异形零件下料的并行排样优化方法

摘要

本发明公开了一种异形零件下料的并行排样优化方法，对下料零件的图形特征进行预处理，实现聚类组合；依据个体适应度值的大小和相似性对整个种群进行合理划分，在每次进化中，个体适应度度值较好的子种群利用遗传算法（GA）进化，个体适应度值较差的子种群则利用粒子群算法(PSO)处理，实现优化方法的优势互补、信息增值；通过设置多样性度量标准来控制种群特征信息和搜索空间，从而加快了寻找最优解的时间，使得整个系统效率大幅提升。该方法可用于不同种类零件的自动下料优化，满足了对于大规模排样数据进行处理和管理的要求。

主权项

异形零件下料的并行排样优化方法，其特征在于：包括以下步骤：(1)、通过对零件图形的预处理，提取排样零件的几何数据，根据提取的几何数据对排样零件进行特征编码和排样编码，特征编码和排样编码分别反映了零件图形的属性，针对零件的组合及填充操作亦进行相应编码；然后根据编码对排样零件进行聚合、填充及靠接处理，实现不规则零件的矩形化操作，矩形化过程如下：(1.1)、同类零件的组合：将零件图形绕参考点旋转180°相位，分别通过横向和纵向进行组合，依据组合图形的包络矩形面积最小获得最佳包络矩形；(1.2)、同类零件组合形成空白区域的填充：对于同类组合零件生成的内孔，由于互补零件的对称性，其生成的内孔也是具有对称特征的，根据这一特性，可以判断内孔的形心位置，从而可以一定程度的实现填充功能的自动处理；(1.3)、互补零件的组合和填充：对于形状具有互补特征的零件或零件的包络矩形形成的空白区域进行适当的聚合和插补填充；(2)、建立排样零件的优化种群，并根据计算种群个体的适应度大小进行等级划分为优良种群和普通种群，通过优良种群的GA操作和普通种群的PSO进化，实现种群个体的并行协作，过程如下：在初始阶段依据适应度评价将整个种群划分两个子种群，即优良种群Ep和普通种群Cp，规模分别为M和N‑M，其中优良种群为当前种群中M个适应度最高的个体群，其余构成普通种群；各父代种群通过GA和PSO进化产生相应的子代种群，即子代精英种群Ec和子代普通种群Cc，基于种群多样性评估将子代种群划分构成下一代种群，(3)、建立多样性度量标准，在个体适应度评估(即排样密度评价)的基础上用来控制选择优良种群特征，保证下代优良子种群个体的多样性；如果系统多样性下降至某个预定的指标，算法将重新选择优良种群的新个体；多样性度量标准的制定涉及搜索空间、种群规模和个体特征信息，如公式(1)所示：$Diversity\left(k\right)=\frac{1}{M}·\sqrt{\underset{i=1}{\overset{M}{\Sigma }}{(f_i^k-{\bar{f}}^k)}^2}---\left(1\right)$公式(1)中，M是种群规模；是第i个个体的第k个进化适应度值；是所有个体的第k次进化的适应度平均值，k为进化次数。