CN117131989A - 基于动态分配的二维下料方法和系统 - Google Patents
基于动态分配的二维下料方法和系统 Download PDFInfo
- Publication number
- CN117131989A CN117131989A CN202311129374.9A CN202311129374A CN117131989A CN 117131989 A CN117131989 A CN 117131989A CN 202311129374 A CN202311129374 A CN 202311129374A CN 117131989 A CN117131989 A CN 117131989A
- Authority
- CN
- China
- Prior art keywords
- parts
- dimensional
- residual
- solving
- module
- 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 46
- 238000005520 cutting process Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004064 recycling Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 abstract description 8
- 238000003860 storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010064571 Gene mutation Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了基于动态分配的二维下料方法和系统,包括:获取剩余迭代次数和设置的最大迭代次数;如果剩余迭代次数大于0且小于设置的最大迭代次数,则将剩余迭代次数递减1;判断零件是否全部用完;如果否,则将零件随机排列;从随机排列后的零件中选取k种零件作为第一批次;将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案;在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
Description
技术领域
本发明涉及二维排样技术领域,尤其是涉及基于动态分配的二维下料方法和系统。
背景技术
目前,二维下料规划算法的实现过程为:获取各个矩形件的对尺寸进行归一化处理;采用十进制的方法对矩形件进行基因编码;采取启发式规则进行参数初始化;根据排样最大长度排样重心位置ρ和排样整齐度k构建适应度函数F;对种群中的每组解进行评估;设置算法停止条件;根据种群适应度值的统计分布设置交叉概率Pc和变异概率Pm,获得交叉后的种群;按照变异概率Pm进行个体基因变异,产生新一代的群体。
这种方法普遍需要长时间的计算与迭代,没有考虑每次求解前候选零件集合的构造,造成了时间上的浪费,所以整体算法效率较低,无法满足实际工业生产需求。
发明内容
有鉴于此,本发明的目的在于提供基于动态分配的二维下料方法和系统,在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
第一方面,本发明实施例提供了基于动态分配的二维下料方法,所述方法包括:
获取剩余迭代次数和设置的最大迭代次数;
如果所述剩余迭代次数大于0且小于所述设置的最大迭代次数,则将所述剩余迭代次数递减1;
判断零件是否全部用完;
如果否,则将所述零件随机排列后,得到随机排列后的零件;
从所述随机排列后的零件中选取k种零件作为第一批次;
将所述第一批次进行求解后,得到当前循环的二维切割方案,并更新每个所述零件的价值;
根据所述k种零件计算剩余零件,将所述剩余零件合并回候选队例中作为下次循环使用;
重复以上步骤,直至所述零件全部用完且所述剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
进一步的,根据所述k种零件计算剩余零件,包括:
从所述k种零件中删除所述当前循环在求解过程中用完的m种零件;
根据所述k种零件和所述用完的m种零件,计算所述剩余零件。
进一步的,将所述第一批次进行求解后,得到当前循环的二维切割方案,包括:
将所述板材纵向分割为多个子问题,将所述多个子问题通过动态规划算法选择总价值最高的组合;
根据所述板材的长度,用相同的零件横向摆满所述长度,构成第一条;
将所述第一条在所述板材上竖着排成一列,通过所述动态规划算法计算最优组合;
根据所述总价值最高的组合和所述最优组合确定所述当前循环的二维切割方案。
进一步的,判断所述零件是否全部用完,包括:
如果是,则继续判断所述剩余迭代次数是否大于0且小于所述设置的最大迭代次数。
进一步的,更新每个所述零件的价值,包括:
根据下式计算所述更新后的零件的价值:
g1=1-g2,
其中,L为所述板材的长,W为所述板材的宽,vi为所述零件i的价值,g1、g2、u为中间变量,li为所述零件i的长度,wi为所述零件i的宽度,di为所述零件i的需求量,ri为所述零件i的剩余量,ni为所述零件i的使用个数,α为调节参数。
第二方面,本发明实施例提供了基于动态分配的二维下料系统,所述系统包括:
获取模块,用于获取剩余迭代次数和设置的最大迭代次数;
递减模块,用于在所述剩余迭代次数大于0且小于所述设置的最大迭代次数的情况下,将所述剩余迭代次数递减1;
判断模块,用于判断零件是否全部用完;
排列模块,用于在所述零件没有全部用完的情况下,将所述零件随机排列后,得到随机排列后的零件;
零件选取模块,用于从所述随机排列后的零件中选取k种零件作为第一批次;
求解模块,用于将所述第一批次进行求解后,得到当前循环的二维切割方案,并更新每个所述零件的价值;
计算模块,用于根据所述k种零件计算剩余零件,将所述剩余零件合并回候选队例中作为下次循环使用;
方案选取模块,用于重复以上步骤,直至所述零件全部用完且所述剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
