用于木工板件零件的智能排样优化方法
【专利摘要】本发明公开了一种用于木工板件零件的智能排样优化方法，包括下列步骤：S1：初始化遗传算法的相关参数；S2：从零件库中选提取待排样的矩形件信息；S3：从木工板原料库选择可用来排样矩形件的木工板相关信息；S4：对所获得的待排样矩形件的信息进行编码，并随机生成初始种群；S5：利用剩余矩形填充“一刀切”算法对上述初始种群进行逐一解码，以获得每一个排样方案的利用率；S6：应用遗传算法通过选择、交叉、变异操作来优化排样方案，并输出相应的最优解。按照本发明的智能排样方法，可以满足木工板矩形零件“一刀切”工艺要求，并且采用了智能算法和启发式算法相结合，可以较快找到一种优化方案，由此大大提高了企业的材料利用率且显著缩短了排样时间，提高了排样效率。
【专利说明】用于木工板件零件的智能排样优化方法
【技术领域】
[0001]本发明属于加工件排样领域，尤其涉及一种用于木工板件零件的智能排样优化方法。
【背景技术】
[0002]排样问题是指需要开料的工件在板料上的布置和开切方式。选择合理的排样布局方式，是提高材料利用率、降低生产成本和保证工件质量的有效措施。有效的排样方法可以使企业按照最优的方式对所需求的零件进行切割，从而可以极大地提高材料利用率、切割效率及降低生产成本，进而提升企业的经济效益。
[0003]目前，市场上还大量存在采用人工排样下料方法，人工下料方法由操作工人按照零件尺寸和数量在木工板上简单排列切割下料。这种传统的手工排样下料生产方式容易造成大量边角余料，且企业不能做到排样预算，从而囤积原料造成资金占用，影响企业发展。
[0004]市场上现有木工板规格都是矩形，主要用于家具、门窗、隔断、假墙、暖气罩、窗帘盒等。所以木工板排样问题就是矩形件排样问题。由于目前应用木工板企业多使用电锯裁切木工板，因此就要考虑“一刀切”工艺问题，可以简单定义为在木工板上的每一次切割轨迹是贯穿一组对边的连通直线，需从长、宽两个方向上考虑如何组合零件排列，才能使废料最少。但是现有的矩形优化排样方法往往没有考虑矩形件的特殊工艺及具有纤维方向，因此不能适用于矩形件“一刀切”的排样优化，特别是对于多品种大批量矩形件排样问题，传统的排样方法耗费时间长效率低下，不能满足企业的要求。采用人工对矩形件进行排样，效率低下且排样效果不理想，已经不能适应市场以及企业的需求。因此如何根据矩形的特定工艺要求及其自身的特性，定制符合矩形件的加工要求以及企业的需求，能够更有效的提高木工板利用率、大幅度降低生产成本并且效率更高的排样方法，已经成为业内迫切的技术要求。
[0005]因此，亟需研发出解决上述问题的有效措施。
[0006]另外， 申请人:之前申请了一项名称为“用于矩形件的智能排样方法”的发明专利。
【发明内容】
[0007]为解决上述技术问题，本发明的目的在于提供一种能够快速有效地解决木工板多品种大批量矩形件排样、排样结果满足“一刀切”工艺要求的智能排样系统。
[0008]本发明提供了一种用于木工板件零件的智能排样优化方法，包括下列步骤:
[0009]S1:初始化遗传算法中的相关参数,包括种群Population数量、迭代次数T、交叉概率Pc以及变异概率Pm等；
[0010]S2:从零件库中提取待排样的矩形件，并获得相关参数，包括矩形件种类K、各种类矩形的数量H1、各种类矩形纤维方向的长Ii和非纤维向的宽Wi,以及矩形排样时是否存在纤维方向要求，并对每一个矩形进行十进制整数编码，形成一个矩形件个数的无重复序列；[0011]S3:从原料库中选取符合上述矩形件排样要求的木工板，并获得木工板的相关参数，包括木工板序号、数量、各序号木工板纤维方向的长L和非纤维方向的宽W在内的相关信息；
[0012]S4:根据上述带排样的矩形件信息随机生成遗传算法的初始种群Population，其中每条染色体就是矩形件的一个排样序列，矩形件的排样序列就是根据矩形编码号构成的不重复的随机序列。
