一种服装自动优化排料方法与流程

本发明是一种在服装加工中用于服装排料工艺的自动优化排料方法，属于计算机辅助排料技术。

背景技术：

目前，服装生产企业的自动化程度越来越高，得益于服装cad与服装数控裁剪、缝制设备的发展与应用，从样版设计、打版、放码、排料，到裁剪、缝制等生产工艺流程都可以借助于计算机完成，大大减少了人力成本。排料方法是服装cad最为核心的方法之一，其性能直接影响企业裁剪用料的成本，对于高级服装面料及大批量生产来说，排料利用率是决定用料成本的主要因素。

服装排料问题属于不规则图形排料问题，主要包括样片最优排放位置确定和样片最优排放顺序确定两个问题。最小势能原理是将零件看作砂砾，母材看作玻璃瓶，通过不断摇晃“玻璃瓶”可以使“砂砾”排列更加密实。具体实施时，可通过在母材上布置等距的离散排样点，将样片平移到各个排样点上并进行旋转，使其重力势能最小从而确定其最优排放位置。

样片排放顺序对于排料利用率具有重要影响，固定顺序的排料得到的结果往往不是最优解。但由于n个样片存在n！种顺序，在目前的计算能力下无法在可接受的时间内找到最优排料顺序。遗传算法是基于自然选择和自然遗传机制的搜索算法，它是一种有效的解决最优化问题的方法，因此本发明在排料时引入遗传算法，通过全局优化概率搜索来产生最佳的排料顺序，从而提高排料利用率。

技术实现要素：

为了确定排料时样片最优排放位置和最优排放顺序的技术问题，本发明提供一种服装自动优化排料方法，在可接受的时间内得到排料的近似最优解，从而提高排料利用率。

本发明解决其技术问题所采用的技术方案是：一种服装自动优化排料方法，包括以下步骤：

第一步，建立确定样片排放位置的数学模型

首先在母材上均匀布置离散排样点，将样片平移至有效排样点位置并进行旋转，求解样片在不同排样点及旋转角度下的重力势能，根据最小重力势能原理，确定样片在重力势能最小时的样片位置及旋转角度；

第二步，确定排料优化的适应度函数

根据一个给定的排料顺序，依次确定各样片在母材中的排放位置，当各样片均处于最小势能状态下，整个排版图的总势能最小，即可确定当前顺序下所有样片的最优排放位置和排料利用率，将排料利用率作为排料优化的适应度函数；

第三步，利用遗传算法对排料顺序进行优化搜索

1)对排料进行实数编码，构成优化排料算法中的个体xm，一个个体即表示一种排料顺序；

2)设定优化搜索排料过程中的种群迭代次数g；

3)对种群中m个个体进行初始化，产生m种排料顺序；

4)分别按个体xm对应的排料顺序，依次确定各样片的排放位置，计算当前排料顺序下的适应度函数fxm；

5)采用轮盘赌对种群中个体进行选择操作，引入精英选择机制，将种群中的最优个体直接遗传到下一代；

6)采用顺序交叉由一对父代个体xi、xj产生一对子代个体xi′、xj′；

7)按照一定的概率对种群中个体进行变异操作，防止种群早熟收敛；

8)判断迭代次数g是否小于设定的迭代次数g，如是，则返回步骤4)，继续下一次的优化搜索排料；

9)如否，完成排料顺序优化搜索，输出最优排料结果。

如上所述第一步，确定样片最优排放位置时样片的重力势能为从右向左方向，重力势能大小eg＝gxc，xc为样片的形心

式中：样片多边形含有n个顶点，其中任一顶点的坐标为(xk，yk)(k＝1，2，3，...，n)。

如上所述第一步，确定样片最优排放位置时，无效排样点的判断方法及访问避免：在确定样片位置时，母材上存在大量的无效排样点，避免访问无效排样点可以提高排料效率。

如上所述第二步，排料优化的适应度函数为排料利用率，适应度函数fxm的计算方法为

式中：fxm为个体xm的适应度函数(m＝1，2，3...m)，exm为个体xm的排料利用率，l为样片占用母材的总长度，w为母材的宽度，sn为样片n的面积(n＝1，2，3...n)。

