CN113505922B - 基于并行树搜索的桁架装配序列规划方法 - Google Patents
基于并行树搜索的桁架装配序列规划方法 Download PDFInfo
- Publication number
- CN113505922B CN113505922B CN202110767902.8A CN202110767902A CN113505922B CN 113505922 B CN113505922 B CN 113505922B CN 202110767902 A CN202110767902 A CN 202110767902A CN 113505922 B CN113505922 B CN 113505922B
- Authority
- CN
- China
- Prior art keywords
- sub
- truss
- mode
- rod
- main mode
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出基于并行树搜索的桁架装配序列规划方法,包括以下步骤:步骤S1:根据目标桁架结构生成无向图,对各个杆件赋予相应的权重,存储于并行树搜索的主模式中;步骤S2:根据桁架结构建立若干个子模式及对应的根结点,各子模式分别扩展多叉树,逐层生成叶子结点;步骤S3:判断各子模式的最优解是否产生冲突,并由主模式中的判别机制进行选择决策;步骤S4:各子模式将得到的最优叶子结点信息返回主模式,主模式将已连接的杆件对应的序列号设置为不可读状态;步骤S5:子模式逐步扩展到无可扩展的杆件列表时,由主模式判断目标桁架结构是否被完全扩展,由此判断是否结束搜索程序;本发明能够快速有效的获取符合稳定性要求的桁架并行装配序列。
Description
技术领域
本发明涉及多机器人协同装配技术领域,尤其是基于并行树搜索的桁架装配序列规划方法。
背景技术
目前,工业机器人已逐步取代人类完成生产过程中枯燥的、危险的作业任务。然而,随着人类制造应用需求陡增,单一机器人的作业功能单一,效率低下,逐渐无法满足生产作业需求,因此,多机器人协作的理论和应用的发展成为必然。同时,低时延高速率海量数据的5G时代的到来,通信效率和壁垒被进一步打通,加速了多机器人应用在交互操作性、自主性和人机协同方面的不断提升。针对大型复杂结构体装配,多机器人协同装配可以大幅度提升装配效率,作为多机器人协作装配的基础,并行装配序列规划成为研究热点。由于蚁群算法的分布式特点,目前已有的机械装配体的并行装配序列规划主要建立在蚁群算法的基础上。然而,针对机械装配体的并行装配序列规划方法并不适用于桁架结构的并行装配,而基于树搜索的桁架装配序列规划方法可以有效获取符合稳定性要求的桁架装配序列,在此基础上,为了缩短基于树搜索的桁架装配序列规划面对复杂桁架结构的装配序列规划计算时间,可以对搜索树进行并行化。搜索树的并行化总共有三种方式,分别是叶并行化、根并行化和树并行化,目前叶并行化被证明是最弱的并行化方法,而根并行化则是并行化搜索树的最佳方式。
发明内容
本发明提出基于并行树搜索的桁架装配序列规划方法,能够快速有效的获取符合稳定性要求的桁架并行装配序列。
基于并行树搜索的桁架装配序列规划方法,包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图,并根据连接关系无向图所包含的连接关系对桁架结构的各个杆件赋予相应的权重,存储于并行树搜索的主模式中;
