CN114036717A - 一种钢筋下料的切割方案确定方法、装置和终端设备 - Google Patents

一种钢筋下料的切割方案确定方法、装置和终端设备 Download PDF

Info

Publication number
CN114036717A
CN114036717A CN202111186918.6A CN202111186918A CN114036717A CN 114036717 A CN114036717 A CN 114036717A CN 202111186918 A CN202111186918 A CN 202111186918A CN 114036717 A CN114036717 A CN 114036717A
Authority
CN
China
Prior art keywords
population
steel bars
chromosome
cutting
blanked
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
Application number
CN202111186918.6A
Other languages
English (en)
Inventor
周立新
杨术
黄冬妹
萧伟
谢利红
吴晓峰
李树森
常晓磊
宋志斌
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.)
Shenzhen Research Institute Tsinghua University
China Resources Land Ltd
Original Assignee
Shenzhen Research Institute Tsinghua University
China Resources Land 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 Shenzhen Research Institute Tsinghua University, China Resources Land Ltd filed Critical Shenzhen Research Institute Tsinghua University
Priority to CN202111186918.6A priority Critical patent/CN114036717A/zh
Publication of CN114036717A publication Critical patent/CN114036717A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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

Abstract

本申请属于钢筋下料领域，尤其涉及一种钢筋下料的切割方案确定方法、装置和终端设备，该方法包括：获取原材料钢筋的长度和待下料钢筋的长度及数量；根据原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，第一种群为初始切割方案的集合，切割方案为将原材料钢筋进行切割，满足待下料钢筋的长度及数量的方案；基于预设的适应度算子，对第一种群进行优化处理，获得第二种群，第二种群为优化后的切割方案的集合；根据第二种群，确定原材料钢筋优化后的切割方案。即本申请可以通过确定第一种群，对第一种群进行优化获得第二种群，进而确定原材料钢筋优化后的切割方案，利用优化后的切割方案对原材料钢筋进行切割，提高原材料钢筋的利用率。

