CN111274627A - 基于非线性最优化的厨房自动布局方法、装置、计算机设备 - Google Patents

基于非线性最优化的厨房自动布局方法、装置、计算机设备 Download PDF

Info

Publication number
CN111274627A
CN111274627A CN201911357182.7A CN201911357182A CN111274627A CN 111274627 A CN111274627 A CN 111274627A CN 201911357182 A CN201911357182 A CN 201911357182A CN 111274627 A CN111274627 A CN 111274627A
Authority
CN
China
Prior art keywords
layout
kitchen
denotes
parameter
length
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.)
Granted
Application number
CN201911357182.7A
Other languages
English (en)
Other versions
CN111274627B (zh
Inventor
陈旋
吕成云
黄书贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Aijia Household Products Co Ltd
Original Assignee
Jiangsu Aijia Household Products Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Aijia Household Products Co Ltd filed Critical Jiangsu Aijia Household Products Co Ltd
Priority to CN201911357182.7A priority Critical patent/CN111274627B/zh
Publication of CN111274627A publication Critical patent/CN111274627A/zh
Application granted granted Critical
Publication of CN111274627B publication Critical patent/CN111274627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Residential Or Office Buildings (AREA)

Abstract

本发明公开了一种基于非线性最优化的厨房自动布局方法、装置、计算机设备和存储介质，根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局，以依据厨房内主家具的家具形状特征和厨房的基建信息实现的厨房自动布局，降低厨房布局过程中的工作量，提高布局效率。

