代个体Xi′、Xj′;
7)按照一定的概率对种群中个体进行变异操作,防止种群早熟收敛;
8)判断迭代次数g是否小于设定的迭代次数G,如是,则返回步骤4),继续下一次的优化搜索排料;
9)如否,完成排料顺序优化搜索,输出最优排料结果。
2.根据权利要求1所述的服装优化排料方法,其特征在于,第一步确定样片最优排放位置时样片的重力势能为从右向左方向,重力势能大小EG=Gxc,xc为样片的形心
式中:样片多边形含有n个顶点,其中任一顶点的坐标为(xk,yk)(k=1,2,3,...,n)。
3.根据权利要求1所述的服装优化排料方法,其特征在于,第一步确定样片最优排放位置时,无效排样点的判断方法及访问避免:在确定样片位置时,母材上存在大量的无效排样点,避免访问无效排样点可以提高排料效率。
4.根据权利要求1所述的服装优化排料方法,其特征在于,第二步排料优化的适应度函数为排料利用率,适应度函数fXm的计算方法为
式中:fXm为个体Xm的适应度函数(m=1,2,3...M),EXm为个体Xm的排料利用率,L为样片占用母材的总长度,W为母材的宽度,Sn为样片n的面积(n=1,2,3...N)。
5.根据权利要求1所述的服装优化排料方法,其特征在于,排料优化搜索时引入精英选择机制的轮盘赌选择操作:如果个体Xm对应的适应度函数fXm=fXmax,个体Xm直接被选中遗传到下一代;如果个体Xm对应的适应度函数fXm<fXmax,则个体Xm被选中的概率为选择时,随机生成一个[0,1)区间的随机数p,如果则该个体被选中遗传到下一代。
6.根据权利要求1所述的服装优化排料方法,其特征在于,排料优化搜索中个体的顺序交叉操作:假设Xi、Xj是进行交叉操作的一对父个体,其中Xi=[4 5 1 7 2 8 9 6 3],Xj=[7 9 3 4 5 6 1 2 8],具体交叉操作方式如下
1)在父个体Xi中随机选择一个片段,如[1 7 2 8];
2)将该片段复制到子个体Xi′的对应位置[0 0 1 7 2 8 0 0 0];
3)删除父个体Xj中子个体Xi′已含有的元素,产生一个过渡个体Yi=[9 3 4 5 6];将个体Yi元素依次插入子个体Xi′的空缺位置上,即得到子个体Xi′=[9 3 1 7 2 8 4 5 6],用同种方法可得到另一个子个体Xj′=[1 7 3 4 5 6 2 8 9]。
7.根据权利要求1所述的服装优化排料方法,其特征在于,排料优化搜索中个体的变异操作:假设子个体Yi=[9 3 1 7 2 8 4 5 6],随机选择两个位置的元素交换即可得到变异后的子个体,如交换1、5的位置,得到变异后的个体Yi′=[9 3 5 7 2 8 4 1 6]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710171698.7A CN106971242A (zh) | 2017-03-21 | 2017-03-21 | 一种服装自动优化排料方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710171698.7A CN106971242A (zh) | 2017-03-21 | 2017-03-21 | 一种服装自动优化排料方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971242A true CN106971242A (zh) | 2017-07-21 |
Family
ID=59329213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710171698.7A Pending CN106971242A (zh) | 2017-03-21 | 2017-03-21 | 一种服装自动优化排料方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971242A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629109A (zh) * | 2018-04-28 | 2018-10-09 | 安徽上造智能设备科技有限公司 | 一种利用服装剩料数据库智能设计服装的系统和方法 |
CN109063917A (zh) * | 2018-08-14 | 2018-12-21 | 苏州瑞思智造信息科技有限公司 | 基于遗传优化算法的分阶布料排样方法 |
CN109145279A (zh) * | 2018-08-07 | 2019-01-04 | 燕山大学 | 一种基于重心居中的二维轮廓排样方法 |
CN109523074A (zh) * | 2018-11-14 | 2019-03-26 | 浙江工业大学 | 一种基于最近邻遗传混合算法的服装裁剪路径优化方法 |
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 |
CN109967796A (zh) * | 2019-03-18 | 2019-07-05 | 广东三维家信息科技有限公司 | 基于板式材料的切割方法和装置 |
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 |
CN110897239A (zh) * | 2019-12-12 | 2020-03-24 | 盐城戴娇内衣有限公司 | 一种内裤面料的排版生产方法 |
CN111340311A (zh) * | 2020-03-26 | 2020-06-26 | 广东三维家信息科技有限公司 | 废料切割方法、装置及电子设备 |
CN112862701A (zh) * | 2021-01-15 | 2021-05-28 | 复旦大学 | 一种自动排版方法 |
CN113158319A (zh) * | 2021-05-18 | 2021-07-23 | 杭州群核信息技术有限公司 | 无纹理铺贴商品的排料计算方法、装置、电子设备和介质 |
CN113255692A (zh) * | 2021-05-14 | 2021-08-13 | 知守科技(杭州)有限公司 | 片材排版优化方法、装置、系统、电子装置和存储介质 |