Description

一种钢筋下料的切割方案确定方法、装置和终端设备
技术领域
本申请属于钢筋下料领域，尤其涉及一种钢筋下料的切割方案确定方法、装置和终端设备。
背景技术
钢筋优化下料是通过对大量待下料钢筋进行筛选比较，优化组合，使原材料钢筋的用量最少，同时满足待下料钢筋的的生产数量。
传统的下料方法是通过工人经验制定切割方案，即统计待下料钢筋的数量，简单规划后按照规模顺序来切割，但是这种方法产生的浪费巨大，原材料钢筋的利用率较低。
发明内容
本申请实施例提供一种钢筋下料的切割方案确定方法、装置和终端设备，旨在提高原材料钢筋的利用率。
第一方面，本申请实施例提供一种钢筋下料的切割方案确定方法，包括：
获取原材料钢筋的长度和待下料钢筋的长度及数量；
根据所述原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，所述第一种群为初始切割方案的集合，所述切割方案为将所述原材料钢筋进行切割，满足所述待下料钢筋的长度及数量的方案；
基于预设的适应度算子，对所述第一种群进行优化处理，获得第二种群，所述第二种群为优化后的切割方案的集合；
根据所述第二种群，确定所述原材料钢筋优化后的切割方案。
在第一方面一种可能的实现方式中，所述切割方案为切割方式的集合，所述确定第一种群包括：
确定所述原材料钢筋的所述切割方式，将所述切割方式作为基因；
将各所述切割方式作为基因池，所述切割方式为将所述原材料钢筋切割为所述待下料钢筋的方式；
在所述基因池中随机选择基因；
若多组所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量，则将多组所述基因作为染色体；
若多组所述染色体满足预设种群规模，则确定所述第一种群。
其中，基于预设的适应度算子，对所述第一种群进行切割方案确定处理，获得第二种群包括：
基于预设的适应度算子，对所述第一种群进行选择处理，获得第三种群；
对所述第三种群进行交叉处理，获得第四种群；
对所述第四种群进行变异处理，获得第二种群。
其中，所述基于预设的适应度算子，对所述第一种群进行选择处理，获得第三种群包括：
基于预设的适应度算子，获得各组所述染色体的适应度；
根据各组所述染色体的适应度和选择概率算子，获得各组所述染色体被选择的概率；
根据各组所述染色体被选择的概率，确定预设组数的染色体，将所述预设组数的染色体作为所述第三种群。
其中，所述对所述第三种群进行交叉处理，获得第四种群包括：
在预设组数的染色体中，选择任一染色体为父染色体，选择任一染色体为母染色体，所述父染色体和所述母染色体为不相同的染色体；
确定所述父染色体中的基因数量和所述母染色体中的基因数量；
根据所述父染色体中的基因数量和所述母染色体中的基因数量，确定所述父染色体和所述母染色体的交叉点；
根据所述父染色体和所述母染色体的交叉点，对所述第三种群进行交叉处理，获得子染色体；
基于各所述子染色体，获得所述第四种群。
其中，在获得子染色体之后，还包括：
确定所述子染色体中各所述基因的待下料钢筋的数量；
若所述子染色体中各所述基因的待下料钢筋的数量不满足获取的待下料钢筋的数量，则从所述基因池中选择基因补充到所述子染色体，直至所述子染色体中各所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量。
其中，所述对所述第四种群进行变异处理，获得第二种群包括：
获取各所述子染色体中各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量；
基于各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量，获取各所述基因的所述待下料钢筋的长度与所述原材料钢筋的余量的差值，根据所述差值确定对应所述基因的变异值；
基于所述基因的变异值，获得所述基因的变异概率；
根据所述基因的变异概率，确定变异基因；
在所述子染色体中，去除所述变异基因，得到去除所述变异基因后的所述子染色体，将去除所述变异基因后的各所述子染色体作为第二种群。
第二方面，本申请实施例提供一种钢筋下料的切割方案确定装置，包括：
获取装置，用于获取原材料钢筋的长度和待下料钢筋的长度及数量；
第一确定装置，用于根据所述原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，所述第一种群为初始切割方案的集合，所述切割方案为将所述原材料钢筋进行切割，满足所述待下料钢筋的长度及数量的方案；
获得装置，用于基于预设的适应度算子，对所述第一种群进行优化处理，获得第二种群，所述第二种群为优化后的切割方案的集合；
第二确定装置，用于根据所述第二种群，确定所述原材料钢筋优化后的切割方案。
第三方面，本申请实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如第一方面所述的钢筋下料的切割方案确定方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面所述的钢筋下料的切割方案确定方法。
本申请实施例与现有技术相比存在的有益效果是：本申请通过获取原材料钢筋的长度和待下料钢筋的长度及数量；根据原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，第一种群为初始切割方案的集合，切割方案为将原材料钢筋进行切割，满足待下料钢筋的长度及数量的方案；基于预设的适应度算子，对第一种群进行优化处理，获得第二种群，第二种群为优化后的切割方案的集合；根据第二种群，确定原材料钢筋优化后的切割方案。即本申请可以通过确定第一种群，对第一种群进行优化获得第二种群，进而确定原材料钢筋优化后的切割方案，利用优化后的切割方案对原材料钢筋进行切割，提高原材料钢筋的利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的钢筋下料的切割方案确定方法的一种应用场景示意图；