Description

基于非线性最优化的厨房自动布局方法、装置、计算机设备
技术领域
本发明涉及信息处理技术领域，尤其涉及一种基于非线性最优化的厨房自动布局方法、装置、计算机设备和存储介质。
背景技术
厨房是每一个居住空间中必要的区域，也是居住空间中使用频率最高的空间。空间较小的厨房里需要摆放玲琅满目的食材和调味剂并供人使用，这要求厨房的布局必须尽量考虑功能性和实用性。由于现有自动布局算法不能完全适应厨房布局的要求，厨房自动布局方法的实现尤为重要。对于封闭的厨房而言，地柜都是靠墙且连续摆放，最重要的功能区是水槽和灶台，将其摆放恰当，其他地柜的摆放就简单多了。因而厨房布局对人们生活舒适性具有重要影响，然而现有的厨房布局方案往往存在工作量大、效率低的问题。
发明内容
针对以上问题，本发明提出一种基于非线性最优化的厨房自动布局方法、计算机设备和存储介质。
为实现本发明的目的，提供一种基于非线性最优化的厨房自动布局方法，包括如下步骤：
S10，根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状；
S20，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件；
S30，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
在一个实施例中，所述约束条件包括：
800≤x1≤1100，
800≤x3≤1100，
400≤x5≤800，
400≤x7≤550，
1000≤x8≤1100，
len4-x2≥0，
len4-x2+x1≤len1，
len5-x4≥len1，
len5-x4+x3≤len1+len2，
x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
在一个实施例中，所述第一布局参数为水槽长度，所述第二布局参数为水槽移动距离，所述第三布局参数为灶台长度，所述第四布局参数为灶台移动距离，所述第五布局参数为抽屉长度，所述第六布局参数为单开门个数，所述第七布局参数为单开门长度，所述第八布局参数为转角地柜长度。
在一个实施例中，所述目标函数包括：
minf(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
在一个实施例中，所述地柜布局形状包括L型、U型、一字型或二字型。
一种基于非线性最优化的厨房自动布局装置，包括：
确定模块，用于根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状；
设置模块，用于设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件；
布局模块，用于根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
在一个实施例中，所述约束条件包括：
800≤x1≤1100，
800≤x3≤1100，
400≤x5≤800，
400≤x7≤550，
1000≤x8≤1100，
len4-x2≥0，
len4-x2+x1≤len1，
len5-x4≥len1，
len5-x4+x3≤len1+len2，
x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
在一个实施例中，所述约束条件包括：
目标函数包括：
min f(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例的基于非线性最优化的厨房自动布局方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例的基于非线性最优化的厨房自动布局方法的步骤。
上述基于非线性最优化的厨房自动布局方法、装置、计算机设备和存储介质，可以根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局，以依据厨房内主家具的家具形状特征和厨房的基建信息实现的厨房自动布局，降低厨房布局过程中的工作量，提高布局效率。
附图说明
图1是一个实施例的基于非线性最优化的厨房自动布局方法流程图；
图2是一个实施例的包含主家具摆放信息的房间示意图；
图3是一个实施例的各类型的厨房布局示意图；
图4是一个实施例的布局墙选择示意图；
图5是一个实施例的预处理结果示意图；
图6是一个实施例的非线性最优化算法的描述图；
图7是一个实施例的补全地柜后的厨房布局示意图；
图8是一个实施例的基于非线性最优化的厨房自动布局装置结构示意图；
图9为一个实施例的计算机设备示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
在一个实施例中，如图1所示，提供了一种基于非线性最优化的厨房自动布局方法，包括以下步骤：
S10，根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状。
厨房的基建信息可以包括指门、窗、墙等各个基建元素，以及各个基建元素的尺寸信息等内容。
地柜布局形状可以包括L型、U型、一字型或二字型等形状，各类地柜布局形状距对应一组布局参数的取值范围。
可选地，对于各种布局形状，参数的取值范围的逻辑是相同的。一些参数的取值范围能直接根据相应的取值范围表(如表2)给出。在一个示例中，水槽长度的取值范围为[800，1100]，灶台长度的取值范围为[800，1100]，抽屉长度的取值范围为[400，800]，单开门长度的取值范围为[400，550]，转角地柜长度的取值范围为[1000，1100]，一些参数的取值范围是人为设定的：单开门个数的取值范围为[0，+∞]，剩下的参数的取值范围可以根据满足的条件计算得出：水槽移动距离的取值范围需满足水槽不超出其所在布局墙，灶台移动距离的取值范围需满足灶台不超出其所在布局墙。
