CN117087170B - 3d打印路径规划方法、装置、计算机设备及存储介质 - Google Patents
3d打印路径规划方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117087170B CN117087170B CN202311340669.0A CN202311340669A CN117087170B CN 117087170 B CN117087170 B CN 117087170B CN 202311340669 A CN202311340669 A CN 202311340669A CN 117087170 B CN117087170 B CN 117087170B
- Authority
- CN
- China
- Prior art keywords
- path
- solution
- solutions
- initial
- path solution
- 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
- 238000010146 3D printing Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000007639 printing Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
Abstract
本发明公开了3D打印路径规划方法、装置、计算机设备及存储介质，方法包括：S10、获取打印路径中的各路径节点的位置信息；S20、根据各路径节点的位置信息生成多个初始路径解；S30、对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；S40、根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；S50、根据选定的父代路径解生成新的子代路径解；S60、将父代路径解和子代路径解合并，以得到合并路径解；S70、重复步骤S40‑S60，直至达到预定的停止条件，以得到多个最终的合并路径解；S80、从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。本发明对3D打印路径起到了优化作用，提升了打印效率。
Description
技术领域
本发明涉及3D打印技术领域，更具体地说是3D 打印路径规划方法、装置、计算机设备及存储介质。
背景技术
目前3D打印机领域常用的路径规划算法主要是：最短路径算法（包含Dijkstra算法和Floyd-Warshall算法），A算法，RRT(Rapidly-Exploring Random Tree)算法、遗传算法、其他启发式算法（包含模拟退火算法、蚁群算法、粒子群算法等），这些算法在应用到3D打印领域后，打印机的机械结构、打印材料的特性、打印对象的形状和大小等因素都会对这些算法产生一定影响，现有的算法基本都是取其一，这样仅仅只能满足减少路线长度或减少打印时间等要求中的其中一种要求，而随着时代的发展，对3D打印的路径规划提出了更高的要求，以往单一的路径规划方案已无法适应时代的发展。
因此，有必要设计一种能够同时满足减少路线长度或减少打印时间等多项要求的3D打印路径规划方案。
发明内容
本发明的目的在于克服现有技术的不足，提供3D打印路径规划方法、装置、计算机设备及存储介质，旨在对3D打印路径规划进行优化，从而提升3D打印效率。
为实现上述目的，本发明采用以下技术方案：
第一方面，本发明提供了3D打印路径规划方法，包括：
S10、获取打印路径中的各路径节点的位置信息；
S20、根据各路径节点的位置信息生成多个初始路径解；
S30、对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；
S40、根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；
S50、根据选定的父代路径解生成新的子代路径解；
S60、将父代路径解和子代路径解合并，以得到合并路径解；
S70、重复步骤S40-S60，直至达到预定的停止条件，以得到多个最终的合并路径解；
S80、从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。
其进一步技术方案为：所述根据各路径节点的位置信息生成多个初始路径解，通过随机生成方式或者启发式方式生成多个初始路径解。
其进一步技术方案为：所述对各初始路径解进行适应度评估，以得到各初始路径解的适应度值，包括：
使用A算法计算出初始路径解的路径长度，所述路径长度为初始路径解的起点到终点的距离；
根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值；
将初始路径解的适应度值赋予给对应的初始路径解。
其进一步技术方案为：所述根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解，包括：
对所有初始路径解的适应度值进行求和，得到适应度总和；
对于每个初始路径解，计算其选择概率，所述选择概率通过各初始路径解的适应度值除以适应度总计算得到；
对于每个初始路径解，计算其累积选择概率，所述累积选择概率由当前的初始路径解的选择概率与当前的初始路径解之前的所有初始路径解的选择概率之和计算得到；
生成一个0到1之间的随机数；
根据生成的随机数，在累积选择概率中找到预设数量的大于等于生成的随机数的多个初始路径解，并将其作为父代路径解。
其进一步技术方案为：所述根据选定的父代路径解生成新的子代路径解，包括：