图2是本申请一实施例提供的钢筋下料的切割方案确定方法的流程示意图；
图3是本申请一实施例提供的确定第一种群的方法的流程示意图；
图4是本申请一实施例提供的获得第二种群的方法的流程示意图；
图5是本申请实施例提供的钢筋下料的切割方案确定装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述，在其它情况中，各个实施例中的具体技术细节可以互相参考，在一个实施例中没有描述的具体系统可参考其它实施例。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本申请说明书中描述的参考“本申请实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在另一些实施例中”、“本申请一实施例”、“本申请其他实施例”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
应该理解，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
另外，本申请说明书和所附权利要求书中的描述中，术语“基因”是组成染色体的基本单位。术语“染色体”是由多个基因组成。术语“种群”是由多个染色体组成。术语“适应度算子”决定每个染色体的适应度，适应度越高越优。术语“基因池”为存放各基因的逻辑池。
传统的下料方法是通过工人经验制定切割方案，即统计待下料钢筋的数量，简单规划后按照规模顺序来切割，但是这种方法产生的浪费巨大，原材料钢筋的利用率较低。
线性规划法在工程规模较小时，可以遍历所有的切割方案，并得出最佳的切割方案，随着工程规模的增加，切割方式和数量的增多，计算量几何倍上升，现有算力无法遍历所有的情况。
为了解决上述缺陷，本申请的发明构思为：
本申请基于遗传算法，通过配置合理的适应度函数、变异方式和交叉方式，使遗传算法的优胜劣汰的特点在对钢筋的切割方案进行优化的问题上得到更好的应用，提高原材料钢筋的利用率。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
请参考图1，图1是本申请一实施例提供的钢筋下料的切割方案确定方法的一种应用场景示意图，为了方便说明，仅示出与本申请相关的部分。该应用场景包括：终端设备10。
该终端设备10可以为手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personaldigital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
该终端设备10用于获取原材料钢筋的长度和待下料钢筋的长度及数量；根据原材料钢筋的长度和待下料钢筋的长度及数量，确定原材料钢筋优化后的切割方案。
该终端设备10还用于根据优化后的切割方案，确定原材料钢筋的损耗率。
请参考图2，图2是本申请一实施例提供的钢筋下料的切割方案确定方法的流程示意图。图2中的方法的执行主体可以为图1中的终端设备10。如图2所示，该方法包括：S201至S204。
S201、获取原材料钢筋的长度和待下料钢筋的长度及数量。
具体的，钢筋下料是指确定制作某个钢筋构件所需的材料形状、数量或质量后，从整根钢筋中切割一定形状、数量或质量的钢筋进行加工的操作过程。原材料钢筋是指未被切割的钢筋，待下料钢筋是指切割后的钢筋，相当于钢筋构件。
在终端设备中录入钢筋下料单，钢筋下料单中包含原材料钢筋的长度和型号、待下料钢筋的长度、形状及数量。终端设备可自动识别原材料钢筋的型号、库存数量和预期损耗率等参数。
终端设备通过录入的钢筋下料单即可获取原材料钢筋的长度和待下料钢筋的长度及数量。
S202、根据原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群。
具体的，第一种群为初始切割方案的集合，切割方案为将原材料钢筋进行切割，满足待下料钢筋的长度及数量的方案。
具体确定第一种群的方法请参考图3，图3是本申请一实施例提供的确定第一种群的方法的流程示意图。图3中的方法的执行主体可以为图1中的终端设备10。如图3所示，该方法包括：S301至S305。
S301、确定原材料钢筋的切割方式，将切割方式作为基因。
具体的，终端设备获取到原材料钢筋的长度和待下料钢筋的长度及数量之后，需计算单根原材料钢筋的切割方式，将每种切割方式作为一个基因，切割方式为将原材料钢筋切割为待下料钢筋的方式。
示例性的，某工程项目需要用12m的原材料钢筋进行下料，待下料钢筋的长度分别为4.1m、4.8m和5.5m，其中，该项目需要4.1m、4.8m和5.5m的待下料钢筋均为4根。那么单根12cm的原材料钢筋的切割方式如表1所述：
切割方式序号 4.1m的根数 4.8m的根数 5.5m的根数 余量
1 1 1 0 3.1
2 1 0 1 2.4
3 0 1 1 1.7
4 0 0 2 1.0
5 0 2 0 2.4
6 2 0 0 3.8
表1
本申请实施例中，表1中序号1至6的切割方式均可作为一个基因。根据该切割方案(序号1至6的切割方式)切割6根原材料钢筋，即可得到4.1m、4.8m和5.5m的待下料钢筋各4根。因此，切割方案为切割方式的集合。