在一个示例中，包含主家具摆放信息的房间示意图可以参考图2所示，根据主家具的位置及墙体之间的宽度决定布局地柜的墙体。可以将地柜布局的基本形状分为L型、U型、一字型或二字型，参考图3示例，根据主家具所在的墙为起点进行延申，墙体选择的决定依据可以包括：水槽、灶台所在的墙须布局地柜；冰箱通常放在地柜的两端；对于平行墙体，之间的距离不能小于人体通行的最小距离(一般取80cm)；如果布局墙的个数等于最大个数3(即布局形状为U型)，则终止。
进一步地，参考图4所示，加粗的墙体是图1所示布局墙的选择。
S20，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件。
在一个实施例中，所述约束条件包括：
(1)800≤x1≤1100，
(2)800≤x3≤1100，
(3)400≤x5≤800，
(4)400≤x7≤550，
(5)1000≤x8≤1100，
(6)len4-x2≥0，
(7)len4-x2+x1≤len1，
(8)len5-x4≥len1，
(9)len5-x4+x3≤len1+len2，
(10)x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
在一个实施例中，所述第一布局参数为水槽长度，所述第二布局参数为水槽移动距离，所述第三布局参数为灶台长度，所述第四布局参数为灶台移动距离，所述第五布局参数为抽屉长度，所述第六布局参数为单开门个数，所述第七布局参数为单开门长度，所述第八布局参数为转角地柜长度。
作为一个实施例，所述目标函数包括：
minf(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
本实施例预处理房间信息进行建模，根据已知条件给出非线性最优化问题的目标函数及约束条件.其中预处理是针对步骤S10得到的布局墙、以及墙上的家具进行处理，我们将布局墙沿第一面墙展开成一条直线，将起点放在原点，在直线上记录水槽、灶台的左起点位置以及转角点的位置，图4的预处理结果如图5所示。这样，就将二维问题转换为了一维的情况。同时，需要记录二维坐标到一维坐标所做的变换，以便最后将结果转换为二维坐标。
接着，我们对预处理后的布局信息建立非线性最优化模型，通过列出地柜布局需满足的条件，将厨房地柜布局问题转化为最优化问题，通过列出方程式来解出地柜布局的最优解。好处在于简化了地柜布局的计算过程。图6为该问题的非线性最优化算法的描述。我们假设布局墙上最多只有一个抽屉和一个调味拉篮，并事先运用整数规划求得其个数(0或1个)及所在哪段墙。由于双开门的缩放尺寸恰好是单开门的两倍，两个连续的单开门可以看成一个双开门，因此在求解中只使用单开门。从美观和实用角度，我们假设所有单开门的布局尺寸相同。
为了给出示例问题，可以设图4中，布局墙的总长度len等于布局墙的总和len1+len2+len3，设布局墙的起终点坐标为A和B，则图4中B的坐标为(len，0)，设水槽、灶台的左起点的坐标分别为(1en4，0)和(len5，0)，设抽屉和调味拉篮的个数分别为n1和n2，(n1，n2∈[0，1])，表2为各地柜的缩放范围示例，则间题(目标函数和相应约束条件)可以表示为：
min f(X)＝x2 2+x4 2 ①
Figure BDA0002336249730000061
其中，x1，x2，x3，x4，x5，x6，x7，x8为需要求解的未知数，各未知数的含义见表1。式①中的f(X)是目标函数，我们的目标是最小化f(X)；②中的10个式子为目标函数求解的约束条件，其中前9个式子为不等式约束，最后一个式子为等式约束。
表1
× 未知数
x<sub>1</sub> 水槽长度
x<sub>2</sub> 水槽移动距离
x<sub>3</sub> 灶台长度
x<sub>4</sub> 灶台移动距离
x<sub>5</sub> 抽屉长度
x<sub>6</sub> 单开门个数
x<sub>7</sub> 单开门长度
x<sub>8</sub> 转角地柜长度
表2
地柜类型 最小长度(mm) 最大长度(mm)
调味拉篮 300 300
抽屉 400 800
单开门 400 550
双开门 800 1100
转角地柜 1000 1100
水槽柜 800 1100
灶台柜 800 1100
S30，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
上述步骤可以解出最优解，给出地柜类型、摆放位置、及地柜长度，并将结果重新转换成房间内信息。具体地，求解出最优解后，首先，根据水槽、灶台的移动距离和长度，确定水槽和灶台的最终位置；其次，计算出除去水槽灶台之外每面墙剩余的布局长度；最后，根据各类型地柜的个数和长度以及剩余布局长度，依次放置好剩下的地柜。由于已求得最优解，每个地柜摆放的位置是有限的，通过尝试地柜摆放的位置组合，当放置完地柜时布局长度为0，即得到最优解下所有地柜的正确位置。
在一个示例中，补全地柜后的厨房布局示意图可以参考图6所示。
上述基于非线性最优化的厨房自动布局方法，根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局，以依据厨房内主家具的家具形状特征和厨房的基建信息实现的厨房自动布局，降低厨房布局过程中的工作量，提高布局效率。
在一个实施例中，参考图8所示，提供一种基于非线性最优化的厨房自动布局装置，包括：
确定模块10，用于根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状；
设置模块20，用于设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件；
布局模块30，用于根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
在一个实施例中，所述约束条件包括：
800≤x1≤1100，
800≤x3≤1100，
400≤x5≤800，
400≤x7≤550，
1000≤x8≤1100，
len4-x2≥0，
len4-x2+x1≤len1，
len5-x4≥len1，
len5-x4+x3≤len1+len2，
x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
作为一个实施例，所述约束条件包括：
目标函数包括：