进一步的,所述计算模块具体用于:
从所述k种零件中删除所述当前循环在求解过程中用完的m种零件;
根据所述k种零件和所述用完的m种零件,计算所述剩余零件。
进一步的,所述求解模块具体用于:
将所述板材纵向分割为多个子问题,将所述多个子问题通过动态规划算法选择总价值最高的组合;
根据所述板材的长度,用相同的零件横向摆满所述长度,构成第一条;
将所述第一条在所述板材上竖着排成一列,通过所述动态规划算法计算最优组合;
根据所述总价值最高的组合和所述最优组合确定所述当前循环的二维切割方案。
第三方面,本发明实施例提供了电子设备,包括存储器、处理器,所述存储器上存储有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所述的方法。
第四方面,本发明实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如上所述的方法。
本发明实施例提供了基于动态分配的二维下料方法和系统,包括:获取剩余迭代次数和设置的最大迭代次数;如果剩余迭代次数大于0且小于设置的最大迭代次数,则将剩余迭代次数递减1;判断零件是否全部用完;如果否,则将零件随机排列后,得到随机排列后的零件;从随机排列后的零件中选取k种零件作为第一批次;将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案;在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例一提供的基于动态分配的二维下料方法流程图;
图2为本发明实施例二提供的另一基于动态分配的二维下料方法流程图;
图3为本发明实施例三提供的基于动态分配的二维下料系统示意图。
图标:
1-获取模块;2-递减模块;3-判断模块;4-排列模块;5-零件选取模块;6-求解模块;7-计算模块;8-方案选取模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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。
本申请可以应用于家具切割和金属材料切割等各种切割场景。为了对本申请进行更好的理解,以下对本申请的术语进行解释:
二维下料问题:给定m个矩形板材,和n个矩形的零件,确定切割出所有的n个零件至少需要多少块板材。
动态分配:将候选队列随机排序,选择k个候选元素进行规划求解;求解后更新每个剩余候选元素的价值;最后反复迭代直到候选队列为空。
本申请采用动态分配算法,动态分配算法是将问题分成多个任务(task),每个任务选取k种零件进行求解;求解后会更新所有零件的价值,并再次随机打乱剩余的零件;不断重复上述步骤,最终得到使用板材数量最少的方案;在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供的基于动态分配的二维下料方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,获取剩余迭代次数和设置的最大迭代次数;
这里,通过设置的最大迭代次数G,可以确定得到G轮二维切割方案,从G轮二维切割方案中选取使用板材数量最少的方案。
步骤S102,如果剩余迭代次数大于0且小于设置的最大迭代次数,则将剩余迭代次数递减1;
这里,如果剩余迭代次数为0,则退出循环。
步骤S103,判断零件是否全部用完;
步骤S104,如果否,则将零件随机排列后,得到随机排列后的零件;
步骤S105,从随机排列后的零件中选取k种零件作为第一批次;
具体地,将零件随机排列,可以使每种零件有相同的概率被选中。任意选择k种零件构成第一批次(batch),k根据实际性能可以微调。例如,在实践中提供k=50,70,100,120四种不同的批次规模供用户选择。k越大,板材的利用率越高。k越小,计算速度越快。实际操作中,本申请的原则是在尽量不损失利用率的前提下,选择一个最小的k,让计算速度和求解的质量达到平衡。
步骤S106,将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;
步骤S107,根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;
步骤S108,重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
进一步的,步骤S107包括以下步骤:
步骤S201,从k种零件中删除当前循环在求解过程中用完的m种零件;
步骤S202,根据k种零件和用完的m种零件,计算剩余零件。
进一步的,步骤S106包括以下步骤:
步骤S301,将板材纵向分割为多个子问题,将多个子问题通过动态规划算法选择总价值最高的组合;
具体地,将板材纵向分割成多个子问题(竖着切若干刀),分别用步骤S102和步骤S103两步求解每个子问题,用动态规划算法选择总价值最高的组合(价值的设置是为了设定优化目标,每个零件的价值默认为零件的面积)。
步骤S302,根据板材的长度,用相同的零件横向摆满长度,构成第一条(strip);
步骤S303,将第一条在所述板材上竖着排成一列,通过动态规划算法计算最优组合;
这里,对于任意长宽的板材,将第一条(strip)竖着排成一列,用动态规划算法计算最优组合(此算法的优化目标是最大化板材的利用率,对于多个板材,选择利用率最高的板材)。
步骤S304,根据总价值最高的组合和最优组合确定当前循环的二维切割方案。
进一步的,步骤S103包括:
如果是,则继续判断所述剩余迭代次数是否大于0且小于所述设置的最大迭代次数。
进一步的,更新零件的价值,其中,每个零件设置价值的目的是为了通过最大化切割方案的总价值来最大化板材利用率,得到更好的切割方案;初始值是零件的面积;步骤S106包括:
根据公式(1)至(4)计算更新后的零件的价值:
g1=1-g2,(2)
其中,L为板材的长,W为板材的宽,vi为零件i的价值,g1、g2、u为中间变量,li为零件i的长度,wi为零件i的宽度,di为零件i的需求量,ri为零件i的剩余量,ni为零件i的使用个数,α为调节参数。