步骤S2:根据桁架结构建立若干个并行树搜索的子模式及对应的根结点,各子模式依据广度优先原则分别扩展多叉树,从根结点开始逐层生成叶子结点;
步骤S3:判断各子模式扩展到的最优解是否产生冲突,将冲突信号传递至主模式,由主模式中的判别机制进行决策,选择可用于输出装配序列的子模式最优解;
步骤S4:各子模式将得到的最优叶子结点信息返回主模式,主模式将已连接的杆件对应的序列号设置为不可读状态;
步骤S5:子模式逐步扩展到无可扩展的杆件列表时,由主模式判断目标桁架结构是否被完全扩展,由此判断是否结束搜索程序。
所述步骤S1具体为:主模式读取桁架数据文档;遍历桁架数据构建桁架连接关系无向图,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列;根据连接关系无向图,以各杆件连接杆件数值作为对应杆件的权重,生成杆件序号与相应的权重列表。
所述杆件的权重值为各杆件所需连接的其它杆件数;所述桁架结构中,桁架结构内层的杆件连接关系复杂度大于桁架结构外层,即靠近桁架结构内部的杆件所需连接的其它杆件数大于靠近桁架结构的外部杆件所需连接的其它杆件数。
所述步骤S2具体为:将主模式中桁架的杆件实例化为多叉树的结点,并根据桁架结构特征及复杂程度确定根节点数量,即子模式个数;建立主模式与各子模式之间的通信;根据桁架的连接关系和结构的稳定性生成可扩展的桁架序号列表;在可扩展的桁架列表中选择稳定性值与权值最高的杆件序号作为最优解。
所述步骤S2扩展多叉树时,在生成的可扩展的杆件序号列表中,选择稳定性值最高的杆件序号作为最优解以确保稳定性;当同时存在多个稳定性最高的杠件序号时,选择权值最高的杆件作为最优解,以确保多叉树可以沿复杂桁架结构内部进行搜索。
所述步骤S3具体为:各子模式将得到的最优解进行对比,若出现多个子模式共用同一个杆件序列号,则判定子模式间产生冲突,将冲突信息传递至主模式,由主模式中的判别机制进行决策,判断该杆件归属于哪棵多叉树。
所述主模式中的判别机制,具体为对产生冲突的子模式进行优先级判断,即首先比较各结点稳定性值,赋予最稳定的结点对应的多叉树所在的子模式最高优先级,若稳定性值相同,则比较该结点表示的杆件分别对应预连关节的扭矩,扭矩越小则对应的多叉树所在的子模式优先级越高,若稳定性值与扭矩都相同,则对两多叉树当前已连接的杆件对应的权值之和进行比较,选择权值和较小的一多叉树,以使该多叉树尽可能向桁架内部扩展,若结点稳定性、预连关节扭矩、对应权值和这三个数值均相同,则通过随机选择器任选其一。
所述步骤S4具体为: 各子模式将得到的最优叶子结点信息返回主模式,即将各子模式得到的最优解对应的杆件序号返回主模式,将其与主模式中可连接的所有桁架序号列表进行对比后,将桁架序号列表中存在对应关系的杆件标记为已连接的杆件,即将其对应的序列号设置为不可读状态。
所述步骤S5具体为:各子模式扩展时,首先应判断主模式中是否还存在该结点可扩展的杆件列表,若存在则继续执行步骤S2,若不存在,则由主模式判断目标桁架结构是否被完全扩展,若目标桁架未完全扩展,则选择一个新的根结点继续执行步骤S2,若目标桁架已被完全扩展,则依据各子模式保留下来的多叉树分别输出最优的并行装配子序列。
若目标桁架未完全扩展,将任选另一扩展中的子模式的当前叶子结点中的次优解作为新的根结点,继续扩展。
本发明与现有技术相比具有以下有益效果:
1、本发明选取多个桁架杆建立根结点,同时进行搜索,形成多棵根并行的搜索树,有效降低了装配体结构的计算规模,有利于缩短求解桁架装配序列的时间;
