[发明专利]一种基于深度智慧型遗传优化算法的PCB合拼下料方法

权利要求书

1.一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其步骤如下：

步骤1，生成初始种群；

步骤2，计算初始种群的适应度，获得初始种群状态；

步骤3，当适应度值未达到预设值，则将种群的当前状态s_t输入到基于深度智慧型遗传优化算法中进行优化；

步骤4，重复步骤3直至达到最大规定的运行回合次数，输出最优个体的排样图及利用率。

2.根据权利要求1所述的一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其特征在于：步骤1的具体步骤如下：

步骤11，对待排放的n个矩形零件P₁,P₂,P₃,...，P_n按面积降序进行排序，若面积一样按照长边长度递减排序，分别用整数1,2,3，...，n进行编号；

步骤12，随机产生0,1，用长度为n且只有0,1的序列代表矩形件排放的姿态，0代表不旋转，1代表旋转；

步骤13，重复步骤12X次以后得到规模为X的初始种群。

3.根据权利要求2所述的一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其特征在于：步骤2的具体步骤如下：

步骤21，调用面积降序策略的最低水平线算法进行合拼排样后计算当前种群的母板板材利用率，即适应度D_i，D_i的表达式为：

式中：H_max是排样结束后板材的最大占用高度；H为母板板材的高度；

步骤22，根据个体适应度值，从种群中选取并保留适应度高的前m个个体，mX；

步骤23，将当前种群的适应度D_i(，i∈{1,2,...，m},m为种群大小，作为种群的状态s，种群在时刻t的状态s_t可表示为s_t＝{D₁,D₂,D₃,...D_m}，整个状态空间可表示为S＝{s_j},j∈{0,1,2,...，N}，N为状态数量。

4.根据权利要求3所述的一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其特征在于：步骤3中将种群的当前状态s_t输入到基于深度智慧型遗传优化算法中进行优化的具体步骤如下：

步骤31，选择遗传算法动作；

步骤32，将种群的当前状态s_t输入到深度强化学习模型中进行学习优化；

步骤33，重复步骤31和步骤32，直至种群的个体适应度值达到预设值或迭代次数达到设置的最大迭代次数。

5.根据权利要求4所述的一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其特征在于：所述遗传算法动作包括交叉和变异运算，其动作空间为：

A＝{a₁,a₂} (2)

式中：a₁为交叉操作；a₂为变异操作。

6.根据权利要求5所述的一种基于深度智慧型遗传优化算法的PCB合拼下料方法，其特征在于：所述交叉操作与变异操作分别为：

(1)交叉操作：按个体适应度值的比例，利用轮盘赌选择算法从s_t中选择m个个体作为待交叉配对的父代个体，根据交叉概率P_c＝0.6选择父体并进行配对交换父体间的部分基因得到子代个体，将子代个体添加至种群s_t，利用精英保留策略保留种群s_t中的优良个体。

(2)变异操作：设置种群s_t中各个体的变异概率为P_m＝0.02，依据变异概率选择个体，在个体某些基因位上进行旋转变异，得到变异后的种群s_t+1，利用精英保留策略保留种群s_t中的优良个体。