服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法技術

一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，包括以下步驟：ａ．初始化種群，隨機產(chǎn)生ＧＳＩＺＥ個個體；ｂ．計算當代每個個體對應的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟ｇ；否則，進入步驟ｃ；ｃ．利用適應度函數(shù)計算每個個體的適應度，并通過復制函數(shù)確定每個個體能夠被復制的次數(shù)；ｄ．根據(jù)當代個體的多樣性調(diào)整交叉和變異概率；ｅ．對當代個體進行變異、交叉操作；ｆ．利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟ｂ；ｇ．選出當代個體中最優(yōu)刀具空行程路徑為最小值Ｍｉｎ（Ｐａｔｈ），并將最小值Ｍｉｎ（Ｐａｔｈ）輸出。本發(fā)明專利技術簡化計算、大大提高求解近似最優(yōu)解的速度、具有較好的優(yōu)化效果。

【技術實現(xiàn)步驟摘要】

本專利技術涉及一種服裝布匹、樣片裁割過程中刀具空行程路徑的控 制方法。
技術介紹
在服裝布匹、樣片切割時，通常有多個輪廓需要切割，而每個輪 廓通常由多條線段組成，用一些點坐標來圍成一個輪廓。 一個輪廓少則由3、4個點組成，多則由幾百個點組成。當?shù)毒咭懈钜粋€輪廓時， 先要選擇輪廓中的某一個點作為切割起點，接著按照順時針或逆時針 順序遍歷輪廓上的所有點，最后回到切割起點從而完成一個輪廓的切 割。正是由于存在多個輪廓而一個輪廓又存在多個點，如果要切割完 所有輪廓，那么必將需要在每個輪廓上選擇一個切割起點組成一條裁 割機刀具空行程的路徑，刀具在這條路徑上移動不切割布匹或樣片。 空行程路徑的長短將影響到切割的效率。如果存在一個輪廓在另外一個輪廓之內(nèi)的情況，為了保證切割質(zhì) 量，需要先切割完內(nèi)部輪廓才能切割外部輪廓。如何找到一條路徑讓 空刀行程最短，也就是裁割機刀具空行程路徑優(yōu)化問題需要解決的問 題，而輪廓切割順序的限制也就成了優(yōu)化問題的約束條件。目前針對刀具空行程路徑優(yōu)化問題常見的解法就是將其當作一個 旅行商問題(TSP)，即把每個點集縮成一點來考慮，這個點通常為原始 的切割起點。但由于輪廓的原始起點與真正的加工起點沒有鄰近關系， 而且輪廓原始起點之間的距離也不能充分表示輪廓間的距離關系，所 以不改變加工起點的優(yōu)化是不充分的。有些方法雖然考慮了切割起點的變更，但是沒有對輪廓的訪問順序進行變化，這也導致優(yōu)化不充分。 而有些方法雖然考慮了切割起點的變更和輪廓訪問順序的變化，但是 對輪廓的順序受限條件沒有考慮，導致了求得的解不是可行解，而且 增加了計算量。
技術實現(xiàn)思路
為了克服已有服裝布匹、樣片裁割過程中刀具空行程路徑的控制 方法的計算復雜、優(yōu)化不充分的不足，本專利技術提供一種簡化計算、大 大提高求解近似最優(yōu)解的速度、具有較好的優(yōu)化效果的服裝布匹、樣 片裁割過程中刀具空行程路徑的控制方法。本專利技術解決其技術問題所采用的技術方案是一種，所述控制方法包括以下步驟a、 初始化種群，隨機產(chǎn)生GS/ZE個個體，所述個體隨機分布在可行解空間中，以判斷一個輪廓是否在另一個輪廓內(nèi)部為基礎，確定輪 廓包含關系表并展開得到輪廓樹；b、 計算當代每個個體對應的路徑長度，判斷是否滿足終止條件， 若滿足終止條件，則執(zhí)行步驟g;否則，進入步驟c;c、 利用適應度函數(shù)計算每個個體的適應度，并通過復制函數(shù)確定 每個個體能夠被復制的次數(shù)，完成選擇、復制操作之后，通過隨機選 取已被復制的個體再次復制使得當代個體總數(shù)保持GS/ZE個；d、 根據(jù)當代個體的多樣性調(diào)整交叉和變異概率；e、 對當代個體進行變異、交叉操作；f、 利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代 的計算，執(zhí)行步驟b;g、 選出當代個體中最優(yōu)刀具空行程路徑為最小值M/"(i^/0，其中尸"A的計算如步驟b所示，M、(/^/0為經(jīng)過比較之后的當代個體路徑 最小值，并將最小值M"(i^/0輸出。