选择交叉点，所述交叉点为父代路径解中的一个节点或多个节点；
从父代路径解中选择两个作为交叉的父代路径解；
根据选择的交叉点，将两个父代路径解进行交叉操作；
根据交叉操作得到的结果，生成新的子代路径解。
其进一步技术方案为：所述将父代路径解和子代路径解合并，以得到合并路径解，包括：
确定合并策略；
确定需要合并的路径解数量；
根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解；
根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解。
其进一步技术方案为：所述合并策略为直接替换策略、选择最优策略或选择随机策略。
第二方面，本发明还提供3D打印路径规划装置，包括获取单元、第一生成单元、适应度评估单元、第一选择单元、第二生成单元、合并单元、循环执行单元以及第二选择单元；
获取单元，用于获取打印路径中的各路径节点的位置信息；
第一生成单元，用于根据各路径节点的位置信息生成多个初始路径解；
适应度评估单元，用于对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；
第一选择单元，用于根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；
第二生成单元，用于根据选定的父代路径解生成新的子代路径解；
合并单元，用于将父代路径解和子代路径解合并，以得到合并路径解；
循环执行单元，用于循环执行第一选择单元、第二生成单元以及合并单元，直至达到预定的停止条件，以得到多个最终的合并路径解；
第二选择单元，用于从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。
第三方面，本发明提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上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上述的3D打印路径规划方法。
第四方面，本发明提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的3D打印路径规划方法。
本发明与现有技术相比的有益效果是：本发明通过对生成的初始路径解赋予适应度值，然后根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解，并利于根据选定的父代路径解生成新的子代路径解，将父代路径解和子代路径解合并，以得到合并路径解，最后从最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解，在对路径解优化过程中，利于父代路径解生成新的子代路径解，将两者合并的的方式引入了更优的路径解，并结合路径解的适应度值，从而最终能够获得最佳的最优路径解，进而对3D打印路径起到了优化作用，避免了最佳的打印路径获取困难而导致打印效率不高的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明具体实施例提供的3D打印路径规划方法的流程图；
图2为本发明具体实施例提供的3D打印路径规划装置的示意性框图；
图3为本发明具体实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”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，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明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。
如图1所示，本发明实施例提供了3D打印路径规划方法，该方法包括以下步骤：S10-S80。
S10、获取打印路径中的各路径节点的位置信息。
在3D打印中，获取打印路径中各路径节点的位置信息通常是由切片软件生成的G-code文件提供的。G-code是一种数控编程语言，用于控制3D打印机的运动和操作。切片软件会将模型的几何信息和打印参数转换为G-code指令，其中包含了每个路径节点的位置信息。这些位置信息描述了打印头或挤出机在每个路径节点上的坐标，通过解析G-code文件，可以获取打印路径中各路径节点的位置信息。
S20、根据各路径节点的位置信息生成多个初始路径解。
一般通过随机生成方式或者启发式方式生成多个初始路径解，可根据实际需求进行选择。
S30、对各初始路径解进行适应度评估，以得到各初始路径解的适应度值。
对初始路径解进行适应度评估是为了确定每个路径解的优劣程度，并为后续的选择、交叉和变异操作提供参考。通过适应度评估，可以将每个路径解映射到一个适应度值，用于衡量其在问题空间中的优越性。
在一实施例中，步骤S30具体包括以下步骤：S301-S303。
S301、使用A算法计算出初始路径解的路径长度，路径长度为初始路径解的起点到终点的距离。
具体的，首先需获取初始路径解的起点节点和终点节点，将初始路径解转换为起点节点和终点节点之间的路径表示方式。初始化A算法所需的数据结构，数据结构包括开放列表、关闭列表和节点代价。将起点加入开放列表，并将其节点代价设置为0。然后运行A算法直至找到终点节点或开放列表为空，如果找到终点节点，则通过回溯父节点的路径，计算出从起点节点到终点节点的实际路径长度。其中，运行A算法直至找到终点节点或开放列表为空的具体过程为：选择开放列表中节点代价最小的节点作为当前节点，将当前节点从开放列表中移除，并加入关闭列表，对当前节点的相邻节点进行遍历，如果相邻节点在关闭列表中，则忽略，如果相邻节点不在开放列表中，则将其加入开放列表，并更新其代价和父节点信息，如果相邻节点已经在开放列表中，则比较当前路径和已有路径的节点代价，如果当前路径更短，则更新相邻节点的代价和父节点信息。