本申请实施例中，余量为切割完成后剩余的钢筋长度。在对每根原材料钢筋进行切割时，余量均需小于最短待下料钢筋的长度以及被切割的待下料钢筋的长度之和不能大于原材料钢筋的长度。
S302、将各切割方式作为基因池。
本申请实施例中，将各切割方式(基因)作为基因池。例如：将确定的6种切割方式存放在逻辑池中，作为基因池。
S303、在基因池中随机选择基因。
具体的，本申请实施例在确定第一种群时，从基因池中随机选择基因，即从基因池中随机选择切割方式。
S304、若多组基因的待下料钢筋的数量满足获取的待下料钢筋的数量，则将多组基因作为染色体。
本申请实施例中，从基因池中选择多组基因时，计算多组基因对应的待下料钢筋的长度及数量，若该长度及数量满足获取的待下料钢筋的数量，则将多组基因作为染色体。需要说明的是每组基因可以重复选择。
例如，获取的待下料钢筋的长度分别为4.1m、4.8m和5.5m，数量各为4根。从基因池中选择4组序号1的基因和2组序号4的基因时，可以得到4.1m、4.8m和5.5m的待下料钢筋各4根，满足获取的待下料钢筋的数量，则将4组序号1的基因和2组序号4的基因作为一个染色体。
又例如，从基因池中选择4组序号2的基因和2组序号5的基因时，可以可得到4.1m、4.8m和5.5m的待下料钢筋各4根，满足获取的待下料钢筋的数量，则将4组序号2的基因和2组序号5的基因作为一个染色体。
其他将多组基因作为染色体的方法与上述方法类似，此处不再一一列举。
S305、若多组染色体满足预设种群规模，则确定第一种群。
具体的，种群规模是指组成染色体的数量。预设种群规模与终端设备的计算能力息息相关，计算能力越强，预设种群规模越大。本申请实施例中，以预设种群规模由10至20个染色体，例如15个染色体进行举例说明。
本申请实施中。利用S304获得的染色体数量满足预设种群规模，则将满足预设种群规模的染色体确定为第一种群。
S203、基于预设的适应度算子，对第一种群进行优化处理，获得第二种群。
具体的，第二种群为优化后的切割方案的集合。
本申请实施例中，适应度算子是根据实际消耗的原材料根数以及理想消耗的原材料根数进行确定的。理想消耗的原材料根数为不计算余量时消耗的原材料根数，理想消耗的原材料根数可用以下公式计算：
Figure BDA0003299630040000091
适应度可表示为：
F(x)＝1/(sum-E)。
其中，F(x)表示适应度，sum表示实际消耗的原材料根数，E表示理想消耗的原材料根数。
示例性的，一个切割方案(染色体)包含4组序号1的切割方式(基因)和2组序号4的切割方式(基因)，则实际消耗的原材料根据为6根，理想消耗的原材料根数可用以下公式计算：
Figure BDA0003299630040000101
适应度为：
F(x)＝1/(6-4.8)＝0.83。
本申请实施例中的适应度算子是基于实际消耗的原材料和理想消耗的原材料进行配置的，使遗传算法的优胜劣汰的特点在钢筋优化问题上得到更好的应用。
本申请实施例中，基于上述适应度算子，对第一种群中的各个染色体进行优化处理，获得第二种群。具体获得第二种群的方法请参考图4，图4是本申请一实施例提供的获得第二种群的方法的流程示意图。图4中的方法的执行主体可以为图1中的终端设备10。如图4所示，该方法包括：S401至S403。
S401、基于预设的适应度算子，对第一种群进行选择处理，获得第三种群。
本申请实施例中，在获得第三种群时，首先，基于预设的适应度算子，获得各组染色体的适应度。
具体的，终端设备可通过S203中的适应度算子，对各组染色体的适应度进行计算，进而可以获得各组染色体的适应度。
其次，根据各组染色体的适应度和选择概率算子，获得各组染色体被选择的概率。
具体的，选择概率算子与各组染色体的适应度有关，选择概率算子可用下述公式表示：
Figure BDA0003299630040000102
其中，P1表示选择概率，∑CF表示各组染色体的适应度之和，C表示第一种群的种群规模。通过该公式计算各组染色体被选择的概率。
终端设备即可获得各组染色体被选择的概率。
最后，根据各组染色体被选择的概率，确定预设组数的染色体，将预设组数的染色体作为第三种群。
具体的，本申请实施例中，终端设备中提前配置预设组数。预设组数与第一种群的种群规模相同。根据上述选择概率，确定各组染色体被选择的概率，选择染色体，每组染色体可重复选择，进而可以确定预设组数的染色体，将满足预设组数的染色体确定为第三种群。
S402、对第三种群进行交叉处理，获得第四种群。
本申请实施例中，在获得第四种群时，首先，在预设组数的染色体中，选择任一染色体为父染色体，选择任一染色体为母染色体，父染色体和母染色体为不相同的染色体。
示例性的，预设组数的染色体中包含染色体1、染色体2、染色体3和染色体4。在这4组染色体中任选一组染色体作为父染色体(例如染色体1)，染色体1内包含6组基因，该染色体内6组基因的编码方式为A1、B1、C1、D1、E1和F1。在这4组染色体中任选一组染色体作为母染色体(例如染色体2)，染色体2内包含5组基因，该染色体内5组基因的编码方式为A2、B2、C2、D2和E2。
需要说明的是：选择的每组染色体中，其包含的基因组数可能相同也可能不相同，本申请实施例以基因组数相同进行举例说明。并且，本申请实施例对选择染色体的组数不作限制，本申请实施例以2组染色体进行说明。
其次，确定父染色体中的基因数量和母染色体中的基因数量。
示例性的，若父染色体为染色体1，母染色体为染色体2，则父染色体中的基因为6组，母染色体中的基因为5组。
