[发明专利]一种二维不规则图形排样优化方法在审
申请号: | 202111550308.X | 申请日: | 2021-12-17 |
公开(公告)号: | CN114329660A | 公开(公告)日: | 2022-04-12 |
发明(设计)人: | 朱志松;赵旭;高岚;解昆;邓光伟 | 申请(专利权)人: | 南通大学 |
主分类号: | G06F30/10 | 分类号: | G06F30/10;G06N3/12 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 许洁 |
地址: | 226000*** | 国省代码: | 江苏;32 |
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 二维 不规则 图形 优化 方法 | ||
1.一种二维不规则图形排样优化方法,其特征在于:基于混合编码的遗传算法和合并多边形算法的二维不规则图形排样优化方法,通过混合编码的遗传算法生成初始种群,种群中每一个体包括图形排样序列和各个图形旋转角度;遗传算法中适应度函数计算出每个可行解的优劣程度,并通过对种群中个体的选择、交叉、变异等操作改变种群,通过不断选取最优解遗传到下一代,最终得到适应度函数的近似最优解,最后得出最优排样方案及排样结果图。
2.根据权利要求1所述的二维不规则图形排样优化方法,其特征在于:所述的二维不规则图形排样优化方法的具体操作步骤如下:
步骤(1)根据混合编码规则初始化N个个体的种群;
步骤(2)若满足停止条件则停止,否则继续执行;
步骤(3)对当前种群进行适应度函数计算,记录其个体适应度函数值,最优个体以及平均适应度值;
步骤(4)独立地从当前种群中选取N个母体;
步骤(5)采用顺序交叉法对种群中个体进行交叉操作;
步骤(6)采用交换变异法对种群中个体进行变异操作;
步骤(7)将选择种群和交叉变异种群进行合并,得到规模为2N的种群;
步骤(8)在合并的种群中根据轮盘赌选择算法选择出N个个体,得到新一代种群;
步骤(9)返回步骤2继续迭代。
3.根据权利要求1所述的二维不规则图形排样优化方法,其特征在于:所述的步骤(1)中的混合编码规则的操作如下:针对N个不规则图形的排样问题,可行解为{[P1,P2,...,PN],[X1,X2,...,XN]},其中P表示可行的图形排样顺序,X表示图形旋转角度;其中,基于图形数据结构索引的排样顺序编码,采用排列编码的方式构成一个整数序列[P1,P2,...,PN],建立与加工序列的映射关系;旋转角度采用二进制编码,生成N个[0,360]之间的浮点数表示各图形的旋转角度;通过这种编码方式得到不同图形排样顺序和旋转角度作为遗传算法的样本。
4.根据权利要求3所述的二维不规则图形排样优化方法,其特征在于:所述的遗传算法中的交叉变异操作对两种编码的染色体分别操作。
5.根据权利要求1所述的二维不规则图形排样优化方法,其特征在于:所述的步骤(3)中的的适应度函数为F(x)=min(LNest),其中:LNest表示原料宽度固定后图形排样后占用的总长度,F(x)越小,其对应可行解序列的质量越好。
6.根据权利要求5所述的二维不规则图形排样优化方法,其特征在于:所述的适应度函数计算步骤如下:
(1)根据可行解中图形排样顺序及各图形旋转角度,将各排样图形绕坐标原点旋转相对应角度;
(2)利用NFP算法摆放待排样图形;
(3)利用合并多边形算法对已放置的排样图形进行外轮廓合并处理;
(4)判断是否完成所有图形的排样,若未完成排样,返回步骤2;若完成排样,则输出可行解的排样总长度F(x)。
7.根据权利要求6所述的二维不规则图形排样优化方法,其特征在于:所述的合并多边形算法步骤如下:
(1)根据NFP算法确定两多边形的相对位置后,通过分别判断多边形上的点与另一多边形的各边的位置关系来求解两多边形之间的接触点;
(2)将接触点分别插入到相接触的两个多边形顶点序列中,如果接触点在多边形边上,则将该接触点插入该边的两个端点之间;
(3)遍历第一个多边形的顶点序列,当遍历的点坐标为接触点坐标时,则从该接触点处开始,遍历第二个多边形的顶点序列;遍历第二个多边形的顶点序列时,当遍历的点坐标为接触点坐标时,则从该接触点处开始,遍历第一个多边形的顶点序列,直至遍历至多边形的第一个顶点结束。
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南通大学,未经南通大学许可,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/202111550308.X/1.html,转载请声明来源钻瓜专利网。