[发明专利]一种基于改进MOEA/D的多色裁剪分床解耦优化方法

权利要求书

1.一种基于改进MOEA/D的多色裁剪分床解耦优化方法，其特征在于，所述基于改进MOEA/D的多色裁剪分床解耦优化方法，包括以下步骤：

步骤S1、根据用户输入的多色分床订单计算分床的裁床数最大值；

步骤S2、初始化多色分床的初始限定参数以及改进MOEA/D算法的初始参数，包括：接收用户输入的每个服装型号样片每床排的数量的最大值Pb_max和最小值Pb_min，以及每床铺布层数的最大值cnt_max和最小值cnt_min；初始化改进MOEA/D算法的交叉概率cp、突变概率mp、种群规模popsize、迭代次数iterations、粒子最小值pop_min＝0，粒子最大值pop_max＝1；

步骤S3、利用改进MOEA/D算法确定最佳的多色裁剪分床方案，包括：

步骤S3.1、初始化权重向量和邻域向量；

步骤S3.2、初始化个体以及求解对应的配比矩阵，用配比矩阵比拟合出对应个体的层数矩阵，若拟合结束后保存的层数矩阵中存在裁床的铺布总层数大于设定的cnt_max，则重新执行步骤S3.2对该个体重新进行初始化并重新求解；若满足约束则执行步骤S3.3；

步骤S3.3、调用设定的多色分床的两个目标函数，第一个目标函数fit(1)为误差矩阵所有元素的平方和，第二个目标函数fit(2)为实际使用的裁床数量，因此得到适应度为fit＝fit(1)+fit(2)，根据求出的配比矩阵和层数矩阵计算得到实际订单，实际订单与用户输入的多色分床订单之差为误差矩阵，记录当前个体的粒子信息并求出两个目标函数值，每次执行步骤S3.2和步骤S3.3初始化得到一个个体，其中每一个个体对应一个层数矩阵，一个配比矩阵，一个误差矩阵，重复步骤S3.2和步骤S3.3直至达到种群规模；

步骤S3.4、根据适应度fit计算当前种群的适应度最大值fitMax，计算当前种群的平均适应度fitAvg，分别将当前种群中两个目标函数值的最小值记录在参考点z^*里，计算当前个体的邻域的大小T，在当前个体的邻域T内进化得到进化个体，然后进行交叉、变异，对粒子大于1或者小于0的进化个体进行修正，最后检测进化个体的层数矩阵是否满足每个裁床的铺布总层数在指定的范围，如果不满足则重复步骤S3.4，直至满足；

步骤S3.5、计算进化个体两个目标函数的函数值，并与参考点z^*里的数据进行比较，更新参考点z^*里的数据为两个目标函数的最小值，遍历当前个体的T个邻域个体，计算进化个体和邻域个体的聚合函数值，选取原则采用切比雪夫分解法，返回步骤S3.4迭代，直到遍历所有个体；此时迭代次数计为1，重复步骤S3.4、步骤S3.5，直至迭代次数超过预设的迭代次数iterations，输出最终参考点z^*里的两个目标函数的值作为多色裁剪分床方案。

2.如权利要求1所述的基于改进MOEA/D的多色裁剪分床解耦优化方法，其特征在于，所述步骤S1包括以下步骤：

所述用户输入的多色分床订单DingDan为：

其中，m代表多色分床订单中的颜色数量，n代表多色分床订单中的规格数量，x_mn代表m颜色n规格的订单数值，将m转成二进制并记录该二进制的位数为mBinary；

则计算分床的裁床数最大值cNumbers为：

cNumbers＝2^mBinary+ceil(mBinary/2)-1

其中，ceil表示向上取整。