[发明专利]实木板材的一维排样方法

说明书

本发明公开实木板材的一维排样方法，包括：读取经切割缺陷后的N段实木板材长度L_i信息；读取需求量为b_j的待排零件的长度l_j信息；建立实木板材一维排样数学模型；基于改进最大最小蚁群系统的方法生成初始种群：基于改进遗传算法多次迭代得到最优排样方案；将改进遗传算法得到的迭代最优解进行记录；根据记录中的至今最优解自适应更新信息素的界限；采用动态混合策略进行信息素更新。本发明克服了随机选择的盲目性；加快了蚁群系统的收敛速度，提高了求解速率，排样时间快，利用率高；有助于维持种群多样性，减少局部最优和早熟问题的出现，增强了算法的全局搜索能力；采用迭代最优解和全局最优解的动态混合策略，有助于增强算法合理引导搜索的能力。

技术领域

本发明涉及计算机辅助排样方法，具体涉及实木板材的一维排样方法。

背景技术

实木板材由于存在一定的缺陷，在经图像识别缺陷种类和尺寸后，通过锯切缺陷将得到数段多规格的实木板材，由于锯切后的实木板材尺寸与加工的标准尺寸不相符，所以为了后续加工的顺利开展，需要将其分割成标准尺寸。

传统的人工经验排样的方法由于缺少统一规划和全局观念，不仅排样效果不能满足生产需求，同时耗费的时间随着待排件数量的增加而上升。

而目前的一维实木板材排样算法大多采用人工智能的方法求解，如遗传算法、模拟退火算法或蚁群算法等，这些算法的局部搜索能力和全局搜索能力很难达到平衡，单独使用则会导致排样时间长和利用率不高等问题的出现，不能获得满意的排样方案。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种实木板材的一维排样方法，本实木板材的一维排样方法以改进最大最小蚁群系统的解作为遗传算法的初始种群，克服了随机选择的盲目性；通过改进遗传算法的多次迭代得到的最优解转化为全局信息素的积累，加快了蚁群系统的收敛速度，提高了求解速率，排样时间快，实木板材利用率高；有助于维持种群多样性，减少局部最优和早熟问题的出现，增强了算法的全局搜索能力；采用迭代最优解和全局最优解的动态混合策略，有助于增强算法合理引导搜索的能力。

为实现上述技术目的，本发明采取的技术方案为：

一种实木板材的一维排样方法，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

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；