然后，根据父染色体中的基因数量和母染色体中的基因数量，确定父染色体和母染色体的交叉点。
本申请实施例中，交叉点可在以下交叉点选取范围中进行选取：
[1，min{父染色体的基因数量，母染色体的基因数量}-1]。
随后，根据父染色体和母染色体的交叉点，对第三种群进行交叉处理，获得子染色体。
示例性的，交叉点选取范围为[1，4]，交叉点为1时代表在父染色体和母染色体的第1组基因之后进行交叉处理，例如：父染色体的交叉点为A1|B1C1 D1 E1 F1，母染色体的交叉点为A2|B2 C2 D2 E2。交叉处理后获得的子染色体为A1|B2 C2 D2 E2。
又例如：交叉点为2时代表在父染色体和母染色体的第2组基因之后进行交叉处理。父染色体的交叉点为A1 B1|C1 D1 E1 F1，母染色体的交叉点为A2 B2|C2 D2 E2。交叉处理后获得的子染色体为A1 B1|C2 D2 E2。
本申请实施例中，对第三种群中其他染色体进行交叉处理的方法与上述类似，此处不再赘述。
本申请实施例中，交叉处理后的子染色体中各基因的待下料钢筋的数量通常不满足获取的待下料钢筋的数量。例如：
获取的待下料钢筋的长度分别为4.1m、4.8m和5.5m，其中，4.1m、4.8m和5.5m的待下料钢筋均为4根。
父染色体的交叉点为A1 B1|C1 D1 E1 F1，A1 B1|C1 D1 E1 F1代表4组序号1的基因和2组序号4的基因，母染色体的交叉点为A2 B2|C2 D2 E2F2，A2 B2|C2 D2 E2F2代表4组序号2的基因和2组序号5的基因。交叉处理后获得的子染色体为A1 B1|C2 D2 E2F2。A1 B1|C2 D2 E2F2代表2组序号1的基因，2组序号2的基因和2组序号5的基因，交叉处理后的子染色体中各基因的待下料钢筋的数量为4.1m的数量为4根，4.8m的数量为6根，5.5m的数量为2根，不满足4.1m、4.8m和5.5m的待下料钢筋均为4根的要求。基于此种情况，在获得子染色体之后，还需要：
确定子染色体中各基因的待下料钢筋的数量。
具体的，终端设备将各子染色体中各基因的待下料钢筋的数量进行计算，即可确定子染色体中各基因的待下料钢筋的数量。
若子染色体中各基因的待下料钢筋的数量不满足获取的待下料钢筋的数量，则从基因池中选择基因补充到子染色体，直至子染色体中各基因的待下料钢筋的数量满足获取的待下料钢筋的数量。
示例性的，A1 B1|C2 D2 E2F2染色体中，5.5m待下料钢筋的数量仅为2根，则从基因池中选择序号4的基因(该基因的切割方式为将原材料钢筋切割为2根5.5m的待下料钢筋)补充到该子染色体中，可以补充到该子染色体的任意位置，直至满足获取的待下料钢筋的数量4根为止。
最后，基于各子染色体，获得第四种群，
具体的，基于上述交叉处理的方法，获得各子染色体。本申请实施例中，可重复选择父染色体或母染色体进行交叉处理，使各子染色体的组数与第一种群的种群规模相同，进而获得第四种群。
综上所述，本申请实施例的交叉处理的方法，利用从基因池中补充基因的机制，使原材料钢筋的消耗较少，提高原材料钢筋的利用率。
S403、对第四种群进行变异处理，获得第二种群。
具体的，对第四种群进行变异处理时，首先，获取各子染色体中各基因的待下料钢筋的长度和原材料钢筋的余量。
示例性的，可参见表1的数据，本申请实施例将表1中的数据作为一个子染色体，该子染色体中包含6组基因。
序号1至6的各基因的待下料钢筋的长度分别为：8.9m、9.6m、10.3m、11m、9.6m和8.2m。
序号1至6的各基因的原材料钢筋的余量分别为：3.1m、2.4m、1.7m、1.0m、2.4m和3.8m。
然后，基于各基因的待下料钢筋的长度和原材料钢筋的余量，获取各基因的待下料钢筋的长度与原材料钢筋的余量的差值，根据差值确定对应基因的变异值。
示例性的，基于序号1至6的各基因的待下料钢筋的长度和原材料钢筋的余量，获取各基因的待下料钢筋的长度与原材料钢筋的余量的差值分别为：5.8m、7.2m、8.6m、10m、7.2m和4.4m。
终端设备根据差值确定对应基因的变异值，变异值可用下述公式表示：
Y(x)＝1/D。
其中，Y代表变异值，D代表差值。
然后，基于基因的变异值，获得基因的变异概率。
本申请实施例中，终端设备预先配置的变异概率公式为：
Figure BDA0003299630040000141
其中，P2代表变异概率，Y代表变异值，∑NY代表各基因的变异值之后，N代表基因的数量。
随后，根据基因的变异概率，确定变异基因。
本申请实施例中，终端设备根据基因的变异概率，随机选取M(M<<N)个基因进行变异。
最后，在子染色体中，去除变异基因，得到去除变异基因后的子染色体，将去除变异基因后的各子染色体作为第二种群。
本申请实施例中，将选取的基因去除，对于空缺的变异基因由基因池中的基因补充，在满足条件(变异后的各基因中待下料钢筋的数量满足获取的待下料钢筋的数量)后即可停止(删除的部分在满足条件后不必替换)，补充方法已在S402中叙述，此处不再赘述。
本申请实施例中，将去除变异基因后的各子染色体进行补充之后，即可确定第二种群，第二种群的规模与第一种群的种群规模相同。
需要说明的是，当代适应度最高的染色体不参与变异。
综上所述，本申请实施例中的变异处理，根据钢筋下料中的余量确定变异值以及变异概率、去除变异基因以及从基因池中补充基因的机制，进一步使原材料钢筋的消耗较少，提高原材料钢筋的利用率。
S204、根据第二种群，确定原材料钢筋优化后的切割方案。
