[发明专利]皮革多轮廓加工快进路径优化方法

说明书

本发明公开了一种皮革多轮廓加工快进路径优化的方法，通过量子编码和量子观测得到样片加工顺序序列，将快进路径优化问题转化为求解多段图最短路径问题，利用动态规划法进行个体适应度评价求解。本发明的方法具有以下优点：采用实数编码的量子染色体能直接解码出十进制形式表示的样片加工顺序序列，减少了二到十进制的转换过程；基于动态规划法的个体适应度评价方法有效地建立了多轮廓加工与多段图之间的关系，使得快进路径问题易于求解；动态旋转角的量子更新策略有效地保证了算法的全局搜索性能。本发明的方法可有效避免早熟收敛现象，能较快地收敛于全局最优解，提高求解的质量和收敛速度。

技术领域

本发明涉及皮革剪裁、板材切割等领域中的计算机辅助加工技术领域，特别是涉及一种皮革多轮廓加工快进路径的优化方法。

背景技术

在皮革剪裁、板材切割等平面多轮廓加工中，待加工样片通常具有不同的轮廓，各个样片的加工顺序可以任意选择，样片上任何一个节点都可以作为加工的起始点，加工完一个轮廓后刀具移动到下一个轮廓，直到完成所有样片的加工，整个运动过程中刀具的总行程是由两部分构成：样片轮廓的有效加工行程和在轮廓之间移动的快进路径。对于路径复杂、批量生产的加工系统，缩短快进路径可以地有效减少刀具的运动行程，节省加工时间、提高生产效率，因此研究快进行程的优化方法具有重大的现实意义和理论价值。

对于多轮廓加工快进路径优化问题的求解，部分国内外学者将快进路径问题归结为一类广义旅行商问题(Generalized Traveling Salesman Problem，GTSP)进行求解，这些学者采用的算法在测试多个标准GTSP问题中表现出较好的效果，但求解效果离最优目标还有一定的差距，运行时间和全局搜索能力有待提高。

1996年Narayanan等人提出了量子遗传算法的概念，2002年Han等人将量子比特及量子旋转门引入个体编码提出了量子进化算法(QEA)，并成功应用于背包问题。QEA不仅具有在解决大空间、多峰值、非线性等复杂问题的高效性，还具有种群规模小、收敛速度快和全局寻优能力强的特点，已被广泛应用于众多领域的优化问题。为改善QEA性能，可以采用概率选择最优解和可变旋转角变异算子并引入节点交换策略进行邻域搜索，能有效避免了算法早熟。虽然传统的量子进化算法在计算性能和搜索效率上有较好的表现，但它仍然具有存储空间大，收敛速度慢和易陷入局部极值的问题。

发明内容

本发明旨在提供一种皮革多轮廓加工快进路径的优化方法，直接解码出样片加工顺序序列，解决现有方法收敛速度慢和易陷入局部极值的问题。

为解决上述技术问题，本发明所采用的技术方案是：一种皮革多轮廓加工快进路径优化方法，包括以下步骤：

1)令t＝0，根据生成第t代的量子种群Q(t)，其中，表示第t代第k个量子染色体的n×n的二维量子位概率幅矩阵：β_ij表示样片的加工顺序，0≤i≤n-1,1≤j≤i+1；n为待加工样片个数，编号0表示刀具的起始位置；Z表示种群的大小；inf为无穷大；

2)对第t代的量子种群Q(t)中各个染色体个体进行量子观测，得到各个样片的加工顺序序列；

3)各个样片的加工顺序序列加入初始加工点后，使用动态规划法评价各个个体的适应度，记录当前最优解和对应的加工顺序序列；所述当前最优解是指适应度最小值对应的个体；

4)将t的值加1；

5)利用下式确定旋转角的大小和方向：Δθ_ij＝s(α_i,β_i)*exp[(f(x)-f(best))/T_i]*Δθ_i；其中，f(x)和f(best)分别为当前个体和当前最佳个体的适应度值；T_i为第i代的退火温度；s(α_i,β_i)为量子旋转角的方向；Δθ_i为确定收敛速度的系数；