[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

说明书

本实施例提供了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。本发明提供了一种利用深度强化学习模型SAC对遗传算法进行优化，将交叉、变异操作从传统的遗传算法中分离出来，并将它们作为agent的动作空间，通过SAC模型训练agent，使其控制交叉与变异操作来达到优化目的，从而克服传统遗传算法的缺陷，提高算法的效率。

技术领域

本发明属于PCB下料技术领域，具体涉及一种基于深度智慧型遗传优化算法的PCB合拼下料方法。

背景技术

最近几年，随着高科技产业(计算机、电子和通信等领域)的飞速崛起，PCB(Printed Circuit Board)板的需求增长迅速，逐渐朝着数量大和种类多的趋势发展。对于当前日益增长的生产需求，传统的PCB企业已经无法满足。其中，PCB合拼下料流程是PCB生产自动化的关键一环，一直是业内的关注重点。

与此同时，深度学习逐渐成为人工智能领域的研究热点和主流发展方向。近年来，深度学习经过快速的发展，在诸多领域都取得了良好的效果。二维排样问题时间复杂度属于NP类完全问题，而PCB合拼下料问题是二维排样算法在PCB生产领域的具体应用。但是采用传统的遗传算法来解决PCB合拼下料问题，其步骤中的交叉算子和变异算子会导致全局搜索能力强而局部搜索能力弱，容易陷入局部最优、同时又在解的效果和求解时间上很难达到平衡，为了使求解效果好，往往需要的时间会较长。

发明内容

针对目前存在的技术问题，本发明提供了一种基于深度智慧型遗传优化算法的PCB合拼下料方法，提高遗传算法的收敛速度，提高PCB板生产效率。

本发明采用的技术方案是：

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，输出最优个体排样图及利用率。

进一步，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。

进一步，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，m＜X；