本申请实施例中，终端设备依据上述方法步骤进行迭代，当迭代次数满足预设次数，即可停止迭代，示例性的，预设次数可为5000或10000次，l例如8000次。
停止迭代之后，输出当代适应度最高的染色体，即可确定原材料钢筋优化后的切割方案，根据优化后的切割方案，计算优化后的切割方案利用率。
综上所述，本申请通过获取原材料钢筋的长度和待下料钢筋的长度及数量；根据原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，第一种群为初始切割方案的集合，切割方案为将原材料钢筋进行切割，满足待下料钢筋的长度及数量的方案；基于预设的适应度算子，对第一种群进行优化处理，获得第二种群，第二种群为优化后的切割方案的集合；根据第二种群，确定原材料钢筋优化后的切割方案。即本申请可以通过确定第一种群，对第一种群进行优化获得第二种群，进而确定原材料钢筋优化后的切割方案，利用优化后的切割方案对原材料钢筋进行切割，提高原材料钢筋的利用率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
请参考图5，图5是本申请实施例提供的钢筋下料的切割方案确定装置的结构示意图，包括：
获取模块51，用于获取原材料钢筋的长度和待下料钢筋的长度及数量。
第一确定模块52，用于根据所述原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，所述第一种群为初始切割方案的集合，所述切割方案为将所述原材料钢筋进行切割，满足所述待下料钢筋的长度及数量的方案。
获得模块53，用于基于预设的适应度算子，对所述第一种群进行优化处理，获得第二种群，所述第二种群为优化后的切割方案的集合。
第二确定模块54，用于根据所述第二种群，确定所述原材料钢筋优化后的切割方案。
第一确定模块，还用于确定所述原材料钢筋的所述切割方式，将所述切割方式作为基因；所述切割方案为切割方式的集合。
将各所述切割方式作为基因池，所述切割方式为将所述原材料钢筋切割为所述待下料钢筋的方式；
在所述基因池中随机选择基因；
若多组所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量，则将多组所述基因作为染色体；
若多组所述染色体满足预设种群规模，则确定所述第一种群。
获得模块，还用于基于预设的适应度算子，对所述第一种群进行选择处理，获得第三种群；
对所述第三种群进行交叉处理，获得第四种群；
对所述第四种群进行变异处理，获得第二种群。
获得模块，还用于基于预设的适应度算子，获得各组所述染色体的适应度；
根据各组所述染色体的适应度和选择概率算子，获得各组所述染色体被选择的概率；
根据各组所述染色体被选择的概率，确定预设组数的染色体，将所述预设组数的染色体作为所述第三种群。
获得模块，还用于在预设组数的染色体中，选择任一染色体为父染色体，选择任一染色体为母染色体，所述父染色体和所述母染色体为不相同的染色体；
确定所述父染色体中的基因数量和所述母染色体中的基因数量；
根据所述父染色体中的基因数量和所述母染色体中的基因数量，确定所述父染色体和所述母染色体的交叉点；
根据所述父染色体和所述母染色体的交叉点，对所述第三种群进行交叉处理，获得子染色体；
基于各所述子染色体，获得所述第四种群。
获得模块，还用于确定所述子染色体中各所述基因的待下料钢筋的数量；
若所述子染色体中各所述基因的待下料钢筋的数量不满足获取的待下料钢筋的数量，则从所述基因池中选择基因补充到所述子染色体，直至所述子染色体中各所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量。
获得模块，还用于获取各所述子染色体中各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量；
基于各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量，获取各所述基因的所述待下料钢筋的长度与所述原材料钢筋的余量的差值，根据所述差值确定对应所述基因的变异值；
基于所述基因的变异值，获得所述基因的变异概率；
根据所述基因的变异概率，确定变异基因；
在所述子染色体中，去除所述变异基因，得到去除所述变异基因后的所述子染色体，将去除所述变异基因后的各所述子染色体作为第二种群。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
如图6所示，本申请实施例还提供一种终端设备60，包括存储器21、处理器22以及存储在存储器21中并可在处理器22上运行的计算机程序23，处理器22执行计算机程序23时实现上述各实施例的切割方案确定方法。
所述处理器22可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器21可以是终端设备60的内部存储单元。所述存储器21也可以是终端设备60的外部存储设备，例如终端设备60上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器21还可以既包括终端设备60的内部存储单元也包括外部存储设备。存储器21用于存储计算机程序以及终端设备60所需的其他程序和数据。存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述各实施例的切割方案确定方法。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现上述各实施例的切割方案确定方法。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/基站的任何实体或装置、记录介质、计算机存储器、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种钢筋下料的切割方案确定方法，其特征在于，包括：
