[发明专利]实木板材的一维排样方法

权利要求书

1.一种实木板材的一维排样方法，其特征在于，包括：

步骤1：读取经切割缺陷后的N段实木板材长度L_i信息，其中i＝1,2,…,N，对所有实木板材从0开始编号，范围为[0,N-1]；读取需求量为b_j的待排零件的长度l_j信息，其中j＝1,2,…,S，对所有零件从0开始编号，范围为[0,M-1]，其中

步骤2：初始化算法参数；

步骤3：建立实木板材一维排样数学模型：

实木板材经切割缺陷后将得到N段多规格的板材L_i，需求量为b_j的长度分别为l_j的零件S种，应满足切割需求：零件的切割量c_j需等于需求量b_j，且每段实木板材上所排零件总长度需小于等于该段实木板材长度；

以实木板材的利用率U最大为目标函数，具体的数学模型如下所示：

其中a_ij为在第i段实木板材上排列的第j种零件的数量；L为排样方案中所选用的实木板材总长度；

步骤4：令迭代次数计数器Iter＝0；

步骤5：基于改进最大最小蚁群系统的方法生成初始种群：

先选择一段未用实木板材，根据转移概率选择未用零件，当选中零件编号时更新局部信息素，重复此操作直至没有长度小于等于所选实木板材的剩余长度的未用零件存在，重复上述过程，直至所有零件都完成排样，得到m个排样方案；

步骤5中重复此操作是指根据转移概率选择未用零件，当选中零件编号时更新局部信息素；

步骤5中重复上述过程是指选择一段未用实木板材，根据转移概率选择未用零件，当选中零件编号时更新局部信息素，重复此操作直至没有长度小于等于所选实木板材的剩余长度的未用零件存在；

步骤6：基于改进遗传算法多次迭代得到最优排样方案，即迭代最优解；

步骤7：将改进遗传算法得到的迭代最优解进行记录；

步骤8：根据记录中的至今最优解自适应更新信息素的界限；

步骤9：采用动态混合策略进行信息素更新；

步骤10：判断是否满足迭代终止条件Iter≤T，若不满足，迭代次数Iter＝Iter+1，转步骤5；若满足，则输出具有最大适应度值的排样方案，结束算法，其中排样方案的适应度函数为目标函数；

所述步骤2具体包括：

初始化算法参数，其中算法参数包括种群规模m、改进蚁群算法最大迭代次数T、改进遗传算法最大迭代次数NC、常量q₀、实木板材禁忌表、零件禁忌表和信息素矩阵τ，其中q₀∈[0,1]，信息素矩阵τ为二维矩阵，二维矩阵的行是实木板材的编号，列是零件的编号，令路径(i,j)上的初始信息素τ_ij(0)＝τ_max(1)，其中τ_max(1)表示第一次迭代后所计算的最大信息素；

所述步骤5包括以下步骤：

5.1、将实木板材和零件进行混合，形成N+M个节点，其中N为实木板材的数量，M为零件的数量，各节点代表其编号；

5.2、将所有的未用实木板材编号作为可选节点放入N-CODE，N-CODE即为所有实木板材编号与实木板材禁忌表的差集；

5.3、蚂蚁首先从N-CODE中选择一个实木板材节点N_i作为出发点，N_i的选择规则如下：min(L_min-(K_max+R))≥0，即所选的未用实木板材的长度L_min与最长未用零件的长度K_max和正随机数R的和的差应最小，R∈[0,L_MAX-K_max]，其中L_MAX为最长未用实木板材的长度；

5.4、将所有的未用零件编号作为可选节点放入M-CODE，M-CODE即为所有零件编号与零件禁忌表的差集；

5.5、选中实木板材节点N_i后，根据当前所选实木板材的剩余可排长度Ls和可选M-CODE中各个零件节点对应的零件长度K_j计算启发信息η_ij，并根据伪随机比例状态转移规则选择零件节点M_j；

5.6、当选中零件节点M_j后，按照如下公式进行局部信息素更新：

τ_ij(t+1)＝(1-χ)*τ_ij(t)；

其中χ表示局部信息素挥发系数，χ∈(0,1)；τ_ij(t)表示实木板材节点N_i和零件节点M_j间在第t次信息素浓度；τ_ij(t+1)表示第t+1次信息素浓度；

5.7、将所选实木板材节点N_i放入实木板材禁忌表，将所选零件节点M_j放入零件禁忌表；

5.8、清空未用实木板材编号集合N-CODE和未用零件编号集合M-CODE；

5.9、判断零件禁忌表中是否包含所有零件编号，若是，转5.10；否则，判断是否存在长度小于等于当前实木板材剩余长度的未用零件，若存在，转5.4，若不存在，转5.2；

5.10、将所有零件禁忌表中的编号按升序排列，同时实木板材禁忌表中所有实木板材编号按对应位置随之变化，变化后的实木板材禁忌表中的实木板材编号即为一个排样方案；

5.11、清空实木板材禁忌表和零件禁忌表，对下一只蚂蚁重复5.2至5.10，直至遍历所有m只蚂蚁，得到m个排样方案。