[发明专利]一种基于双种群混合算法的裁剪分床方法在审
申请号: | 202110071021.2 | 申请日: | 2021-01-19 |
公开(公告)号: | CN112765887A | 公开(公告)日: | 2021-05-07 |
发明(设计)人: | 毋涛;杨军;杜守信;崔璐;齐琦;王婷;李科;姚艳;赵鑫 | 申请(专利权)人: | 西安工程大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/00;G06F113/12 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 戴媛 |
地址: | 710048 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 种群 混合 算法 裁剪 方法 | ||
1.一种基于双种群混合算法的裁剪分床方法,其特征在于,具体按照以下步骤实施:
步骤1、算法初始化,初始化客户订单信息及生产工艺参数信息来确定裁剪需要的裁床数量区间范围[Mmin,Mmax],并求得裁剪分床模型参数信息;
步骤2、确定裁剪分床方案的目标函数,在多个维度上设定目标,得到最终算法的目标函数;
步骤3、根据步骤1得到的裁床数量最大值和最小值区间,以及步骤2得到模型的目标函数,选择最小的裁床数量M,进行混合算法的初始化;
步骤4、混合算法中普通种群的进化;
步骤5、精英种群的进化;
步骤6、如果整体混合算法进化完毕,则输出并记录当前裁床数量下的最优方案,然后裁床数量更新为M+1,判断新的裁床数量是否符合订单计算的裁床数量范围;如果仍然满足条件,则针对当前裁床数量初始化群体,再次执行步骤4计算当前裁床数量情况下的最优裁剪分床方案;如果不符合则停止计算,比较多个裁床下的最优方案的最终优秀性;
步骤7、最终根据指定的裁剪分床需求和目标,输出一组或多组优秀的裁剪分床方案。
2.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法,其特征在于,所述步骤1具体按照以下步骤实施:
步骤1.1、初始化客户订单信息具体包括:初始化订单尺码类型个数、尺码对应产品数量,尺码允许超出裁剪数量、订单使用面料幅宽信息、尺码的裁片长宽,最终消耗该面料长度;
步骤1.2、初始化生产工艺参数信息具体包括:初始化企业拥有裁床台数、裁床可以铺设面料的最小层数和最大层数、裁床可以铺设面料的最大长度、裁床拉布机拉布速度、裁床裁刀运行速度;
步骤1.3、确定模型参数信息:根据步骤1.1和步骤1.2得到实际的订单信息和生产工艺参数,计算裁剪分床模型参数信息。
3.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1、确定裁剪方案超裁目标函数,通过裁床数量m、每个裁床的铺布层数Hi、订单尺码数n、订单尺码需求数量Aj以及裁床i需要裁剪尺码j的数量计算超裁目标函数D;
步骤2.2、设定裁剪时间目标函数,通过裁床数量m、尺码数量n、裁床拉布机运行速度v1、裁床铺布长度及裁刀行进速度v2计算裁剪时间T;
步骤2.3、设定面料利用率目标函数,通过每个裁床铺布后进行裁剪时,将不同尺码均匀排布,充分利用铺设的面料计算面料利用率P;
步骤2.4、处理多目标函数,降低目标维度,减少模型求解复杂度;对于超裁数量、裁剪时间和面料利用率三个目标函数,将各自目标函数进行归一化处理,忽略掉目标函数的尺度,根据目标函数中各函数设定的权重参数线性组合,得到混合算法目标函数为:F=αD+γ(1-P)+βT。
4.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法,其特征在于,所述步骤3具体按照以下步骤实施:
步骤3.1、初始化混合算法进化过程参数,包括制定算法进化的总代数、遗传算法变异的初始概率、粒子群影响时的初始惯性因子、粒子群算法的学习因子、混合算法种群个体的数量并进行种群的初始化;
步骤3.2、确定算法编码方案,初始化种群、初始化种群个体的裁床矩阵和尺码配比矩阵值,根据算法种设定的种群种个体数量,初始化生成相应数量的个体粒子,每个个体粒子随机生成自己的裁床层数和尺码配比矩阵B。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安工程大学,未经西安工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110071021.2/1.html,转载请声明来源钻瓜专利网。