本发明实施例提供了基于动态分配的二维下料方法,包括:获取剩余迭代次数和设置的最大迭代次数;如果剩余迭代次数大于0且小于设置的最大迭代次数,则将剩余迭代次数递减1;判断零件是否全部用完;如果否,则将零件随机排列后,得到随机排列后的零件;从随机排列后的零件中选取k种零件作为第一批次;将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案;在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
实施例二:
图2为本发明实施例二提供的另一基于动态分配的二维下料方法流程图。
参照图2,整体逻辑由两层循环构成,外层循环进行若干轮重复,每轮得到一组完整的二维切割方案。内层循环每次抽取第一批次,对第一批次进行求解规划,直到零件用完。全部循环结束后,选择使用板材数量最少的方案;具体包括以下步骤:
步骤S401,判断剩余迭代次数是否用完;如果是,则执行步骤S408;如果否,则执行步骤S402;
步骤S402,将剩余迭代次数递减1;
步骤S403,判断零件是否全部用完,如果是,则执行步骤S401;如果否,则执行步骤S404;
步骤S404,将零件随机排列后,得到随机排列后的零件;
步骤S405,从随机排列后的零件中选取k种零件作为第一批次;
步骤S406,将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;
步骤S407,清空用完的零件,并将剩余零件合并回候选队例中作为下次循环使用;
步骤S408,选取使用板材数量最少的方案。
本申请是将任务动态分解成一个一个大小为k的批次,逐个进行规划求解。因为每次求解的时候实际用到的零件数量有限,所以选择合适的k,可以避免大量冗余零件的引入,显著改善计算效率。同时,在实验中观察到这种方法在改善效率的同时,还能够保证板材的利用率几乎不会下降。
实施例三:
图3为本发明实施例三提供的基于动态分配的二维下料系统示意图。
参照图3,该系统包括:
获取模块1,用于获取剩余迭代次数和设置的最大迭代次数;
递减模块2,用于在剩余迭代次数大于0且小于设置的最大迭代次数的情况下,将剩余迭代次数递减1;
判断模块3,用于判断零件是否全部用完;
排列模块4,用于在零件没有全部用完的情况下,将零件随机排列后,得到随机排列后的零件;
零件选取模块5,用于从随机排列后的零件中选取k种零件作为第一批次;
求解模块6,用于将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;
这里,当选定候选零件集合,可以用任意常见的求解方法计算二维切割方案,包括但不限于启发式算法等。
计算模块7,用于根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;
方案选取模块8,用于重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
进一步的,计算模块7具体用于:
从k种零件中删除当前循环在求解过程中用完的m种零件;
根据k种零件和所述用完的m种零件,计算剩余零件。
进一步的,求解模块6具体用于:
将板材纵向分割为多个子问题,将多个子问题通过动态规划算法选择总价值最高的组合;
根据板材的长度,用相同的零件横向摆满所述长度,构成第一条;
将第一条在所述板材上竖着排成一列,通过动态规划算法计算最优组合;
根据总价值最高的组合和最优组合确定当前循环的二维切割方案。
本发明实施例提供了基于动态分配的二维下料系统,包括:获取剩余迭代次数和设置的最大迭代次数;如果剩余迭代次数大于0且小于设置的最大迭代次数,则将剩余迭代次数递减1;判断零件是否全部用完;如果否,则将零件随机排列后,得到随机排列后的零件;从随机排列后的零件中选取k种零件作为第一批次;将第一批次进行求解后,得到当前循环的二维切割方案,并更新每个零件的价值;根据k种零件计算剩余零件,将剩余零件合并回候选队例中作为下次循环使用;重复以上步骤,直至零件全部用完且剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案;在每次求解前选取合适大小的零件集合,在不降低材料利用率的前提下,改善了整体算法的计算效率。
本发明实施例还提供一种电子设备,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,处理器执行计算机程序时实现上述实施例提供的基于动态分配的二维下料方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,计算机可读介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的基于动态分配的二维下料方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能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取存储介质中。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)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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所述权利要求的保护范围为准。
Claims (10)
1.一种基于动态分配的二维下料方法,其特征在于,所述方法包括:
获取剩余迭代次数和设置的最大迭代次数;
如果所述剩余迭代次数大于0且小于所述设置的最大迭代次数,则将所述剩余迭代次数递减1;
判断零件是否全部用完;
如果否,则将所述零件随机排列后,得到随机排列后的零件;
从所述随机排列后的零件中选取k种零件作为第一批次;
将所述第一批次进行求解后,得到当前循环的二维切割方案,并更新每个所述零件的价值;
根据所述k种零件计算剩余零件,将所述剩余零件合并回候选队例中作为下次循环使用;