2、本发明以各杆件连接杆件数值作为对应杆件的权重值,确保多叉树优先向桁架结构内部进行搜索,有利于遍历复杂桁架结构的全部杆件。
3、本发明由主模式读取数据文档,子模式对主模式中的桁架数据进行访问,从而避免子模式重复搜索已被其他搜索树扩展的结点,同时,当子模式间发生冲突时,由主模式进行子模式优先级判断,有利于生成最合理的桁架并行装配子序列;
4、本发明通过并行树搜索得到复杂桁架装配子序列,以便于多机器人进行协同装配,从而有利于缩短复杂桁架的装配时间。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明:
附图1是本发明所述方法中,根据目标桁架结构生成桁架连接关系无向图的示意图;
附图2是本发明实施例中二维桁架结构杆件序号及对应的权重列表示意图;
附图3是本发明所述方法的程序流程示意图。
具体实施方式
如图所示,基于并行树搜索的桁架装配序列规划方法,包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图,并根据连接关系无向图所包含的连接关系对桁架结构的各个杆件赋予相应的权重,存储于并行树搜索的主模式中;
步骤S2:根据桁架结构建立若干个并行树搜索的子模式及对应的根结点,各子模式依据广度优先原则分别扩展多叉树,从根结点开始逐层生成叶子结点;
步骤S3:判断各子模式扩展到的最优解是否产生冲突,将冲突信号传递至主模式,由主模式中的判别机制进行决策,选择可用于输出装配序列的子模式最优解;
步骤S4:各子模式将得到的最优叶子结点信息返回主模式,主模式将已连接的杆件对应的序列号设置为不可读状态;
步骤S5:子模式逐步扩展到无可扩展的杆件列表时,由主模式判断目标桁架结构是否被完全扩展,由此判断是否结束搜索程序。
所述步骤S1具体为:主模式读取桁架数据文档;遍历桁架数据构建桁架连接关系无向图,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列;根据连接关系无向图,以各杆件连接杆件数值作为对应杆件的权重,生成杆件序号与相应的权重列表。
所述杆件的权重值为各杆件所需连接的其它杆件数;所述桁架结构中,桁架结构内层的杆件连接关系复杂度大于桁架结构外层,即靠近桁架结构内部的杆件所需连接的其它杆件数大于靠近桁架结构的外部杆件所需连接的其它杆件数。
所述步骤S2具体为:将主模式中桁架的杆件实例化为多叉树的结点,并根据桁架结构特征及复杂程度确定根节点数量,即子模式个数;建立主模式与各子模式之间的通信;根据桁架的连接关系和结构的稳定性生成可扩展的桁架序号列表;在可扩展的桁架列表中选择稳定性值与权值最高的杆件序号作为最优解。
所述步骤S2扩展多叉树时,在生成的可扩展的杆件序号列表中,选择稳定性值最高的杆件序号作为最优解以确保稳定性;当同时存在多个稳定性最高的杠件序号时,选择权值最高的杆件作为最优解,以确保多叉树可以沿复杂桁架结构内部进行搜索。
所述步骤S3具体为:各子模式将得到的最优解进行对比,若出现多个子模式共用同一个杆件序列号,则判定子模式间产生冲突,将冲突信息传递至主模式,由主模式中的判别机制进行决策,判断该杆件归属于哪棵多叉树。
所述主模式中的判别机制,具体为对产生冲突的子模式进行优先级判断,即首先比较各结点稳定性值,赋予最稳定的结点对应的多叉树所在的子模式最高优先级,若稳定性值相同,则比较该结点表示的杆件分别对应预连关节的扭矩,扭矩越小则对应的多叉树所在的子模式优先级越高,若稳定性值与扭矩都相同,则对两多叉树当前已连接的杆件对应的权值之和进行比较,选择权值和较小的一多叉树,以使该多叉树尽可能向桁架内部扩展,若结点稳定性、预连关节扭矩、对应权值和这三个数值均相同,则通过随机选择器任选其一。
