[發(fā)明專(zhuān)利]一種基于知識(shí)遷移的矩形智能排樣方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910233416.0
• 申請(qǐng)日: 2019-03-26
• 公開(kāi)（公告）號(hào): CN110059864B
• 公開(kāi)（公告）日: 2021-04-20
• 發(fā)明（設(shè)計(jì)）人: 饒運(yùn)清;徐小斐;孟榮華;羅強(qiáng);李廣伍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華中科技大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06N3/00;G06Q50/04
• 代理公司: 華中科技大學(xué)專(zhuān)利中心 42201
• 代理人: 尚威;李智

1.一種基于知識(shí)遷移的矩形智能排樣方法，其特征在于，包括預(yù)學(xué)習(xí)階段和遷移學(xué)習(xí)階段，其中：

所述預(yù)學(xué)習(xí)階段包括以下步驟：

(1)選取若干組待排樣矩形零件作為源任務(wù)，得到多組源任務(wù)，并提取各源任務(wù)中的矩形零件以及矩形板材的信息；

(2)進(jìn)行知識(shí)的預(yù)學(xué)習(xí)：構(gòu)建步驟(1)的多組源任務(wù)各自的知識(shí)矩陣，該知識(shí)矩陣的元素為知識(shí)對(duì)，一個(gè)狀態(tài)s與動(dòng)作a的組合稱(chēng)為一個(gè)知識(shí)對(duì)(s,a)，狀態(tài)s表示螞蟻智能體當(dāng)前選擇的矩形零件，動(dòng)作a表示螞蟻智能體下一個(gè)選擇的矩形零件；利用蟻群強(qiáng)化學(xué)習(xí)算法，以矩形板材使用高度最小為目標(biāo)，所有矩形零件不超出矩形板材邊界且矩形零件之間互不重疊為約束，求解步驟(1)的多組源任務(wù)，得到各自最優(yōu)知識(shí)矩陣，并將各最優(yōu)知識(shí)矩陣存儲(chǔ)到知識(shí)庫(kù)；每組源任務(wù)的最優(yōu)知識(shí)矩陣包含該組源任務(wù)達(dá)到最佳排樣時(shí)矩形零件的定序信息；

所述遷移學(xué)習(xí)階段包括以下步驟：

(3)進(jìn)行知識(shí)矩陣的線性遷移：從知識(shí)庫(kù)中提取出與待解決的目標(biāo)任務(wù)最為相似的多組源任務(wù)各自對(duì)應(yīng)的最優(yōu)知識(shí)矩陣，將提取出的多組最優(yōu)知識(shí)矩陣線性遷移給目標(biāo)任務(wù)，得到目標(biāo)任務(wù)的遷移知識(shí)矩陣；其中，源任務(wù)與目標(biāo)任務(wù)中的矩形零件重疊率值越大，兩個(gè)任務(wù)的相似程度越大；

(4)進(jìn)行知識(shí)的遷移學(xué)習(xí)：基于目標(biāo)任務(wù)的遷移知識(shí)矩陣，利用蟻群強(qiáng)化學(xué)習(xí)算法，以矩形板材使用高度最小為目標(biāo)，所有矩形零件不超出矩形板材邊界且矩形零件之間互不重疊為約束，求解目標(biāo)任務(wù)的最優(yōu)知識(shí)矩陣，目標(biāo)任務(wù)的最優(yōu)知識(shí)矩陣即目標(biāo)任務(wù)達(dá)到最佳排樣時(shí)所有矩形零件的定序信息；

(5)輸出目標(biāo)任務(wù)的最優(yōu)排樣方案。

2.如權(quán)利要求1所述的一種基于知識(shí)遷移的矩形智能排樣方法，其特征在于，步驟(2)及步驟(4)的目標(biāo)函數(shù)及約束條件如下：

目標(biāo)函數(shù)：

n為某個(gè)源任務(wù)或目標(biāo)任務(wù)中的矩形零件總數(shù)，w_i為矩形零件i的寬度，h_i為矩形零件i的高度，W為矩形板材的寬度，H為矩形板材的使用高度，矩形優(yōu)化排樣的目標(biāo)是使矩形板材的使用高度H最小，即材料利用率最大；

約束條件：

其中，x_i和y_i分別為矩形零件i左下角的橫、縱坐標(biāo)，x_j和y_j分別為矩形零件j左下角的橫、縱坐標(biāo)，矩形零件i與矩形零件j為相鄰關(guān)系。