重复以上步骤,直至所述零件全部用完且所述剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
2.根据权利要求1所述的基于动态分配的二维下料方法,其特征在于,根据所述k种零件计算剩余零件,包括:
从所述k种零件中删除所述当前循环在求解过程中用完的m种零件;
根据所述k种零件和所述用完的m种零件,计算所述剩余零件。
3.根据权利要求1所述的基于动态分配的二维下料方法,其特征在于,将所述第一批次进行求解后,得到当前循环的二维切割方案,包括:
将所述板材纵向分割为多个子问题,将所述多个子问题通过动态规划算法选择总价值最高的组合;
根据所述板材的长度,用相同的零件横向摆满所述长度,构成第一条;
将所述第一条在所述板材上竖着排成一列,通过所述动态规划算法计算最优组合;
根据所述总价值最高的组合和所述最优组合确定所述当前循环的二维切割方案。
4.根据权利要求1所述的基于动态分配的二维下料方法,其特征在于,判断所述零件是否全部用完,包括:
如果是,则继续判断所述剩余迭代次数是否大于0且小于所述设置的最大迭代次数。
5.根据权利要求1所述的基于动态分配的二维下料方法,其特征在于,更新每个所述零件的价值,包括:
根据下式计算所述更新后的零件的价值:
g1=1-g2,
其中,L为所述板材的长,W为所述板材的宽,vi为所述零件i的价值,g1、g2、u为中间变量,li为所述零件i的长度,wi为所述零件i的宽度,di为所述零件i的需求量,ri为所述零件i的剩余量,ni为所述零件i的使用个数,α为调节参数。
6.一种基于动态分配的二维下料系统,其特征在于,所述系统包括:
获取模块,用于获取剩余迭代次数和设置的最大迭代次数;
递减模块,用于在所述剩余迭代次数大于0且小于所述设置的最大迭代次数的情况下,将所述剩余迭代次数递减1;
判断模块,用于判断零件是否全部用完;
排列模块,用于在所述零件没有全部用完的情况下,将所述零件随机排列后,得到随机排列后的零件;
零件选取模块,用于从所述随机排列后的零件中选取k种零件作为第一批次;
求解模块,用于将所述第一批次进行求解后,得到当前循环的二维切割方案,并更新每个所述零件的价值;
计算模块,用于根据所述k种零件计算剩余零件,将所述剩余零件合并回候选队例中作为下次循环使用;
方案选取模块,用于重复以上步骤,直至所述零件全部用完且所述剩余迭代次数为0时,从每轮循环的二维切割方案中选取使用板材数量最少的方案。
7.根据权利要求6所述的基于动态分配的二维下料系统,其特征在于,所述计算模块具体用于:
从所述k种零件中删除所述当前循环在求解过程中用完的m种零件;
根据所述k种零件和所述用完的m种零件,计算所述剩余零件。
8.根据权利要求6所述的基于动态分配的二维下料系统,其特征在于,所述求解模块具体用于:
将所述板材纵向分割为多个子问题,将所述多个子问题通过动态规划算法选择总价值最高的组合;
根据所述板材的长度,用相同的零件横向摆满所述长度,构成第一条;
将所述第一条在所述板材上竖着排成一列,通过所述动态规划算法计算最优组合;
根据所述总价值最高的组合和所述最优组合确定所述当前循环的二维切割方案。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129374.9A CN117131989A (zh) | 2023-09-04 | 2023-09-04 | 基于动态分配的二维下料方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129374.9A CN117131989A (zh) | 2023-09-04 | 2023-09-04 | 基于动态分配的二维下料方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117131989A true CN117131989A (zh) | 2023-11-28 |
Family
ID=88850719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311129374.9A Pending CN117131989A (zh) | 2023-09-04 | 2023-09-04 | 基于动态分配的二维下料方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131989A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214557A (zh) * | 2018-08-15 | 2019-01-15 | 浙江优尼家装饰科技有限公司 | 一种二维不规则板件排样方法 |
CN110110980A (zh) * | 2019-04-25 | 2019-08-09 | 广西大学 | 一种余料生成及利用的圆片下料测定方法 |
CN111368421A (zh) * | 2020-03-02 | 2020-07-03 | 广西大学 | 一种家具板材按叠下料的分组启发式方法 |
CN111985012A (zh) * | 2020-09-08 | 2020-11-24 | 福州大学 | 基于最优觅食算法的二维不规则零件排样方法 |
CN113158580A (zh) * | 2021-05-10 | 2021-07-23 | 南京林业大学 | 实木板材的一维排样方法 |
CN113780651A (zh) * | 2021-09-07 | 2021-12-10 | 福州大学 | 基于改进混合bl策略的二维不规则排样方法 |
CN116680861A (zh) * | 2023-04-12 | 2023-09-01 | 安徽大学 | 一种基于改进遗传算法的单规格板材二维下料方法 |
-
2023
- 2023-09-04 CN CN202311129374.9A patent/CN117131989A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214557A (zh) * | 2018-08-15 | 2019-01-15 | 浙江优尼家装饰科技有限公司 | 一种二维不规则板件排样方法 |