所述步骤S4具体为: 各子模式将得到的最优叶子结点信息返回主模式,即将各子模式得到的最优解对应的杆件序号返回主模式,将其与主模式中可连接的所有桁架序号列表进行对比后,将桁架序号列表中存在对应关系的杆件标记为已连接的杆件,即将其对应的序列号设置为不可读状态。
所述步骤S5具体为:各子模式扩展时,首先应判断主模式中是否还存在该结点可扩展的杆件列表,若存在则继续执行步骤S2,若不存在,则由主模式判断目标桁架结构是否被完全扩展,若目标桁架未完全扩展,则选择一个新的根结点继续执行步骤S2,若目标桁架已被完全扩展,则依据各子模式保留下来的多叉树分别输出最优的并行装配子序列。
若目标桁架未完全扩展,将任选另一扩展中的子模式的当前叶子结点中的次优解作为新的根结点,继续扩展。
实施例:
在本实施例中,所述步骤S1具体为:由主模式读取桁架数据文档;遍历桁架数据构建桁架连接关系无向图,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列,实施例的二维桁架结构如图1的(a)所示,对应的连接关系无向图如图1的(b)所示;根据连接关系无向图,以各杆件连接杆件数值作为对应杆件的权重,生成杆件序号与相应的权重列表,如图2所示。
在本实施例中,所述步骤S2具体为:将主模式中桁架的杆实例化为多叉树的结点,根据实施例中桁架结构特征及复杂程度可确定初始根结点数量为2,即子模式个数为2;建立主模式与各子模式之间的通信;选择靠紧地面的杆件1和6分别作为两多叉树的根结点,并分别从与根结点对应的杆件相连的杆件开始扩展;根据桁架的连接关系和结构的稳定性生成可扩展的桁架序号列表,根结点为杆件1的多叉树的可扩展桁架序号列表为2、3、5、7,其中,与杆件2、3、5相连的稳定性最高,同理根结点为杆件6的多叉树的第一层叶子结点中,杆件3、5、7、9的稳定性相同,其中杆件3、5、7对应的权值最高,故两多叉树的可扩展列表分别缩减至3、5和3、5、7,本实施例中的两多叉树第一层叶子结点都不存在趋稳的结点,故继续扩展第二层叶子结点,得到根结点为杆件1的多叉树的最优解为1-3-2,根结点为杆件6的多叉树的最优解为6-7-9,子模式间未产生冲突;
在本实施中,所述步骤S4具体为:
两子模式将最优解1-3-2和6-7-9返回主模式,主模式将杆件1、2、3、6、7、9设置为已连接状态,两多叉树继续扩展,多叉树1-3-2可扩展的桁架列表为4,多叉树6-7-9可扩展的桁架列表为8,均未趋稳,故继续扩展至第四层叶子结点,得到多叉树1-3-2的最优解为4-5,多叉树6-7-9的最优解为8-5,两多叉树在第四层产生冲突,将冲突信息传递至主模式,由于该实施例中两多叉树当前稳定值与权值相同,故可将杆件5随机分配至任一多叉树,得到最优装配子序列为1-3-2-4-5和6-7-9-8。
以上为理想状态下,两多叉树的搜索结果,实际搜索过程中,由于运算速度等原因可能导致两多叉树搜索速度不一致,在本实施例中,假设两多叉树搜索速度不一致,可能出现根结点为6的多叉树已扩展至6-7-9-8-5,而根结点为1的多叉树才扩展至1-3-2,二者在杆件4处可能产生冲突,此时两多叉树稳定值与扭矩均相同,但多叉树1-3-2的权值和为14小于权值和为24的多叉树6-7-9-8-5,故杆件4应归属于多叉树1-3-2,得到最优装配子序列为1-3-2-4和6-7-9-8-5.