minf(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
关于基于非线性最优化的厨房自动布局装置的具体限定可以参见上文中对于基于非线性最优化的厨房自动布局方法的限定，在此不再赘述。上述基于非线性最优化的厨房自动布局装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于非线性最优化的厨房自动布局方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
基于如上所述的示例，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如上述各实施例中的任意一种基于非线性最优化的厨房自动布局方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述基于非线性最优化的厨房自动布局方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
据此，在一个实施例中还提供一种计算机存储介质计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种基于非线性最优化的厨房自动布局方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于非线性最优化的厨房自动布局方法，其特征在于，包括如下步骤：
S10，根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状；
S20，设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件；
S30，根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
2.根据权利要求1所述的基于非线性最优化的厨房自动布局方法，其特征在于，在一个实施方式中，所述约束条件包括：
800≤x1≤1100，
800≤x3≤1100，
400≤x5≤800，
400≤x7≤550，
1000≤x8≤1100，
len4-x2≥0，
len4-x2+x1≤len1，
len5-x4≥len1，
len5-x4+x3≤len1+len2，
x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
3.根据权利要求1所述的基于非线性最优化的厨房自动布局方法，其特征在于，在一个实施方式中，所述第一布局参数为水槽长度，所述第二布局参数为水槽移动距离，所述第三布局参数为灶台长度，所述第四布局参数为灶台移动距离，所述第五布局参数为抽屉长度，所述第六布局参数为单开门个数，所述第七布局参数为单开门长度，所述第八布局参数为转角地柜长度。
4.根据权利要求2所述的基于非线性最优化的厨房自动布局方法，其特征在于，在一个实施方式中，所述目标函数包括：
minf(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
5.根据权利要求1指4任一项所述的基于非线性最优化的厨房自动布局方法，其特征在于，在一个实施方式中，所述地柜布局形状包括L型、U型、一字型或二字型。
6.一种基于非线性最优化的厨房自动布局装置，其特征在于，包括：
确定模块，用于根据厨房内主家具的家具形状特征和厨房的基建信息确定地柜布局形状；
设置模块，用于设置厨房布局的目标函数，根据地柜布局形状确定厨房各个布局参数的取值特征，根据厨房各个布局参数的取值特征确定约束条件；
布局模块，用于根据所述目标函数和约束条件求解各个布局参数，根据各个布局参数进行厨房布局。
7.根据权利要求6所述的基于非线性最优化的厨房自动布局装置，其特征在于，所述约束条件包括：
800≤x1≤1100，
800≤x3≤1100，
400≤x5≤800，
400≤x7≤550，
1000≤x8≤1100，
len4-x2≥0，
len4-x2+x1≤len1，
len5-x4≥len1，
len5-x4+x3≤len1+len2，
x1+x3+n1*x5+n2*300+x6*x7+2*x8＝len1+len2+len3，
其中，x1表示第一布局参数，x2表示第二布局参数，x3表示第三布局参数，x4表示第四布局参数，x5表示第五布局参数，x6表示第六布局参数，x7表示第七布局参数，x8表示第八布局参数，符号*表示相乘，len1表示第一长度，len2表示第二长度，len3表示第三长度，len1+len2+len3＝len，len表示布局墙的总长度，len4表示水槽起点的第一维坐标，len5表示灶台起点的第二维坐标，n1表示抽屉的个数，n2表示调味拉篮的个数。
8.根据权利要求6所述的基于非线性最优化的厨房自动布局装置，其特征在于，在一个实施方式中，所述约束条件包括：
目标函数包括：
minf(X)＝x2 2+x4 2，
其中，f(X)表示目标函数，min表示取最小值。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至5所述的基于非线性最优化的厨房自动布局方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5所述的基于非线性最优化的厨房自动布局方法的步骤。
CN201911357182.7A 2019-12-25 2019-12-25 基于非线性最优化的厨房自动布局方法、装置、计算机设备 Active CN111274627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911357182.7A CN111274627B (zh) 2019-12-25 2019-12-25 基于非线性最优化的厨房自动布局方法、装置、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911357182.7A CN111274627B (zh) 2019-12-25 2019-12-25 基于非线性最优化的厨房自动布局方法、装置、计算机设备