[0013]S5:利用剩余矩形填充“一刀切”算法对遗传算法种群进行解码，其中对每条染色体的解码具体步骤如下:
[0014]为表示与计算方便，用来排放矩形件的原料或者矩形统称为剩余矩形，剩余矩形以及矩形件都以左下角坐标以及长宽表示。
[0015]S51:从原料库选取满足待排样矩形件的矩形木工板作为第一个剩余矩形P1，其左下角坐标为坐标原点，排放矩形均从剩余矩形的左下角开始，此时木工板张数为I;
[0016]S52:每当要排入一个矩形件i时，判断是否存在可以排下矩形件i的剩余矩形；
[0017]S53:如果存在可以排下矩形件i的剩余矩形，将矩形件i的长度与可以排下矩形件i的所有剩余矩形长度进行比较，找出与矩形件i最吻合的剩余矩形，将矩形件i排下，并更新剩余矩形集；
[0018]S54:如果不存在可以排下矩形件i的剩余矩形时，从矩形件i之后向后搜索可以排进剩余矩形集的所有矩形件；
[0019]S55:如果存在矩形件可以排进剩余矩形集，则选择排进剩余矩形最吻合的矩形件j及剩余矩形，交换矩形件j与矩形件i的位置，将此矩形件排进最吻合的剩余矩形，同时更新剩余矩形集；
[0020]S56:如果不存在任何矩形件可以排进剩余矩形集，则加一块木工板，将矩形件i排进剩余矩形，同时更新剩余矩形集；
[0021]S57:重复步骤S52-S56，直到所有矩形件排放完成。
[0022]S6:利用上述步骤S5获得的解码结果生成排样方案图，并计算得到每个排样序列对应的排样利用率，并保留最大利用率gbest (全局最优解即全局最大利用率)以及对应的染色体序列；利用遗传算法中轮盘赌选择算子从中选出数量为Population个数的个体进入下一步；
[0023]S7:对上述步骤S6筛选出的Population中的每相邻的两个染色体都随机产生一个处于O?I之间数值r。，若r。小于遗传算法的交叉概率Pc，则对这两条染色体进行部分匹配交叉运算，若r。大于等于遗传算法的交叉概率Pc，则对这两条染色序列体保持不变；
[0024]S8:对上述步骤S7所得到的Population中的每一条染色体都随机产生一个处于O?I之间的数值rm，若rm小于遗传算法的变异概率Pm，则对该染色体执行变异运算，若rm大于等于遗传算法的变异概率Pm，则该染色体序列保持不变；
[0025]S9:对上述步骤S8所得到的Population中的每一个染色体用剩余矩形填充“一刀切”算法进行解码，得到对应的排样图及木工板利用率，同时记录这个Population中的最高利用率Ibest (局部最优解即局部最大利用率)以及对应的染色体序列，并比较Ibest与gbest的大小，若Ibest大于gbest,则将Ibest赋值给gbest,同时将Ibest对应的染色体序列赋给gbest ；[0026]SlO:重复以上S6-S9，直到迭代次数达到设定的迭代次数T为止。
[0027]上述优化排样步骤S5中剩余矩形填充“一刀切”算法如下:
[0028]在剩余矩形填充算法的基础上添加启发式分块原则，使剩余矩形填充算法满足“一刀切”工艺要求。剩余矩形填充算法，采用一连串矩形数据来表示，任何未被排样的空间(包括孤立的缝隙)，都在剩余矩形集中表示。
[0029]剩余矩形以左下角坐标以及长宽表示，木工板纤维方向长为L，非纤维方向宽为W，设木工板的左下角坐标是坐标轴的原点(0，0)，则第一个剩余矩形为P1=[0，0，L，W]，所有排样点都是以剩余矩形的左下角开始。待排矩形件同样以左下角坐标以及长宽表示，若待排矩形件i，纤维方向长为Ii，非纤维方向宽为Wi,则矩形件i排样后的剩余矩形集如图1所示。为保证一刀切工艺要求，每排一个矩形件，都要确定其切割方向(横切或者竖切)，如图中虚线所示。
