[发明专利]一种针对大规模下料的切割路径规划方法及系统

权利要求书

1.一种针对大规模下料的切割路径规划方法，其特征在于：包括以下步骤：

步骤A0：将排样图中每个零件进行编号，且将每个零件的顶点组成零件顶点集合，获取各个零件的顶点信息并对所有顶点分别编号；

步骤A1：运用人工鱼群算法，将零件编号和顶点编号进行组合编码，随机生成初始鱼群并初始化鱼群；其中随机生成初始鱼群并初始化鱼群的具体步骤为：将n个零件的每个零件进行编号，并将每个零件上的各个顶点进行编号，划分出各零件的顶点集合Cp，每次随机选取一个零件编号进入编码，再针对每一个零件编号随机选择对应的顶点编号进入编码，重复编码m条鱼作为初始鱼群；初始化鱼群包括鱼群总数、每条人工鱼的视野范围和距离邻域，每条鱼的视野范围被设定为n-1；距离邻域通过计算鱼之间的相对距离得出，相对距离是由个体鱼的零件编号通过公式(1)来计算的，公式(1)如下：

A和B分别表示鱼A和鱼B；n表示鱼群总数；a_i表示鱼A中第i个零件编号；b_i表示鱼B中第i个零件编号；

步骤A2：选择鱼群中每条鱼的更优的行为行动，更新鱼群，得到评价更优的新鱼群；其中选择鱼群中每条鱼的更优的行为行动，更新鱼群，得到评价更优的新鱼群，具体包括：计算每条鱼的适应值，取最优人工鱼的状态为最优值，对每条鱼所执行的行为进行选择，包括觅食、聚群、追尾、随机行为；每条鱼在执行行为后更新自身，形成新的鱼群，再次计算每条鱼的适应值，更新最优人工鱼的状态；

所述觅食行为是指变换个体鱼中的顶点编号，随机选择编码中的一个顶点编号，仅能变换为这个顶点所在零件的其他编号，变换3次，每次对变换后的编码求其适应值，如果新的解适应值大于当前解，则觅食成功，如果解没有改进，随机选择其中一个解替换当前解；

所述聚群行为是首先找到一条鱼的距离邻域的中心，分别找出零件编号的中心和顶点编号的中心组合，即可得到这条鱼距离邻域的中心；零件编号的中心由公式(2)来计算得到，而顶点编号则是直接找出每个零件出现最多的顶点，若出现数目相同则随机选一个即可，公式(2)如下：

X₁，X₂，…，X_m分别表示鱼X₁，鱼X₂，…，鱼X_m；n表示鱼群总数；i表示第i个零件编号；

再计算这条鱼的距离邻域的中心的适应值并与该鱼的适应值相比较，如果中心的适应值大于该鱼的适应值，则聚群成功，否则采取觅食行为；

所述追尾行为是找到这条鱼的距离邻域中适应值最大的鱼，如果大于这条鱼的适应值则追尾成功，否则采取觅食行为；

步骤A3：对鱼群不断重复更新，直至满足迭代次数，找出当前最优解；

步骤A4：将所述当前最优解中的顶点编号作为初始解，使用扰动算子对初始解进行扰动；其中将所述当前最优解中的顶点编码作为初始解，使用扰动算子对初始解进行扰动具体包括以下步骤：设置初始解S、邻域结构OP和最大扰动次数m＝10，每一次随机选择邻域结构OP中的一种邻域算子对当前解进行扰动，直到满足扰动次数m＝10，即可得到当前扰动解；

所述邻域结构OP中包括四种邻域算子，分别为：Change算子、Swap算子、Reverse算子和Shift算子，Change算子用于选中解中的一点，用这一点所在零件的另外一个点替换；Swap算子用于选中解中的两点，交换这两个点的位置；Reverse算子用于选中解中的两点，反转这两点区间内的编码；Shift算子用于选中解中的一点，插入到解中另一点的前面；

步骤A5：利用变邻域下调算子局部搜索扰动后的解，以得到局部更优解；其中利用变邻域下调算子局部搜索扰动后的解，具体包括以下步骤：先将邻域结构OP中的邻域算子的顺序打乱，对扰动后的解在第一个邻域中进行搜索，若在本邻域无更优解时，则跳至下一个邻域继续搜索；若在本邻域搜索到比当前解更优的解时，跳回至第一个邻域重新开始搜索；

步骤A6：不断重复扰动当前解和进行局部搜索，直至满足迭代次数，以得到一个顶点位置的集合，该集合中的点依次连接成的路径即为一条能够连接所有零件的切割路径；

步骤A7：根据上述切割路径对排样图进行切割，将排样图中的零件逐个分离下料。