得到分枝1-3-2-4和6-7-9-8-5后,此时主模式中无子模式可访问的数据,两多叉树的叶子结点中的可扩展桁架序号列表已经为空,表示整体桁架结构已全部装完,算法结束,两多叉树都退化为仅有一个分枝,其分别对应为本发明提出的方法得到的最优装配子序列。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (3)
1.基于并行树搜索的桁架装配序列规划方法,其特征在于:包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图,并根据连接关系无向图所包含的连接关系对桁架结构的各个杆件赋予相应的权重,存储于并行树搜索的主模式中;
步骤S2:根据桁架结构建立若干个并行树搜索的子模式及对应的根结点,各子模式依据广度优先原则分别扩展多叉树,从根结点开始逐层生成叶子结点;
步骤S3:判断各子模式扩展到的最优解是否产生冲突,将冲突信号传递至主模式,由主模式中的判别机制进行决策,选择可用于输出装配序列的子模式最优解;
步骤S4:各子模式将得到的最优叶子结点信息返回主模式,主模式将已连接的杆件对应的序列号设置为不可读状态;
步骤S5:子模式逐步扩展到无可扩展的杆件列表时,由主模式判断目标桁架结构是否被完全扩展,由此判断是否结束搜索程序;
所述步骤S1具体为:主模式读取桁架数据文档;遍历桁架数据构建桁架连接关系无向图,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列;根据连接关系无向图,以各杆件连接杆件数值作为对应杆件的权重,生成杆件序号与相应的权重列表;
所述杆件的权重值为各杆件所需连接的其它杆件数;所述桁架结构中,桁架结构内层的杆件连接关系复杂度大于桁架结构外层,即靠近桁架结构内部的杆件所需连接的其它杆件数大于靠近桁架结构的外部杆件所需连接的其它杆件数;
所述步骤S2具体为:将主模式中桁架的杆件实例化为多叉树的结点,并根据桁架结构特征及复杂程度确定根节点数量,即子模式个数;建立主模式与各子模式之间的通信;根据桁架的连接关系和结构的稳定性生成可扩展的桁架序号列表;在可扩展的桁架列表中选择稳定性值与权值最高的杆件序号作为最优解;
所述步骤S2扩展多叉树时,在生成的可扩展的杆件序号列表中,选择稳定性值最高的杆件序号作为最优解以确保稳定性;当同时存在多个稳定性最高的杠件序号时,选择权值最高的杆件作为最优解,以确保多叉树可以沿复杂桁架结构内部进行搜索;
所述步骤S3具体为:各子模式将得到的最优解进行对比,若出现多个子模式共用同一个杆件序列号,则判定子模式间产生冲突,将冲突信息传递至主模式,由主模式中的判别机制进行决策,判断该杆件归属于哪棵多叉树;
所述主模式中的判别机制,具体为对产生冲突的子模式进行优先级判断,即首先比较各结点稳定性值,赋予最稳定的结点对应的多叉树所在的子模式最高优先级,若稳定性值相同,则比较该结点表示的杆件分别对应预连关节的扭矩,扭矩越小则对应的多叉树所在的子模式优先级越高,若稳定性值与扭矩都相同,则对两多叉树当前已连接的杆件对应的权值之和进行比较,选择权值和较小的一多叉树,以使该多叉树尽可能向桁架内部扩展,若结点稳定性、预连关节扭矩、对应权值和这三个数值均相同,则通过随机选择器任选其一;
所述步骤S5具体为:各子模式扩展时,首先应判断主模式中是否还存在该结点可扩展的杆件列表,若存在则继续执行步骤S2,若不存在,则由主模式判断目标桁架结构是否被完全扩展,若目标桁架未完全扩展,则选择一个新的根结点继续执行步骤S2,若目标桁架已被完全扩展,则依据各子模式保留下来的多叉树分别输出最优的并行装配子序列。
2. 根据权利要求1所述的基于并行树搜索的桁架装配序列规划方法,其特征在于:所述步骤S4具体为: 各子模式将得到的最优叶子结点信息返回主模式,即将各子模式得到的最优解对应的杆件序号返回主模式,将其与主模式中可连接的所有桁架序号列表进行对比后,将桁架序号列表中存在对应关系的杆件标记为已连接的杆件,即将其对应的序列号设置为不可读状态。
3.根据权利要求1所述的基于并行树搜索的桁架装配序列规划方法,其特征在于:若目标桁架未完全扩展,将任选另一扩展中的子模式的当前叶子结点中的次优解作为新的根结点,继续扩展。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110767902.8A CN113505922B (zh) | 2021-07-07 | 2021-07-07 | 基于并行树搜索的桁架装配序列规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110767902.8A CN113505922B (zh) | 2021-07-07 | 2021-07-07 | 基于并行树搜索的桁架装配序列规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505922A CN113505922A (zh) | 2021-10-15 |
CN113505922B true CN113505922B (zh) | 2023-08-01 |
Family
ID=78011989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110767902.8A Active CN113505922B (zh) | 2021-07-07 | 2021-07-07 | 基于并行树搜索的桁架装配序列规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505922B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09114849A (ja) * | 1995-10-16 | 1997-05-02 | N T T Data Tsushin Kk | 木探索装置及び木探索方法 |
CN104580518A (zh) * | 2015-01-29 | 2015-04-29 | 成都国科海博信息技术股份有限公司 | 一种用于存储系统的负载均衡控制方法 |