作為優(yōu)選的一種方案所述步驟b中通過解碼方法獲得染色體對 應的路徑，并計算路徑長度，路徑長度算式為(1):m = -"》2+(V W2 (i)/=0其中，/表示路徑模型中的索引值編號，_/表示/索引值對應的實 際輪廓編號所對應的切割起點，z&、 4表示/索引值對應的實際輪廓編號所對應的切割起點的橫、縱坐標，當d直為o時，z(,—w、《,一".取值為(O， 0);所述的終止條件為達到需要優(yōu)化的精度或達到所設置的最大種 群代數(shù)。進一步，所述步驟C中的染色體適應度函數(shù)為(2): 1-^^ (2)其中，/表示第/個個體，Z^7/7(/)表示第/ikfed^p表示當代種群中的最長路徑； 確定復制次數(shù)的函數(shù)為(3):體的路徑長度，而(3)其中，SwwF為當代適應值的總和，GS/ZE為種群大小， 如果&mF為0，則直接跳出遺傳算法，計算得到的S&(/)向下取更進一步，所述步驟d中的交叉和變異概率調(diào)整公式為(4):g = A _ _ S2 )(GC卿/ G羅) * ^《,--。(GC卿/G纖)其中GC。"為在復制過程中被復制的源初始個體的數(shù)目，&表示交叉概率的上限，i^為下限；i;為變異概率的上限，&2為下限。 再進一步，所述步驟e的變異操作過程如下染色體的變異發(fā)生在同一層輪廓，隨機產(chǎn)生某一變異層和兩個交 換位置，如果交換發(fā)生在同一父母輪廓的子女內(nèi)部，則交換這兩個位 置的輪廓即可，如果交換位置發(fā)生在不同父母輪廓的子女之間，則對 這兩個父母輪廓的全部子女進行交換；各個父母的子女相對位置保持不變；當完成對交換位置的輪廓變更之后，還需要對交換輪廓的原始 切割起點進行隨機更換，并根據(jù)變異層的輪廓順序調(diào)整其他各層的輪 廓相對順序和下代子女索引位置值； 交叉操作過程如下交叉操作發(fā)生在同一層輪廓上隨機產(chǎn)生的一個交叉區(qū)域，假設第 一染色體和第二染色體發(fā)生交叉，那么將第一染色體的該區(qū)域上輪廓 的父母的所有子女都放到第二染色體的該層頭部，并隨機改變區(qū)域內(nèi)的輪廓切割起點；其余輪廓排到該區(qū)域后面并保持相對位置不變，以 相同方法對第二染色體進行處理，之后分別調(diào)整第一染色體和第二染 色體的父層和子層的輪廓順序及下代子女索引位置值。作為優(yōu)選的再一種方案所述步驟f的啟發(fā)式搜索步驟如下fl、對染色體解碼得到一條路徑"f2、取丄中的一個輪廓/(/ = 1,2,...,附-1)，其中m為總輪廓數(shù)； f3、以丄給出的輪廓/的加工起點"C/e)，計算"到前一個輪 廓的新起點P和后一個輪廓的原始起點W + 1]的距離之和D， / = 0 時戶為原點，按照順序遍歷輪廓/的所有點，把具有最小距離D,皿的 點《作為當前輪廓/的新切割起點；f4、利用輪廓/的新切割起點，修正輪廓(/-1)的切割起點；f5、重復步驟f2 f5，直到第m-l個輪廓為止，進入步驟f6;f6、把由a/]組成的切割新起點數(shù)組轉(zhuǎn)化到相應的染色體。本專利技術的技術構(gòu)思為遺傳算法是基于進化論的原理發(fā)展起來的 一種應用廣泛、高效的隨機搜索優(yōu)化方法，其具有魯棒性強、使用方 便等特點，在近年來的組合優(yōu)化問題上得到了廣泛的應用。它是模擬 達爾文提出的遺傳選擇和自然淘汰的生物進化過程的計算模型。遺傳 算法中每個個體根據(jù)自身的適應度被決定是否繼續(xù)生存下去，適應度 低(性能差)的個體被淘汰，適應度高(性能好)的個體被保存，經(jīng)過交叉 和變異操作生成新的個體。由于新群體的成員是在上一代優(yōu)秀群體的 基礎上產(chǎn)生的，保留了上一代的優(yōu)秀性能，使得群體朝著更優(yōu)解的方 向進化。為加快遺傳算法的搜索速度，加入啟發(fā)式搜索技術。啟發(fā)式 搜索時，會優(yōu)先順著有啟發(fā)性和具有特定信息的節(jié)點搜索下去，這些 節(jié)點可能是達到目標的最好路徑。這樣就可以不需要對其他較差路徑 進行檢測，從而提高了效率。本專利技術的有益效果主要表現(xiàn)在1)動態(tài)調(diào)整了染色體的交叉和變 異概率，就有利于防止群體早熟，跳出局部最優(yōu)解；2)采用的啟發(fā)式搜索方法，在算法運行過程中能夠大大提高遺傳算法求解近似最優(yōu)解的速度。附圖說明圖1為本專利技術的切割輪廓圖實例；圖2為本專利技術的刀具空行程路徑優(yōu)化算法的處理過程流程圖3為本專利技術的輪廓樹實例圖4為本專利技術的索引值入棧和出棧順序?qū)嵗龍D。具體實施例方式下面結(jié)合附圖對本專利技術作進一步描述。參照圖1 圖本文檔來自技高網(wǎng)...