如上所述步骤5)，排料优化搜索时引入精英选择机制的轮盘赌选择操作：如果个体xm对应的适应度函数fxm＝fxmax，个体xm直接被选中遗传到下一代；如果个体xm对应的适应度函数fxm＜fxmax，则个体xm被选中的概率为选择时，随机生成一个[0，1)区间的随机数p，如果则该个体被选中遗传到下一代。

如上所述步骤6)，排料优化搜索中个体的顺序交叉操作：假设xi、xj是进行交叉操作的一对父个体，其中xi＝[451728963]，xj＝[793456128]，具体交叉操作方式如下

1)在父个体xi中随机选择一个片段，如[1728]；

2)将该片段复制到子个体xi′的对应位置[001728000]；

3)删除父个体xj中子个体xi′已含有的元素，产生一个过渡个体yi＝[93456]；将个体yi元素依次插入子个体xi′的空缺位置上，即得到子个体xi′＝[931728456]，用同种方法可得到另一个子个体xj′＝[173456289]。

如上所述步骤7)，排料优化搜索中个体的变异操作：假设子个体yi＝[931728456]，随机选择两个位置的元素交换即可得到变异后的子个体，如交换1、5的位置，得到变异后的个体yi′＝[935728416]。

本发明的技术构思为：根据最小重力势能原理，建立确定样片排放位置的数学模型，使整个排版图的总势能最小，从而确定所有样片的最优排放位置和排料利用率；进一步地，引入遗传算法对排料顺序进行全局优化搜索，从而确定样片的最优排放顺序。

本发明的有益效果主要表现在：根据最小势能原理和遗传算法提出的服装自动优化排料方法在可接受的时间内能够得到近似最优解，提高不规则图形自动排料中材料利用率。

附图说明

图1为样片参考点与旋转角度示意图

图2为样片在母材中的平移和旋转示意图

图3为排料中的最小重力势能原理示意图

图4为无效排样点访问避免示意图

图5为样片最优排放位置确定流程图

图6为服装自动优化排料方法流程图

图7为本发明的服装排料效果图一

图8为本发明的服装排料效果图二

具体实施方式

下面结合附图和实施例对本发明作进一步说明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。

参照图1～图6，本发明的服装自动优化排料方法，包含以下步骤：

第一步，建立确定样片排放位置的数学模型

首先在母材上均匀布置离散排样点，将样片平移至有效排样点位置并进行旋转，求解样片在不同排样点及旋转角度下的重力势能，根据最小重力势能原理，确定样片在重力势能最小时的样片位置及旋转角度；

参照图1，样片的参考点(rp)、旋转角度(α)是确定样片排放位置的基础信息：样片参考点(rp)是样片平移、旋转的基点，以样片最小包围盒左下角的顶点为参考点；旋转角度(α)由旋转次数(rn)决定，α＝2πj/rn(j＝0，1，2...，rn-1)，旋转角度(rn)是影响排料效率的一个关键因素。

参照图2，母材是指未进行排样前的原材料，在母材上沿水平、竖直两个方向均匀布置的离散点称为排样点，排样点之间的间距为ppd，该参数值也是影响排样效率的一个关键参数。需要特别说明的是：实际排料时习惯从左至右依次排料，因此假设重力方向为从右向左方向。

参照图2，样片的平移和旋转是改变样片位置的基本操作：待排样片的初始位置在①处，样片参考点与母材中的一个排样点重合，绕参考点旋转180°后到达位置②；样片在位置②按箭头方向平移后最终到达位置③。

参照图3，排料的过程中，样片零件的重力势能为：

eg＝gxc

其中：eg为零件的重力势能；g为零件的重力，重力方向从右向左；xc为样片的形心

式中：样片多边形含有n个顶点，其中任一顶点的坐标为(xk，yk)(k＝1，2，3，...，n)。

排料问题的最小重力势能原理：零件在排料过程中总是尽可能地通过平移或旋转使其形心高度降低。参照图3(a)，样片三角形在排料时位于矩形右方，其重力势能为gx0；经平移后到达图3(b)所示位置，其重力势能为gx1；再经旋转、平移后到达图3(c)中所示位置，其重力势能达到最小值gx2。