[0030]由排样点都是以剩余矩形的左下角开始，可知矩形件i的左下角坐标为(0，0)，右上角坐标为(Ii, Wi),剩余矩形减去矩形件i的运算式如式(I)所示。
[0031][(0,0), (L,ff)]-[(0,0), (Ii,界)]={[(0^)，(L，W)]，[(Ii,O), (L,ff)]} (I)
[0032]按逆时针方向记录剩余矩形，则有
[0033]P2=[0, Wi, L, W-Wi]
[0034]PS=Lli, O, L -1ilW]
[0035]在公式中，希望考虑尽量大的矩形块，因此它们有重复部分。任意两个矩形以左下角及右上角坐标表示[(xl，yl)，(x2,y2)]和[(x3,y3), (x4, y4)],重复部分的计算公式如
(2)所示。
[0036]= [ (max {xl, x3}, max {yI, y3}), (min {x2, x4}, min {y2, y4}) ](2)
[0037]第一次排样后，出现两块剩余矩形。若再进行一次排样，必须从中选定一块。当选中其中一块之后，采用启发式重新分块，即用公式(2)先求出剩余矩形的重叠部分，然后将未选用的剩余矩形块利用公式(I)减去重叠部分。若未选用的剩余矩形为[0，Wi，L，W-Wi]，则重新分块其减去重叠部分得
[0038][ (O, Yi)，(L, ff)]-[ (Xi, Yi)，(L, ff)] = [ (O, y)，(Xi, ff)]
[0039]P2=[0, YilL-1ilW]
[0040]得到新的剩余矩形如图1中的矩形块P2，而被选中的剩余矩形按照公式(I)进行运算排样。
[0041]在第N次切割完成后，共N+1个剩余矩形，其中，N-1个剩余矩形除边界外互不相交，有两个剩余矩形有重叠部分。第N+1次切割从N+1个剩余矩形中选出一个剩余矩形进行排样，选出的剩余矩形有两种可能性。
[0042](I)从不相交的N-1个剩余矩形中选出，此时，有重叠部分的两个剩余矩形将重叠部分归于面积较大的那个剩余矩形，因此分为两个互不重叠的剩余矩形；
[0043](2)从相交的两个剩余矩形中选择一个，原有重叠部分归于被选择的那个矩形，因此原有重叠部分的剩余矩形分为两个不重合的剩余矩形。
[0044]在任何一个剩余矩形上排样一次，由图1可知必然生成两个有重叠部分的剩余矩形。第N+1次切割从N+1个剩余矩形中选出一个剩余矩形进行排样，选择规则如下:
[0045](I)选择矩形件可以排进去的剩余矩形，即矩形件的长宽不超出剩余矩形的长宽或者矩形件的长不超出剩余矩形的宽；
[0046](2)选择矩形件长度与剩余矩形长度最接近的剩余矩形进行排样，即矩形件的长度与剩余矩形的长度比值尽可能大。
[0047]上述优化步骤S7中执行部分匹配交叉运算的具体子步骤包括:
[0048]S71:随机选择出相邻两个染色体序列Cl、C2中处于相同位置上的一部分连续数字，同时交换Cl与C2的这两个部分的连续数字；
[0049]S72:对于所获得的2组连续数字，生成对应的映射关系，在两组数字中共同约掉对应位置相同数字的原则来执行操作，然后由此获得新的对应关系；
[0050]S73:将上述2个染色体序列中除去所述部分连续数字之外的其他部分数字，用上述约掉相同的数所获得的对应关系进行替换，由此完成部分匹配交叉操作过程并获得新的2个染色体序列。
[0051]上述优化步骤S8中执行变异运算的具体子步骤包括:
[0052]S81:随机生成一个处于O~I之间数值r，如果r大于0.5，则对该染色体进行位置变异，否则进行旋转变异；
[0053]S82:位置变异:随机选出2个进行位置变异的数字，交换这两个数字的位置；
[0054]S83:旋转变异:随机选出I个进行旋转变异的数字，将该数字变为其相反数。