【技術保護點】
一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于：所述控制方法包括以下步驟：　ａ、初始化種群，隨機產(chǎn)生ＧＳＩＺＥ個個體，所述個體隨機分布在可行解空間中，以判斷一個輪廓是否在另一個輪廓內(nèi)部為基礎，確定輪廓包含關系表并展開得到輪廓樹；　ｂ、計算當代每個個體對應的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟ｇ；否則，進入步驟ｃ；　ｃ、利用適應度函數(shù)計算每個個體的適應度，并通過復制函數(shù)確定每個個體能夠被復制的次數(shù)，完成選擇、復制操作之后，通過隨機選取已被復制的個體再次復制使得當代個體總數(shù)保持ＧＳＩＺＥ個；　ｄ、根據(jù)當代個體的多樣性調(diào)整交叉和變異概率；　ｅ、對當代個體進行變異、交叉操作；　ｆ、利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟ｂ；　ｇ、選出當代個體中最優(yōu)刀具空行程路徑為最小值Ｍｉｎ（Ｐａｔｈ），其中Ｐａｔｈ的計算如步驟ｂ所示，Ｍｉｎ（Ｐａｔｈ）為經(jīng)過比較之后的當代個體路徑最小值，并將最小值Ｍｉｎ（Ｐａｔｈ）輸出。

【技術特征摘要】

【專利技術屬性】
技術研發(fā)人員：俞立，林示麟，董輝，朱鑫賢，胡磊，
申請(專利權(quán))人：浙江工業(yè)大學，
類型：發(fā)明
國別省市：86[中國|杭州]