CN113592174A (zh) * | 2021-07-28 | 2021-11-02 | 浙江大学 | 一种基于知识驱动的二维多边形布片自动排料方法 |
CN114611413A (zh) * | 2022-05-09 | 2022-06-10 | 广东三维家信息科技有限公司 | 原材料排样方法、装置、电子设备及存储介质 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090123351A (ko) * | 2008-05-27 | 2009-12-02 | 연세대학교 산학협력단 | 포트폴리오 최적화 방법 및 상기 방법을 이용한 포트폴리오최적화 시스템 |
CN102508938A (zh) * | 2011-09-23 | 2012-06-20 | 东华大学 | 一种二维不规则皮革自动排样裁剪方法 |
US20130332222A1 (en) * | 2010-11-15 | 2013-12-12 | Marc Bourgeois | Computer-implemented system and method for generating a tactical plan for retail inventory placement with automated forecasts |
CN104281722A (zh) * | 2013-07-04 | 2015-01-14 | 广州中国科学院先进技术研究所 | 自动排料方法 |
-
2017
- 2017-03-21 CN CN201710171698.7A patent/CN106971242A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090123351A (ko) * | 2008-05-27 | 2009-12-02 | 연세대학교 산학협력단 | 포트폴리오 최적화 방법 및 상기 방법을 이용한 포트폴리오최적화 시스템 |
US20130332222A1 (en) * | 2010-11-15 | 2013-12-12 | Marc Bourgeois | Computer-implemented system and method for generating a tactical plan for retail inventory placement with automated forecasts |
CN102508938A (zh) * | 2011-09-23 | 2012-06-20 | 东华大学 | 一种二维不规则皮革自动排样裁剪方法 |
CN104281722A (zh) * | 2013-07-04 | 2015-01-14 | 广州中国科学院先进技术研究所 | 自动排料方法 |
Non-Patent Citations (4)
Title |
---|
刘等: "一种新型不规则三维排样构造算法", 《上海交通大学学报》 * |
刘等: "基于最小势能原理的不规则零件排样算法", 《华南理工大学学报(自然科学版)》 * |
刘萍等: "基于遗传算法的二维排样优化方法", 《南京化工大学学报(自然科学版)》 * |
曾窕俊等: "基于遗传算法与重心最小化的二维不规则图形排样", 《淮阴工学院学报》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629109B (zh) * | 2018-04-28 | 2022-04-29 | 安徽上造智能设备科技有限公司 | 一种利用服装剩料数据库智能设计服装的系统和方法 |
CN108629109A (zh) * | 2018-04-28 | 2018-10-09 | 安徽上造智能设备科技有限公司 | 一种利用服装剩料数据库智能设计服装的系统和方法 |
CN109145279A (zh) * | 2018-08-07 | 2019-01-04 | 燕山大学 | 一种基于重心居中的二维轮廓排样方法 |
CN109063917A (zh) * | 2018-08-14 | 2018-12-21 | 苏州瑞思智造信息科技有限公司 | 基于遗传优化算法的分阶布料排样方法 |
CN109523074A (zh) * | 2018-11-14 | 2019-03-26 | 浙江工业大学 | 一种基于最近邻遗传混合算法的服装裁剪路径优化方法 |
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 |
CN109967796A (zh) * | 2019-03-18 | 2019-07-05 | 广东三维家信息科技有限公司 | 基于板式材料的切割方法和装置 |
CN109967796B (zh) * | 2019-03-18 | 2020-11-20 | 广东三维家信息科技有限公司 | 基于板式材料的切割方法和装置 |
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 |
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 |
CN110897239A (zh) * | 2019-12-12 | 2020-03-24 | 盐城戴娇内衣有限公司 | 一种内裤面料的排版生产方法 |
CN111340311A (zh) * | 2020-03-26 | 2020-06-26 | 广东三维家信息科技有限公司 | 废料切割方法、装置及电子设备 |
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 |
CN113255692A (zh) * | 2021-05-14 | 2021-08-13 | 知守科技(杭州)有限公司 | 片材排版优化方法、装置、系统、电子装置和存储介质 |
CN113158319A (zh) * | 2021-05-18 | 2021-07-23 | 杭州群核信息技术有限公司 | 无纹理铺贴商品的排料计算方法、装置、电子设备和介质 |