[0055]本发明的有益效果为:按照本发明的智能排样方法，可以很好的适应多品种大规模矩形件“一刀切”排样优化，并且采用了智能算法遗传算法和剩余矩形填充“一刀切”启发式算法相结合，能快速高效地寻找到一种优化方案，由此大大提高了企业的材料利用率且能显著缩短排样时间，提高排样效率。
[0056]该技术方案与 申请人:之前公布的“用于矩形件的智能排样方法”具有以下不同
占-
[0057]1.使用解码方式不同，剩余矩形填充“一刀切”排样算法。
[0058]2.适应度函数改为总单板面积减去最后一张单板剩余可以利用的剩余矩形总面积。
[0059]3.对于已经排放完成的单板方案，如果剩余矩形是可以排放下本次排放最小矩形件的余料保留入原料库，作为下次排样的剩余矩形，节省原材料，减少浪费。
[0060]4.剩余矩形填充“一刀切”算法，在剩余矩形填充算法的基础上添加启发式矩形分开原则，保证每一个矩形件排下之后都已经确定切割方向，保证“一刀切”工艺要求
[0061]5.适用于多品种大批量矩形件排样优化。
[0062]6.优化效果好，起始利用率就比之前的高，最后利用率也比之前的高。
【专利附图】
【附图说明】
[0063]图1是剩余矩形填充“一刀切”排样运算图；
[0064]图2是智能算法实现流程图；
[0065]图3是剩余矩形填充“一刀切”算法流程图；
[0066]图4是矩形件排样结果示意图。
[0067]【具体实施方式】
[0068]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实例仅仅用于解释本发明，并不用于限定本发明。
[0069]作为本领域的技术人员所理解的，表现为矩形件的排样方法存在自身的工艺要求及约束，具体来说，譬如包括:
[0070](1)矩形互不重叠且不超出木工板边界；
[0071](2)矩形排放时边与剩余矩形相平行或者垂直；
[0072](3)木工板本身具有纤维方向，而待排矩形件中有的矩形存在纤维方向要求，有的矩形不存在纤维方向，故单种矩形能否竖排(本文规定正数编码表示横排，负数编码表示竖排)要根据矩形自身属性而定；
[0073](4)矩形排样后要满足“一刀切”的工艺要求；
[0074]本发明首先对上述要求及约束建立相应的矩形件排样优化数学模型，例如取笛卡尔二维坐标系，取木工板的左下角为坐标原点，木工板的长与坐标系的X轴重合，木工板的宽与坐标系的Y轴重合。现将1(种矩形件排放在木工板上，1?={1?1，1?2，1?3，…Rn}其中第i种零件的数量为ni，它的纤维方向长为li，非纤维方向宽为wi，排样时矩形件横排r为1，竖排时r为O ;木工板纤维方向的长为L，非纤维方向的宽为W，矩形件排样优化的数学模型如下式所示:
[0075]
【权利要求】
1.一种用于木工板件零件的智能排样优化方法，包括下列步骤: S1:初始化遗传算法中的相关参数,包括种群Population数量、迭代次数T、交叉概率Pc以及变异概率Pm等； S2:从零件库中提取待排样的矩形件，并获得相关参数，包括矩形件种类K、各种类矩形的数量H1、各种类矩形纤维方向的长1i和非纤维向的宽Wi,以及矩形排样时是否存在纤维方向要求，并对每一个矩形进行十进制整数编码，形成一个矩形件个数的无重复序列； s3:从原料库中选取符合上述矩形件排样要求的木工板，并获得木工板的相关参数，包括木工板序号、数量、各序号木工板纤维方向的长L和非纤维方向的宽W在内的相关信息； s4:根据上述带排样的矩形件信息随机生成遗传算法的初始种群Population,其中每条染色体就是矩形件的一个排样序列，矩形件的排样序列就是根据矩形编码号构成的不重复的随机序列。 s5:利用剩余矩形填充“一刀切”算法对遗传算法种群进行解码； s6:利用上述步骤S5获得的解码结果生成排样方案图，并计算得到每个排样序列对应的排样利用率，并保留最大利用率gbest (全局最优解即全局最大利用率)以及对应的染色体序列；利用遗传算法中轮盘赌选择算子从中选出数量为Population个数的个体进入下一步; s7:对上述步骤S6筛选出的Population中的每相邻的两个染色体都随机产生一个处于O~1之间数值r。