S302、根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值。
适应度函数是预先定义的，在本发明中，适应度函数定义为路径长度的倒数，即适应度值 = 1 / 初始路径解的路径长度。这样定义的适应度函数可以使得路径长度越短的个体适应度值越高。
S303、将初始路径解的适应度值赋予给对应的初始路径解。
适应度值赋予的方式可以是：使用数据结构（如数组或列表）来存储路径解和对应的适应度值。
S40、根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解。
可以根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解，使得选择概率较高的个体更有可能被选为父代，但并不保证适应度值最高的个体一定会被选中，从而使得这样的选择策略能够保持路径解的多样性，并避免陷入局部最优解。
在一实施例中，步骤S40具体包括以下步骤：S401-S405。
S401、对所有初始路径解的适应度值进行求和，得到适应度总和。
S402、对于每个初始路径解，计算其选择概率，选择概率通过各初始路径解的适应度值除以适应度总计算得到。
S403、对于每个初始路径解，计算其累积选择概率，累积选择概率由当前的初始路径解的选择概率与当前的初始路径解之前的所有初始路径解的选择概率之和计算得到。
S404、生成一个0到1之间的随机数。
S405、根据生成的随机数，在累积选择概率中找到预设数量的大于等于生成的随机数的多个初始路径解，并将其作为父代路径解。
S50、根据选定的父代路径解生成新的子代路径解。
在一实施例中，步骤S50具体包括以下步骤：S501-S504。
S501、选择交叉点，交叉点为父代路径解中的一个节点或多个节点。
S502、从父代路径解中选择两个作为交叉的父代路径解。
S503、根据选择的交叉点，将两个父代路径解进行交叉操作。交叉操作可以采用不同的方式，如单点交叉、多点交叉、均匀交叉等。
S504、根据交叉操作得到的结果，生成新的子代路径解。
通过以上步骤S501-S504，可以根据选定的父代路径解生成新的子代路径解。交叉操作将父代路径解的信息进行组合，这样的操作能够通过父代路径解的组合寻找更优的路径解。
S60、将父代路径解和子代路径解合并，以得到合并路径解。
在一实施例中，步骤S60具体包括以下步骤：S601-S604。
S601、确定合并策略。
合并策略决定了如何将父代路径解和子代路径解进行合并。优选地，合并策略为直接替换策略、选择最优策略或选择随机策略。
S602、确定需要合并的路径解数量。
可根据预设设计来确定需要保留多少个合并路径解。
S603、根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解。
S604、根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解。
通过以上步骤S601-S604，可以将父代路径解和子代路径解进行合并，得到合并路径解。合并策略决定了如何选择和组合父代和子代的信息，以产生更优的路径解。这样的操作能够保留优秀的个体，并引入新的变化，从而有助于路径解的优化。
S70、重复步骤S40-S60，直至达到预定的停止条件，以得到多个最终的合并路径解。
S80、从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。
从多个最终的合并路径解中选择适应度值最高的一个合并路径解作为最优路径解。
在对路径解优化过程中，利于父代路径解生成新的子代路径解，将两者合并的的方式引入了更优的路径解，并结合路径解的适应度值，从而最终能够获得最佳的最优路径解，进而对3D打印路径起到了优化作用，避免了最佳的打印路径获取困难而导致打印效率不高的问题。
如图2所示，对应于上述的3D打印路径规划方法，本发明实施例还提供3D打印路径规划装置100，包括获取单元110、第一生成单元120、适应度评估单元130、第一选择单元140、第二生成单元150、合并单元160、循环执行单元170以及第二选择单元180。其中，获取单元110，用于获取打印路径中的各路径节点的位置信息。第一生成单元120，用于根据各路径节点的位置信息生成多个初始路径解。适应度评估单元130，用于对各初始路径解进行适应度评估，以得到各初始路径解的适应度值。第一选择单元140，用于根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解。第二生成单元150，用于根据选定的父代路径解生成新的子代路径解。合并单元160，用于将父代路径解和子代路径解合并，以得到合并路径解。循环执行单元170，用于循环执行第一选择单元、第二生成单元以及合并单元，直至达到预定的停止条件，以得到多个最终的合并路径解。第二选择单元180，用于从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。
在一实施例中，适应度评估单元130包括第一计算模块、转换模块以及赋值模块。其中，第一计算模块，用于使用A算法计算出初始路径解的路径长度，所述路径长度为初始路径解的起点到终点的距离。转换模块，用于根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值。赋值模块，用于将初始路径解的适应度值赋予给对应的初始路径解。
