[發明專利]皮革多輪廓加工快進路徑優化方法

有效

• 申請號: 201710423280.0
• 申請日: 2017-06-07
• 公開（公告）號: CN107798413B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 楊衛波;阮秀凱;王萬良;崔桂華;張耀舉
• 申請（專利權）人: 溫州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06Q50/04
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;王娟

本發明公開了一種皮革多輪廓加工快進路徑優化的方法，通過量子編碼和量子觀測得到樣片加工順序序列，將快進路徑優化問題轉化為求解多段圖最短路徑問題，利用動態規劃法進行個體適應度評價求解。本發明的方法具有以下優點：采用實數編碼的量子染色體能直接解碼出十進制形式表示的樣片加工順序序列，減少了二到十進制的轉換過程；基于動態規劃法的個體適應度評價方法有效地建立了多輪廓加工與多段圖之間的關系，使得快進路徑問題易于求解；動態旋轉角的量子更新策略有效地保證了算法的全局搜索性能。本發明的方法可有效避免早熟收斂現象，能較快地收斂于全局最優解，提高求解的質量和收斂速度。

技術領域

本發明涉及皮革剪裁、板材切割等領域中的計算機輔助加工技術領域，特別是涉及一種皮革多輪廓加工快進路徑的優化方法。

背景技術

在皮革剪裁、板材切割等平面多輪廓加工中，待加工樣片通常具有不同的輪廓，各個樣片的加工順序可以任意選擇，樣片上任何一個節點都可以作為加工的起始點，加工完一個輪廓后刀具移動到下一個輪廓，直到完成所有樣片的加工，整個運動過程中刀具的總行程是由兩部分構成：樣片輪廓的有效加工行程和在輪廓之間移動的快進路徑。對于路徑復雜、批量生產的加工系統，縮短快進路徑可以地有效減少刀具的運動行程，節省加工時間、提高生產效率，因此研究快進行程的優化方法具有重大的現實意義和理論價值。

對于多輪廓加工快進路徑優化問題的求解，部分國內外學者將快進路徑問題歸結為一類廣義旅行商問題(Generalized Traveling Salesman Problem，GTSP)進行求解，這些學者采用的算法在測試多個標準GTSP問題中表現出較好的效果，但求解效果離最優目標還有一定的差距，運行時間和全局搜索能力有待提高。

1996年Narayanan等人提出了量子遺傳算法的概念，2002年Han等人將量子比特及量子旋轉門引入個體編碼提出了量子進化算法(QEA)，并成功應用于背包問題。QEA不僅具有在解決大空間、多峰值、非線性等復雜問題的高效性，還具有種群規模小、收斂速度快和全局尋優能力強的特點，已被廣泛應用于眾多領域的優化問題。為改善QEA性能，可以采用概率選擇最優解和可變旋轉角變異算子并引入節點交換策略進行鄰域搜索，能有效避免了算法早熟。雖然傳統的量子進化算法在計算性能和搜索效率上有較好的表現，但它仍然具有存儲空間大，收斂速度慢和易陷入局部極值的問題。

發明內容

本發明旨在提供一種皮革多輪廓加工快進路徑的優化方法，直接解碼出樣片加工順序序列，解決現有方法收斂速度慢和易陷入局部極值的問題。

為解決上述技術問題，本發明所采用的技術方案是：一種皮革多輪廓加工快進路徑優化方法，包括以下步驟：

1)令t＝0，根據生成第t代的量子種群Q(t)，其中，表示第t代第k個量子染色體的n×n的二維量子位概率幅矩陣：β_ij表示樣片的加工順序，0≤i≤n-1,1≤j≤i+1；n為待加工樣片個數，編號0表示刀具的起始位置；Z表示種群的大小；inf為無窮大；

2)對第t代的量子種群Q(t)中各個染色體個體進行量子觀測，得到各個樣片的加工順序序列；

3)各個樣片的加工順序序列加入初始加工點后，使用動態規劃法評價各個個體的適應度，記錄當前最優解和對應的加工順序序列；所述當前最優解是指適應度最小值對應的個體；

4)將t的值加1；

5)利用下式確定旋轉角的大小和方向：Δθ_ij＝s(α_i,β_i)*exp[(f(x)-f(best))/T_i]*Δθ_i；其中，f(x)和f(best)分別為當前個體和當前最佳個體的適應度值；T_i為第i代的退火溫度；s(α_i,β_i)為量子旋轉角的方向；Δθ_i為確定收斂速度的系數；