CN109115226A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
CN112734291A (zh) * | 2021-01-26 | 2021-04-30 | 福州大学 | 基于树搜索的桁架装配序列规划方法 |
-
2021
- 2021-07-07 CN CN202110767902.8A patent/CN113505922B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09114849A (ja) * | 1995-10-16 | 1997-05-02 | N T T Data Tsushin Kk | 木探索装置及び木探索方法 |
CN104580518A (zh) * | 2015-01-29 | 2015-04-29 | 成都国科海博信息技术股份有限公司 | 一种用于存储系统的负载均衡控制方法 |
CN109115226A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
CN112734291A (zh) * | 2021-01-26 | 2021-04-30 | 福州大学 | 基于树搜索的桁架装配序列规划方法 |
Non-Patent Citations (2)
Title |
---|
基于SMP的并行游戏树搜索程序负载分析研究;谭膺;中国优秀硕士学位论文全文数据库(信息科技辑)(12);第I138-131页 * |
基于启发式割集法的桁架装配序列规划研究;姜冲;张凯;于淼;;机械(第05期);第18-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113505922A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752306B (zh) | 一种基于快速扩展随机树的无人机航路规划方法 | |
US20230112223A1 (en) | Multi-stage fpga routing method for optimizing time division multiplexing | |
CN110297490B (zh) | 基于强化学习算法的异构模块化机器人自重构规划方法 | |
CN107016077B (zh) | 一种面向Web服务组合的优化方法 | |
CN112632744B (zh) | 基于超网络模型的作战体系架构建模方法及空间探索方法 | |
CN109409592B (zh) | 动态环境下移动机器人的最优策略解决方法 | |
CN108491628B (zh) | 产品设计需求驱动的三维cad装配模型聚类及检索方法 | |
CN114595580A (zh) | 一种满足大型柔性叶片优化设计的复杂工作流引擎方法 | |
CN114201885B (zh) | 基于改进行为树的兵力实体行为仿真元建模方法及系统 | |
CN113505922B (zh) | 基于并行树搜索的桁架装配序列规划方法 | |
CN115081587A (zh) | 类脑计算机中脉冲神经网络在硬件上的运行部署方法 | |
Daymude et al. | Bio-inspired energy distribution for programmable matter | |
Wang et al. | Assembly sequence optimization based on hybrid symbiotic organisms search and ant colony optimization | |
Tamke et al. | Lace wall-extending design intuition through machine learning | |
Kaveh et al. | Optimum structural design of spatial truss structures via migration-based imperialist competitive algorithm | |
Asmaran et al. | Chemical reaction optimization algorithm to find maximum independent set in a graph | |
CN112734291B (zh) | 基于树搜索的桁架装配序列规划方法 | |
Franchi | Towards agent-based models for synthetic social network generation | |
Fawaz et al. | Hybrid evolutionary algorithm and application to structural optimization | |
Dehimi et al. | A novel distributed dynamic planning approach based on constraint satisfaction. | |
CN106383863A (zh) | 一种同构子图查询优化方法 | |
CN114490799A (zh) | 单个图的频繁子图挖掘方法及装置 | |
Bin et al. | Automated conceptual design of multiple input and multiple output mechanical transmission system | |
Huang et al. | A Hybrid Algorithm Based on Comprehensive Search Mechanisms for Job Shop Scheduling Problem | |
Ma et al. | Path planning for mobile robots based on improving Dijkstra algorithm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |