[发明专利]基于深度强化学习的多色服装裁剪分床优化方法

说明书

本发明公开了一种基于深度强化学习的多色服装裁剪分床优化方法，用于求解多色服装裁剪分床计划问题，包括：构建多色服装裁剪分床的混合整数规划模型；基于混合整数规划模型，构建多色服装裁剪分床的马尔可夫决策模型，即设计马尔科夫决策模型的状态空间、动作空间以及奖励函数；基于马尔可夫决策模型，使用真实订单数据训练TD3算法中的神经网络参数；使用训练好的TD3算法计算出配比矩阵，利用极小范数最小二乘法解耦策略得到铺布矩阵，从而得到多色服装裁剪分床计划方案。本发明能能够快速制定多色服装裁剪分床方案，并且生产误差小，生产成本低。

技术领域

本申请属于裁床分床技术领域，具体涉及了一种基于深度强化学习的多色服装裁剪分床优化方法。

背景技术

在服装市场，能够快速响应顾客的需求是服装企业成功的关键之一。由于淘宝，拼多多等互联网平台的影响，消费者已经习惯预售模式，因此服装行业逐渐从大规模生产模式转向小批量定制模式。总之，由于近年来电子商务的飞速发展，消费者对服装产品的个性化和多样化提出了更多的要求。

服装生产加工包括四个顺序阶段：(1)多色服装裁剪分床计划；(2)排样；(3)铺布、裁剪和缝纫；(4)生产。多色服装裁剪分床计划是服装生产的第一个阶段，是其它后续阶段的基础。多色服装裁剪分床计划的优化可以大幅度降低整个服装生产的成本，提高企业的生产效率，具有良好的经济效益，因此是服装企业最为重视的阶段之一。

多色服装裁剪分床计划是公司根据服装订单信息(数量、颜色、尺码等)，计划所要投入的裁床设备数量，摆放的尺码数量和每种颜色面料的铺布层数，从而满足服装企业的生产需求并使生产成本最优。

传统上求解多色服装裁剪分床计划方法完全依靠人工经验，具有误差大耗时长，并且对于数量大、不规则等复杂订单，制定出的方案达不到企业的要求。

发明内容

本申请的目的是提供一种基于深度强化学习的多色服装裁剪分床优化方法，以克服传统技术方案无法达到企业要求的问题。

为了实现上述目的，本申请技术方案如下：

一种基于深度强化学习的多色服装裁剪分床优化方法，包括：

以多色服装裁剪分床的生产误差及综合生产成本最小为目标函数，构建多色服装裁剪分床的混合整数规划模型；

基于混合整数规划模型，构建多色服装裁剪分床的马尔可夫决策模型，随后基于马尔科夫决策模型，使用真实订单数据训练TD3算法中的神经网络参数；

使用训练好的TD3算法中的神经网络计算出尺码组合矩阵，利用极小范数最小二乘法解耦策略得到铺布层数矩阵，从而得到最优多色服装裁剪分床方案。

进一步的，所述构建多色服装裁剪分床的混合整数规划模型，包括：

多色服装裁剪分床的生产误差E表示为：

E＝sum(|O-O′|)＝∑_c∑_s|o_cs-∑_bl_bc·p_bs|

O′＝L^T·P

式中，O表示订单矩阵，O′表示实际裁剪矩阵，o_cs表示订单中颜色c和尺码s的服装待产数量，l_bc表示颜色c布料在裁床b上的铺布层数，p_bs表示尺码s的模板图案在裁床b的摆放个数，L表示铺布层数矩阵，P表示尺码组合矩阵；

多色服装裁剪分床的综合生产成本包括设备使用成本、面料成本、铺布操作成本以及裁剪操作成本，所述综合生产成本CF表示为：