在一实施例中，第一选择单元140包括第二计算模块、第三计算模块、第四计算模块、第一生成模块以及查询模块。其中，第二计算模块，用于对所有初始路径解的适应度值进行求和，得到适应度总和。第三计算模块，用于对于每个初始路径解，计算其选择概率，所述选择概率通过各初始路径解的适应度值除以适应度总计算得到。第四计算模块，用于对于每个初始路径解，计算其累积选择概率，所述累积选择概率由当前的初始路径解的选择概率与当前的初始路径解之前的所有初始路径解的选择概率之和计算得到。第一生成模块，用于生成一个0到1之间的随机数。查询模块，用于根据生成的随机数，在累积选择概率中找到预设数量的大于等于生成的随机数的多个初始路径解，并将其作为父代路径解。
在一实施例中，第二生成单元150包括第一选择模块、第二选择模块、交叉操作模块以及第二生成模块。其中，第一选择模块，用于选择交叉点，所述交叉点为父代路径解中的一个节点或多个节点。第二选择模块，用于从父代路径解中选择两个作为交叉的父代路径解。交叉操作模块，用于根据选择的交叉点，将两个父代路径解进行交叉操作。第二生成模块，用于根据交叉操作得到的结果，生成新的子代路径解。
在一实施例中，合并单元160包括第一确定模块、第二确定模块、第三选择模块以及合并模块。其中，第一确定模块，用于确定合并策略。第二确定模块，用于确定需要合并的路径解数量。第三选择模块，用于根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解。合并模块，用于根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解。
上述3D打印路径规划方法可以实现为计算机程序的形式，该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3，图3是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备700可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
如图3所示，该计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的3D打印路径规划方法步骤。
该计算机设备700可以是终端或服务器。该计算机设备700包括通过系统总线710连接的处理器720、存储器和网络接口750，其中，存储器可以包括非易失性存储介质730和内存储器740。
该非易失性存储介质730可存储操作系统731和计算机程序732。该计算机程序732被执行时，可使得处理器720执行任意一种3D打印路径规划方法。
该处理器720用于提供计算和控制能力，支撑整个计算机设备700的运行。
该内存储器740为非易失性存储介质730中的计算机程序732的运行提供环境，该计算机程序732被处理器720执行时，可使得处理器720执行任意一种3D打印路径规划方法。
该网络接口750用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图3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700的限定，具体的计算机设备700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。其中，所述处理器720用于运行存储在存储器中的程序代码，以实现以下步骤：
3D打印路径规划方法，包括：
S10、获取打印路径中的各路径节点的位置信息；
S20、根据各路径节点的位置信息生成多个初始路径解；
S30、对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；
S40、根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；
S50、根据选定的父代路径解生成新的子代路径解；
S60、将父代路径解和子代路径解合并，以得到合并路径解；
S70、重复步骤S40-S60，直至达到预定的停止条件，以得到多个最终的合并路径解；
S80、从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解。
在一实施例中：所述根据各路径节点的位置信息生成多个初始路径解，通过随机生成方式或者启发式方式生成多个初始路径解。
在一实施例中：所述对各初始路径解进行适应度评估，以得到各初始路径解的适应度值，包括：
使用A算法计算出初始路径解的路径长度，所述路径长度为初始路径解的起点到终点的距离；
根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值；
将初始路径解的适应度值赋予给对应的初始路径解。
在一实施例中：所述根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解，包括：
对所有初始路径解的适应度值进行求和，得到适应度总和；
对于每个初始路径解，计算其选择概率，所述选择概率通过各初始路径解的适应度值除以适应度总计算得到；
对于每个初始路径解，计算其累积选择概率，所述累积选择概率由当前的初始路径解的选择概率与当前的初始路径解之前的所有初始路径解的选择概率之和计算得到；
生成一个0到1之间的随机数；
根据生成的随机数，在累积选择概率中找到预设数量的大于等于生成的随机数的多个初始路径解，并将其作为父代路径解。
在一实施例中：所述根据选定的父代路径解生成新的子代路径解，包括：
选择交叉点，所述交叉点为父代路径解中的一个节点或多个节点；
从父代路径解中选择两个作为交叉的父代路径解；
根据选择的交叉点，将两个父代路径解进行交叉操作；
根据交叉操作得到的结果，生成新的子代路径解。
在一实施例中：所述将父代路径解和子代路径解合并，以得到合并路径解，包括：