，若r。小于遗传算法的交叉概率Pc，则对这两条染色体进行部分匹配交叉运算，若r。大于等于遗传算法的交叉概率Pc，则对这两条染色序列体保持不变； s8:对上述步骤S7所得到的Population中的每一条染色体都随机产生一个处于O~I之间的数值rm，若rm小于遗传算法的变异概率Pm，则对该染色体执行变异运算，若rm大于等于遗传算法的变异概率Pm，则该染色体序列保持不变； s9:对上述步骤S8所得到的Population中的每一个染色体用剩余矩形填充“一刀切”算法进行解码，得到对应的排样图及木工板利用率，同时记录这个Population中的最高利用率Ibest (局部最优解即局部最大利用率)以及对应的染色体序列，并比较Ibest与gbest的大小，若Ibest大于gbest,则将Ibest赋值给gbest,同时将Ibest对应的染色体序列赋给gbest ； SlO:重复以上S6-S9，直到迭代次数达到设定的迭代次数T为止。
2.根据权利要求1所述的一种用于木工板件零件的智能排样优化方法，其特征在于:步骤S5中，对每条染色体的解码具体步骤如下: 为表示与计算方便，用来排放矩形件的原料或者矩形统称为剩余矩形，剩余矩形以及矩形件都以左下角坐标以及长宽表示。 s51:从原料库选取满足待排样矩形件的矩形木工板作为第一个剩余矩形P1，其左下角坐标为坐标原点，排放矩形均从剩余矩形的左下角开始，此时木工板张数为I ; s52:每当要排入一个矩形件i时，判断是否存在可以排下矩形件i的剩余矩形； s53:如果存在可以排下矩形件i的剩余矩形，将矩形件i的长度与可以排下矩形件i的所有剩余矩形长度进行比较，找出与矩形件i最吻合的剩余矩形，将矩形件i排下，并更新剩余矩形集； s54:如果不存在可以排下矩形件i的剩余矩形时，从矩形件i之后向后搜索可以排进剩余矩形集的所有矩形件； s55:如果存在矩形件可以排进剩余矩形集，则选择排进剩余矩形最吻合的矩形件j及剩余矩形，交换矩形件j与矩形件i的位置，将此矩形件排进最吻合的剩余矩形，同时更新剩余矩形集； s56:如果不存在任何矩形件可以排进剩余矩形集，则加一块木工板，将矩形件i排进剩余矩形，同时更新剩余矩形集； s57:重复步骤S52-S56，直到所有矩形件排放完成。
3.根据权利要求1所述的一种用于木工板件零件的智能排样优化方法，其特征在于:步骤S7中，执行部分匹配交叉运算的具体子步骤包括: s71:随机选择出相邻两个染色体序列C1、C2中处于相同位置上的一部分连续数字，同时交换Cl与C2的这两个部分的连续数字； s72:对于所获得的2组连续数字，生成对应的映射关系，在两组数字中共同约掉对应位置相同数字的原则来执行操作，然后由此获得新的对应关系； s73:将上述2个染色体序列中除去所述部分连续数字之外的其他部分数字，用上述约掉相同的数所获得的对应关系进行替换，由此完成部分匹配交叉操作过程并获得新的2个染色体序列。
4.根据权利要求1所述的一种用于木工板件零件的智能排样优化方法，其特征在于:步骤S8中，执行变异运算的具体子步骤包括: s81:随机生成一个处于O~1之间数值r，如果r大于0.5，则对该染色体进行位置变异，否则进行旋转变异； s82:位置变异:随机选出2个进行位置变异的数字，交换这两个数字的位置； s83:旋转变异:随机选出1个进行旋转变异的数字，将该数字变为其相反数。
【文档编号】G06N3/12GK103793555SQ201410000132
【公开日】2014年5月14日 申请日期:2014年1月2日 优先权日:2014年1月2日
【发明者】朱志松, 王桂兰, 朱龙彪, 成亚云, 徐海黎, 王恒, 严晓照 申请人:南通大学