参照图4，在确定待排样片a的位置时，a在虚线右侧时重力势能一定不是最小值，因此在确定a位置时，虚线右侧无效排样区域的排样点可以避免访问。

参照图5，该图为根据最小势能原理确定样片最优排放位置的流程图。

第二步，确定排料优化的适应度函数

根据一个给定的排料顺序，依次确定各样片在母材中的排放位置，当各样片均处于最小势能状态下，整个排版图的总势能最小，即可确定当前顺序下所有样片的最优排放位置和排料利用率，将排料利用率作为排料优化的适应度函数；

第二步中，排料优化的适应度函数为排料利用率，适应度函数fxm的计算方法为

式中：fxm为个体xm的适应度函数(m＝1，2，3...m)，exm为个体xm的排料利用率，l为样片占用母材的总长度，w为母材的宽度，sn为样片n的面积(n＝1，2，3...n)。

样片多边形的面积计算方法如下

式中：样片多边形含有n个顶点，其中任一顶点的坐标为(xk，yk)(k＝1，2，3，...，n)。

第三步，利用遗传算法对排料顺序进行优化搜索

1)对排料进行实数编码，构成优化排料算法中的个体xm，一个个体即表示一种排料顺序；

2)设定优化搜索排料过程中的种群迭代次数g；

3)对种群中m个个体进行初始化，产生m种排料顺序；

4)分别按个体xm对应的排料顺序，依次确定各样片的排放位置，计算当前排料顺序下的适应度函数fxm；

5)采用轮盘赌对种群中个体进行选择操作，引入精英选择机制，将种群中的最优个体直接遗传到下一代；

6)采用顺序交叉由一对父代个体xi、xj产生一对子代个体xi′、xj′；

7)按照一定的概率对种群中个体进行变异操作，防止种群早熟收敛；

8)判断迭代次数g是否小于设定的迭代次数g，如是，则返回步骤4)，继续下一次的优化搜索排料；

9)如否，完成排料顺序优化搜索，输出最优排料结果。

参照图6，排料优化搜索时引入精英选择机制的轮盘赌选择操作：如果个体xm对应的适应度函数fxm＝fxmax，个体xm直接被选中遗传到下一代；如果个体xm对应的适应度函数fxm＜fxmax，则个体xm被选中的概率为选择时，随机生成一个[0，1)区间的随机数p，如果则该个体被选中遗传到下一代。

参照图6，排料优化搜索中个体的顺序交叉操作：假设xi、xj是进行交叉操作的一对父个体，其中xi＝[451728963]，xj＝[793456128]，具体交叉操作方式如下

1)在父个体xi中随机选择一个片段，如[1728]；

2)将该片段复制到子个体xi′的对应位置[001728000]；

3)删除父个体xj中子个体xi′已含有的元素，产生一个过渡个体yi＝[93456]；将个体yi元素依次插入子个体xi′的空缺位置上，即得到子个体xi′＝[931728456]，用同种方法可得到另一个子个体xj′＝[173456289]。

参照图6，排料优化搜索中个体的变异操作：假设子个体yi＝[931728456]，随机选择两个位置的元素交换即可得到变异后的子个体，如交换1、5的位置，得到变异后的个体yi′＝[935728416]。

参照图7，本发明的排料效果图。效果图中：样片数n＝99。排样间隔ppd＝50，旋转次数rn＝2，种群数量为20，迭代次数为20，交叉操作概率0.8，变异操作概率0.1，排料利用率为81.46％。

参照图8，本发明的排料效果图。效果图中：样片数n＝64。排样间隔ppd＝5，旋转次数rn＝2，种群数量为20，迭代次数为20，交叉操作概率0.8，变异操作概率0.1，排料利用率为85.10％。

排料数学模型的建立方法在很多文献中都有公开，不作为本发明的保护内容。

本发明未经详细阐述部分属于本领域技术人员的公知技术。