获取原材料钢筋的长度和待下料钢筋的长度及数量；
根据所述原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，所述第一种群为初始切割方案的集合，所述切割方案为将所述原材料钢筋进行切割，满足所述待下料钢筋的长度及数量的方案；
基于预设的适应度算子，对所述第一种群进行优化处理，获得第二种群，所述第二种群为优化后的切割方案的集合；
根据所述第二种群，确定所述原材料钢筋优化后的切割方案。
2.根据权利要求1所述的切割方案确定方法，其特征在于，所述切割方案为切割方式的集合，所述确定第一种群包括：
确定所述原材料钢筋的所述切割方式，将所述切割方式作为基因；
将各所述切割方式作为基因池，所述切割方式为将所述原材料钢筋切割为所述待下料钢筋的方式；
在所述基因池中随机选择基因；
若多组所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量，则将多组所述基因作为染色体；
若多组所述染色体满足预设种群规模，则确定所述第一种群。
3.根据权利要求2所述的切割方案确定方法，其特征在于，基于预设的适应度算子，对所述第一种群进行切割方案确定处理，获得第二种群包括：
基于预设的适应度算子，对所述第一种群进行选择处理，获得第三种群；
对所述第三种群进行交叉处理，获得第四种群；
对所述第四种群进行变异处理，获得第二种群。
4.根据权利要求3所述的切割方案确定方法，其特征在于，所述基于预设的适应度算子，对所述第一种群进行选择处理，获得第三种群包括：
基于预设的适应度算子，获得各组所述染色体的适应度；
根据各组所述染色体的适应度和选择概率算子，获得各组所述染色体被选择的概率；
根据各组所述染色体被选择的概率，确定预设组数的染色体，将所述预设组数的染色体作为所述第三种群。
5.根据权利要求4所述的切割方案确定方法，其特征在于，所述对所述第三种群进行交叉处理，获得第四种群包括：
在预设组数的染色体中，选择任一染色体为父染色体，选择任一染色体为母染色体，所述父染色体和所述母染色体为不相同的染色体；
确定所述父染色体中的基因数量和所述母染色体中的基因数量；
根据所述父染色体中的基因数量和所述母染色体中的基因数量，确定所述父染色体和所述母染色体的交叉点；
根据所述父染色体和所述母染色体的交叉点，对所述第三种群进行交叉处理，获得子染色体；
基于各所述子染色体，获得所述第四种群。
6.根据权利要求5所述的切割方案确定方法，其特征在于，在获得子染色体之后，还包括：
确定所述子染色体中各所述基因的待下料钢筋的数量；
若所述子染色体中各所述基因的待下料钢筋的数量不满足获取的待下料钢筋的数量，则从所述基因池中选择基因补充到所述子染色体，直至所述子染色体中各所述基因的待下料钢筋的数量满足获取的待下料钢筋的数量。
7.根据权利要求5至6任一项所述的切割方案确定方法，其特征在于，所述对所述第四种群进行变异处理，获得第二种群包括：
获取各所述子染色体中各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量；
基于各所述基因的所述待下料钢筋的长度和所述原材料钢筋的余量，获取各所述基因的所述待下料钢筋的长度与所述原材料钢筋的余量的差值，根据所述差值确定对应所述基因的变异值；
基于所述基因的变异值，获得所述基因的变异概率；
根据所述基因的变异概率，确定变异基因；
在所述子染色体中，去除所述变异基因，得到去除所述变异基因后的所述子染色体，将去除所述变异基因后的各所述子染色体作为第二种群。
8.一种钢筋下料的切割方案确定装置，其特征在于，包括：
获取模块，用于获取原材料钢筋的长度和待下料钢筋的长度及数量；
第一确定模块，用于根据所述原材料钢筋的长度和待下料钢筋的长度及数量，确定第一种群，所述第一种群为初始切割方案的集合，所述切割方案为将所述原材料钢筋进行切割，满足所述待下料钢筋的长度及数量的方案；
获得模块，用于基于预设的适应度算子，对所述第一种群进行优化处理，获得第二种群，所述第二种群为优化后的切割方案的集合；
第二确定模块，用于根据所述第二种群，确定所述原材料钢筋优化后的切割方案。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述的钢筋下料的切割方案确定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的钢筋下料的切割方案确定方法。
CN202111186918.6A 2021-10-12 2021-10-12 一种钢筋下料的切割方案确定方法、装置和终端设备 Pending CN114036717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111186918.6A CN114036717A (zh) 2021-10-12 2021-10-12 一种钢筋下料的切割方案确定方法、装置和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111186918.6A CN114036717A (zh) 2021-10-12 2021-10-12 一种钢筋下料的切割方案确定方法、装置和终端设备