确定合并策略；
确定需要合并的路径解数量；
根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解；
根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解。
在一实施例中：所述合并策略为直接替换策略、选择最优策略或选择随机策略。
应当理解，在本申请实施例中，处理器720可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器720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 IntegratedCircuit，ASIC)、现成可编程门阵列 (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。其中，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。
本领域技术人员可以理解，图3中示出的计算机设备700结构并不构成对计算机设备700的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
在本发明的另一实施例中提供了一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的3D打印路径规划方法。
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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述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发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元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，也可以是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。
所述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，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.3D打印路径规划方法，其特征在于，包括：
S10、获取打印路径中的各路径节点的位置信息；
S20、根据各路径节点的位置信息生成多个初始路径解；
S30、对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；
S40、根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；
S50、根据选定的父代路径解生成新的子代路径解；
S60、将父代路径解和子代路径解合并，以得到合并路径解；
S70、重复步骤S40-S60，直至达到预定的停止条件，以得到多个最终的合并路径解；
S80、从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解；
所述对各初始路径解进行适应度评估，以得到各初始路径解的适应度值，包括：
使用A算法计算出初始路径解的路径长度，所述路径长度为初始路径解的起点到终点的距离；
根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值；
将初始路径解的适应度值赋予给对应的初始路径解；
所述将父代路径解和子代路径解合并，以得到合并路径解，包括：
确定合并策略；
确定需要合并的路径解数量；
根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解；
根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解；
所述根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解，包括：
对所有初始路径解的适应度值进行求和，得到适应度总和；
对于每个初始路径解，计算其选择概率，所述选择概率通过各初始路径解的适应度值除以适应度总计算得到；
对于每个初始路径解，计算其累积选择概率，所述累积选择概率由当前的初始路径解的选择概率与当前的初始路径解之前的所有初始路径解的选择概率之和计算得到；
生成一个0到1之间的随机数；
根据生成的随机数，在累积选择概率中找到预设数量的大于等于生成的随机数的多个初始路径解，并将其作为父代路径解；
所述根据选定的父代路径解生成新的子代路径解，包括：
选择交叉点，所述交叉点为父代路径解中的一个节点或多个节点；
从父代路径解中选择两个作为交叉的父代路径解；
根据选择的交叉点，将两个父代路径解进行交叉操作；
根据交叉操作得到的结果，生成新的子代路径解。
2.根据权利要求1所述的3D打印路径规划方法，其特征在于，所述根据各路径节点的位置信息生成多个初始路径解，通过随机生成方式或者启发式方式生成多个初始路径解。
3.根据权利要求1所述的3D打印路径规划方法，其特征在于，所述合并策略为直接替换策略、选择最优策略或选择随机策略。
4.3D打印路径规划装置，其运行时，执行权利要1-3任意一项所述的3D打印路径规划方法，其特征在于，包括获取单元、第一生成单元、适应度评估单元、第一选择单元、第二生成单元、合并单元、循环执行单元以及第二选择单元；
获取单元，用于获取打印路径中的各路径节点的位置信息；
第一生成单元，用于根据各路径节点的位置信息生成多个初始路径解；