CN113158319B (zh) * | 2021-05-18 | 2023-02-28 | 杭州群核信息技术有限公司 | 无纹理铺贴商品的排料计算方法、装置、电子设备和介质 |
CN113592174A (zh) * | 2021-07-28 | 2021-11-02 | 浙江大学 | 一种基于知识驱动的二维多边形布片自动排料方法 |
CN113592174B (zh) * | 2021-07-28 | 2024-01-05 | 浙江大学 | 一种基于知识驱动的二维多边形布片自动排料方法 |
CN114611413A (zh) * | 2022-05-09 | 2022-06-10 | 广东三维家信息科技有限公司 | 原材料排样方法、装置、电子设备及存储介质 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971242A (zh) | 一种服装自动优化排料方法 | |
Liu et al. | Applying multi-objective ant colony optimization algorithm for solving the unequal area facility layout problems | |
Ala’a et al. | Comprehensive review of the development of the harmony search algorithm and its applications | |
Cheng et al. | On joint learning for solving placement and routing in chip design | |
CN107330214B (zh) | 基于离散化与启发式进化算法的空间布局优化方法 | |
Lin et al. | POLAR: Placement based on novel rough legalization and refinement | |
Ghiasi et al. | A non-dominated sorting hybrid algorithm for multi-objective optimization of engineering problems | |
Tomassini | The parallel genetic cellular automata: Application to global function optimization | |
Chen et al. | A survey of swarm intelligence techniques in VLSI routing problems | |
CN107066709B (zh) | 基于多智能体遗传算法的电力运输网络拓扑结构设计方法 | |
Liu et al. | Configuration space evolutionary algorithm for multi-objective unequal-area facility layout problems with flexible bays | |
CN103150614A (zh) | 一种土地利用空间自动配置方法 | |
Guo et al. | PORA: A Physarum-inspired obstacle-avoiding routing algorithm for integrated circuit design | |
Yu et al. | Evolutionary decomposition for 3D printing | |
Noilublao et al. | Simultaneous topology, shape, and sizing optimisation of plane trusses with adaptive ground finite elements using MOEAs | |
CN112947480A (zh) | 一种移动机器人路径规划方法、存储介质及系统 | |
Akkus et al. | Automated land reallotment using genetic algorithm | |
CN104574517A (zh) | 三维模型的边界面网格单元的处理方法和装置 | |
CN102722570A (zh) | 一种面向地理空间优化的人工免疫智能优化系统 | |
Fang | [Retracted] An Effective Hybrid Multiobjective Flexible Job Shop Scheduling Problem Based on Improved Genetic Algorithm | |
CN107480096B (zh) | 一种大规模群体仿真中的高速并行计算方法 | |
Chen et al. | A new multiobjective evolutionary algorithm for community detection in dynamic complex networks | |
Kahng et al. | Hier-RTLMP: A hierarchical automatic macro placer for large-scale complex IP blocks | |
Laskar et al. | A survey on VLSI floorplanning: its representation and modern approaches of optimization | |
CN101354710B (zh) | 一种线段求交的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170721 |
|
DD01 | Delivery of document by public notice | ||
DD01 | Delivery of document by public notice |
Addressee: Wang Pengpeng Document name: Deemed withdrawal notice |