CN110110980A (zh) * | 2019-04-25 | 2019-08-09 | 广西大学 | 一种余料生成及利用的圆片下料测定方法 |
CN111368421A (zh) * | 2020-03-02 | 2020-07-03 | 广西大学 | 一种家具板材按叠下料的分组启发式方法 |
CN111985012A (zh) * | 2020-09-08 | 2020-11-24 | 福州大学 | 基于最优觅食算法的二维不规则零件排样方法 |
CN113158580A (zh) * | 2021-05-10 | 2021-07-23 | 南京林业大学 | 实木板材的一维排样方法 |
CN113780651A (zh) * | 2021-09-07 | 2021-12-10 | 福州大学 | 基于改进混合bl策略的二维不规则排样方法 |
CN116680861A (zh) * | 2023-04-12 | 2023-09-01 | 安徽大学 | 一种基于改进遗传算法的单规格板材二维下料方法 |
Non-Patent Citations (1)
Title |
---|
张雨: "多尺寸圆木二维下料问题解法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 1, pages 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bai et al. | A simulated annealing hyper-heuristic methodology for flexible decision support | |
Daneshyari et al. | Constrained multiple-swarm particle swarm optimization within a cultural framework | |
Ahmadizar et al. | A novel hybrid genetic algorithm for the open shop scheduling problem | |
Akbarzadeh et al. | Restless bandits with controlled restarts: Indexability and computation of Whittle index | |
CN113434253B (zh) | 集群资源调度方法、装置、设备及存储介质 | |
EP3690767A1 (en) | Method and apparatus for determining risk management decision-making critical values | |
CN108776461A (zh) | 一种柔性作业车间调度方法及系统 | |
CN110941261A (zh) | 一种自主式水下航行器多区域遍历路径规划方法 | |
CN112766584A (zh) | 基于离散云进化算法的设备优化布局方法 | |
Muruganandam et al. | A memetic algorithm approach to the cell formation problem | |
CN114036717A (zh) | 一种钢筋下料的切割方案确定方法、装置和终端设备 | |
CN117131989A (zh) | 基于动态分配的二维下料方法和系统 | |
Huang et al. | Designing a hybrid genetic algorithm for the linear ordering problem | |
CN106557787B (zh) | 基于量子蛙跳算法的用户聚类方法及装置 | |
CN113792933A (zh) | 一种车间布局优化方法、装置、电子设备及存储介质 | |
Williams et al. | Experimental results on learning stochastic memoryless policies for partially observable markov decision processes | |
CN113723695B (zh) | 一种基于场景的再制造调度优化方法 | |
Kučera | Playing games with counter automata | |
Ho et al. | PCB assembly line assignment: a genetic algorithm approach | |
CN115081755A (zh) | 基于变邻域搜索算法的生产与维修协同调度方法和系统 | |
Hettle et al. | Balanced districting on grid graphs with provable compactness and contiguity | |
Tasgetiren et al. | A discrete harmony search algorithm for the economic lot scheduling problem with power of two policy | |
CN114417444A (zh) | 一种排样方案的确定方法、装置及电子设备 | |
Wu et al. | A memetic algorithm with fuzzy-based population control for the joint order batching and picker routing problem | |
Drugan | Sets of interacting scalarization functions in local search for multi-objective combinatorial optimization problems |
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 |