Publications (1)

Publication Number Publication Date
CN114036717A true CN114036717A (zh) 2022-02-11

Family

ID=80134837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111186918.6A Pending CN114036717A (zh) 2021-10-12 2021-10-12 一种钢筋下料的切割方案确定方法、装置和终端设备

Country Status (1)

Country Link
CN (1) CN114036717A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114559485A (zh) * 2022-02-28 2022-05-31 成都固迪新型建材有限公司 一种切割方法、产值获取方法、切割系统及存储介质
CN115182594A (zh) * 2022-07-21 2022-10-14 鲁班软件股份有限公司 一种纵向构件跨层钢筋下料方法
CN117407966A (zh) * 2023-12-14 2024-01-16 中国建筑西南设计研究院有限公司 融合分布式剪枝和遗传算法的多规格钢筋下料方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114559485A (zh) * 2022-02-28 2022-05-31 成都固迪新型建材有限公司 一种切割方法、产值获取方法、切割系统及存储介质
CN114559485B (zh) * 2022-02-28 2023-12-12 成都固迪新型建材有限公司 一种切割方法、产值获取方法、切割系统及存储介质
CN115182594A (zh) * 2022-07-21 2022-10-14 鲁班软件股份有限公司 一种纵向构件跨层钢筋下料方法
CN115182594B (zh) * 2022-07-21 2023-12-29 鲁班软件股份有限公司 一种纵向构件跨层钢筋下料方法
CN117407966A (zh) * 2023-12-14 2024-01-16 中国建筑西南设计研究院有限公司 融合分布式剪枝和遗传算法的多规格钢筋下料方法及装置
CN117407966B (zh) * 2023-12-14 2024-02-13 中国建筑西南设计研究院有限公司 融合分布式剪枝和遗传算法的多规格钢筋下料方法及装置

Similar Documents

Publication Publication Date Title
CN114036717A (zh) 一种钢筋下料的切割方案确定方法、装置和终端设备
EP0435451B1 (en) Set-up optimization for flexible manufacturing systems
CN108460463B (zh) 基于改进遗传算法的高端装备流水线生产调度方法
CN111325443B (zh) 一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法
CN102592031A (zh) 绝缘纸板的自动排样方法
CN103500255A (zh) 用于矩形件的智能排样方法
CN109472362B (zh) 一种基于可变任务窗的agv动态调度方法及装置
CN109460859B (zh) 一种车间布局优化方法
CN102608916A (zh) 一种基于元胞机的大型零件柔性作业车间的动态调度方法
CN111966049B (zh) 一种混合流水车间生产设备调度控制方法
CN112733318B (zh) 一种自适应网格细分方法、装置、设备及存储介质
CN115018387B (zh) 订单揉合管理方法、系统、设备及存储介质
CN113805545A (zh) 一种考虑批处理的柔性流水车间组合调度规则生成方法
CN113128839A (zh) 面向高端装备分布式制造与多模式运输的协同调度方法
CN113312872B (zh) 一种锣带制作方法、装置、锣带制作设备及存储介质
CN109255484A (zh) 数据驱动的离散制造资源协同优化方法及系统
CN111859591A (zh) 一种电线电缆自动布局方法及装置
CN116468147A (zh) 基于遗传算法的钢筋优化断料的计算方法及装置
CN113283819B (zh) 基于规则解码的Job Shop调度问题求解方法及系统
CN115470977A (zh) 基于帝国竞争算法的多目标柔性作业车间分批调度方法
CN112632777B (zh) 面向家电产品装配线的ⅱ型双边装配线平衡方法及系统
CN115345540A (zh) 一维下料处理方法、系统、设备及存储介质
CN111401745B (zh) 一种基于5g的巡检机器人集群任务分配方法及系统
CN114021950A (zh) 电力物资需求分配方法、装置、终端设备及存储介质
CN113313286A (zh) 基于遗传算法的末端物流网点布局方法、装置、设备及介质

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