适应度评估单元，用于对各初始路径解进行适应度评估，以得到各初始路径解的适应度值；
第一选择单元，用于根据各初始路径解的适应度值选择一部分初始路径解作为父代路径解；
第二生成单元，用于根据选定的父代路径解生成新的子代路径解；
合并单元，用于将父代路径解和子代路径解合并，以得到合并路径解；
循环执行单元，用于循环执行第一选择单元、第二生成单元以及合并单元，直至达到预定的停止条件，以得到多个最终的合并路径解；
第二选择单元，用于从多个最终的合并路径解中选择适应度最佳的一个合并路径解作为最优路径解；
所述适应度评估单元包括第一计算模块、转换模块以及赋值模块；
所述第一计算模块，用于使用A算法计算出初始路径解的路径长度，所述路径长度为初始路径解的起点到终点的距离；
所述转换模块，用于根据设定的适应度函数的定义，将计算出的初始路径解的路径长度转换为初始路径解的适应度值；
所述赋值模块，用于将初始路径解的适应度值赋予给对应的初始路径解；
所述合并单元包括第一确定模块、第二确定模块、第三选择模块以及合并模块；
所述第一确定模块，用于确定合并策略；
所述第二确定模块，用于确定需要合并的路径解数量；
所述第三选择模块，用于根据确定的需要合并的路径解数量，从父代路径解和子代路径解中选择相应数量的路径解；
所述合并模块，用于根据选择的合并策略，将选定的父代路径解和子代路径解进行合并，以得到合并路径解。
5.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器上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1～3中任意一项所述的3D打印路径规划方法。
6.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如权利要求1～3任意一项所述的3D打印路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311340669.0A CN117087170B (zh) | 2023-10-17 | 2023-10-17 | 3d打印路径规划方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311340669.0A CN117087170B (zh) | 2023-10-17 | 2023-10-17 | 3d打印路径规划方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117087170A CN117087170A (zh) | 2023-11-21 |
| CN117087170B true CN117087170B (zh) | 2024-03-12 |
Family
ID=88783634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311340669.0A Active CN117087170B (zh) | 2023-10-17 | 2023-10-17 | 3d打印路径规划方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117087170B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10399280B1 (en) * | 2016-04-29 | 2019-09-03 | The Administrators Of The Tulane Educational Fund | Method and system for rapid and efficient three-dimensional printing |
| CN110209363A (zh) * | 2019-05-30 | 2019-09-06 | 大连理工大学 | 基于遗传算法的智能3d打印路径规划方法 |
| CN112001541A (zh) * | 2020-08-24 | 2020-11-27 | 南京理工大学 | 一种用于路径优化的改进遗传算法 |
| CN113033895A (zh) * | 2021-03-25 | 2021-06-25 | 浙江中烟工业有限责任公司 | 一种多源多点路径规划方法、设备及存储介质 |
| CN113917925A (zh) * | 2021-10-14 | 2022-01-11 | 安徽工程大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
| CN115534319A (zh) * | 2022-09-21 | 2022-12-30 | 成都航空职业技术学院 | 一种基于hgefs算法的3d打印路径规划方法 |
| CN115965169A (zh) * | 2022-12-01 | 2023-04-14 | 歌尔科技有限公司 | 路径规划方法、智能设备及计算机可读存储介质 |
| CN116519003A (zh) * | 2023-06-28 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200156323A1 (en) * | 2018-11-20 | 2020-05-21 | Arevo, Inc. | Systems and methods for optimization of design and tool paths for additive manufacturing |
-
2023
- 2023-10-17 CN CN202311340669.0A patent/CN117087170B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10399280B1 (en) * | 2016-04-29 | 2019-09-03 | The Administrators Of The Tulane Educational Fund | Method and system for rapid and efficient three-dimensional printing |
| CN110209363A (zh) * | 2019-05-30 | 2019-09-06 | 大连理工大学 | 基于遗传算法的智能3d打印路径规划方法 |
| CN112001541A (zh) * | 2020-08-24 | 2020-11-27 | 南京理工大学 | 一种用于路径优化的改进遗传算法 |
| CN113033895A (zh) * | 2021-03-25 | 2021-06-25 | 浙江中烟工业有限责任公司 | 一种多源多点路径规划方法、设备及存储介质 |
| CN113917925A (zh) * | 2021-10-14 | 2022-01-11 | 安徽工程大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
| CN115534319A (zh) * | 2022-09-21 | 2022-12-30 | 成都航空职业技术学院 | 一种基于hgefs算法的3d打印路径规划方法 |
| CN115965169A (zh) * | 2022-12-01 | 2023-04-14 | 歌尔科技有限公司 | 路径规划方法、智能设备及计算机可读存储介质 |
| CN116519003A (zh) * | 2023-06-28 | 2023-08-01 | 广汽埃安新能源汽车股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117087170A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6559215B2 (ja) | システム、データベースクエリを実行するための方法及びコンピュータに読み取り可能な記録媒体 | |
| Nilim et al. | Robustness in Markov decision problems with uncertain transition matrices | |
| CN110213107B (zh) | 一种用于网络拓扑图的自动布局方法、装置和设备 | |
| JP5429382B2 (ja) | ジョブ管理装置及びジョブ管理方法 | |
| DE112020000148T5 (de) | Iterative vorhersage der dekodiererleistung mithilfe von maschinellem lernen | |
| CN111832725A (zh) | 一种基于改进遗传算法的多机器人多任务分配方法及装置 | |
| CN110380903B (zh) | 一种电力通信网故障探测方法、装置及设备 | |
| US8627255B2 (en) | Methods and systems for flexible and repeatable pre-route generation | |
| CN114500355B (zh) | 路由方法、片上网络、路由节点和路由装置 | |
| CN108422672A (zh) | 3d打印扫描方法、系统及3d打印机 | |
| WO2008122823A1 (en) | Improvements relating to distributed computing | |
| CN117087170B (zh) | 3d打印路径规划方法、装置、计算机设备及存储介质 | |
| CN107203221B (zh) | 无人机和有人机混合编队内的在线信息分发方法和装置 | |
| CN107169594B (zh) | 一种车辆路径问题的优化方法及装置 | |
| US11574165B2 (en) | Optimization system and optimization method | |
| CN113472671A (zh) | 组播路由的确定方法、装置和计算机可读存储介质 | |
| CN111122222A (zh) | 一种样本点位置确定方法及系统 | |
| CN107040509B (zh) | 一种报文发送方法及装置 | |
| EP4155676A1 (en) | Dynamic waypoint management for constrained navigation | |
| CN114969046A (zh) | 一种哈希连接的处理方法、存储介质与设备 | |
| CN111565364B (zh) | 定位信息的获取方法及装置、存储介质、终端 | |
| CN109492759B (zh) | 神经网络模型预测方法、装置和终端 | |
| CN117556967B (zh) | 调度方法、装置、设备及存储介质 | |
| CN111178529A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
| KR101531026B1 (ko) | FIFO(First In First Out) 메모리를 이용한 망내 클라이언트 노드 리스트 관리 방법 |
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 |