Publications (2)

Publication Number Publication Date
CN111274627A true CN111274627A (zh) 2020-06-12
CN111274627B CN111274627B (zh) 2022-07-08

Family

ID=71111828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911357182.7A Active CN111274627B (zh) 2019-12-25 2019-12-25 基于非线性最优化的厨房自动布局方法、装置、计算机设备

Country Status (1)

Country Link
CN (1) CN111274627B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131645A (zh) * 2020-09-23 2020-12-25 贝壳技术有限公司 室内物品摆放补全方法、装置以及设备、存储介质
CN113742996A (zh) * 2021-07-28 2021-12-03 杭州群核信息技术有限公司 橱柜布局的处理方法和装置
WO2023103147A1 (zh) * 2021-12-10 2023-06-15 广东三维家信息科技有限公司 一种室内场景布局方法、装置、电子设备及存储介质
CN118194387A (zh) * 2024-05-15 2024-06-14 深圳市市场监督管理局许可审查中心 食品经营单位厨房的布局方法及其计算机设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846502A (zh) * 2018-04-27 2018-11-20 中车青岛四方机车车辆股份有限公司 车间生产线布局优化方法及装置
CN108959782A (zh) * 2018-07-09 2018-12-07 广东工业大学 一种智能车间的布局优化方法、装置及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846502A (zh) * 2018-04-27 2018-11-20 中车青岛四方机车车辆股份有限公司 车间生产线布局优化方法及装置
CN108959782A (zh) * 2018-07-09 2018-12-07 广东工业大学 一种智能车间的布局优化方法、装置及设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131645A (zh) * 2020-09-23 2020-12-25 贝壳技术有限公司 室内物品摆放补全方法、装置以及设备、存储介质
CN113742996A (zh) * 2021-07-28 2021-12-03 杭州群核信息技术有限公司 橱柜布局的处理方法和装置
WO2023103147A1 (zh) * 2021-12-10 2023-06-15 广东三维家信息科技有限公司 一种室内场景布局方法、装置、电子设备及存储介质
CN118194387A (zh) * 2024-05-15 2024-06-14 深圳市市场监督管理局许可审查中心 食品经营单位厨房的布局方法及其计算机设备、存储介质
CN118194387B (zh) * 2024-05-15 2024-07-19 深圳市市场监督管理局许可审查中心 食品经营单位厨房的布局方法及其计算机设备、存储介质

Also Published As

Publication number Publication date
CN111274627B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN111274627B (zh) 基于非线性最优化的厨房自动布局方法、装置、计算机设备
Dalalyan et al. On sampling from a log-concave density using kinetic Langevin diffusions
CN110096768B (zh) 一种快速实现厨房自动布局的方法及系统
Wong et al. Application of fuzzy time series models for forecasting the amount of Taiwan export
Farahani et al. A comparison of partial least squares (PLS) and ordinary least squares (OLS) regressions in predicting of couples mental health based on their communicational patterns
US11270034B1 (en) Method and system for kitchen cabinet layout
Zhou et al. Predicting energy consumption: A multiple decomposition-ensemble approach
Hansun et al. Brown’s weighted exponential moving average implementation in forex forecasting
Hossain et al. Estimation of ARMA model order via artificial neural network for modeling physiological systems
Özaltın et al. Predicting the solution time of branch-and-bound algorithms for mixed-integer programs
Riahi et al. A three-phase hybrid times series modeling framework for improved hospital inventory demand forecast
Bánhidi et al. A Data Envelopment Analysis model for ranking digital development in the countries of the European Union without explicit inputs and common weights analysis
Qiang et al. Variance reduction techniques of importance sampling Monte Carlo methods for pricing options
Calvin et al. Confidence intervals for quantiles with standardized time series
Pillonetto et al. Pitfalls of the parametric approaches exploiting cross-validation for model order selection
Holst et al. Validation of grey box models
Kotas et al. Bayesian learning of dose–response parameters from a cohort under response-guided dosing
Amir et al. JMASM37: Simple response surface methodology using RSREG (SAS)
CN112199748B (zh) 基于人类活动信息的平面图设计方法、装置及终端设备
Huh Estimation of a change point in the variance function based on the χ2-distribution
Yoon et al. Single-and multi-objective ranking and selection procedures in simulation: A historical review
Kadane et al. Hybrid methods for calculating optimal few-stage sequential strategies: Data monitoring for a clinical trial
Castro Spatial branch and bound algorithm for the global optimization of MIQCPs
CN109064077A (zh) 工程项目建设进程监管方法和风险评估方法
CN111340648A (zh) 一种基于物联网的能源管控方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 211100 floor 5, block a, China Merchants high speed rail Plaza project, No. 9, Jiangnan Road, Jiangning District, Nanjing, Jiangsu (South Station area)

Applicant after: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd.

Address before: 211100 No. 18 Zhilan Road, Science Park, Jiangning District, Nanjing City, Jiangsu Province

Applicant before: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant