[发明专利]一种基于蛇群优化算法的二维不规则样片排样方法

说明书

本发明公开了一种基于蛇群优化算法的二维不规则样片排样方法，首先构建二维不规则排样问题数学模型，通过k聚类的方法对样片分类为大、中、小三个层次，对多套服装中同类样片进行组合优化，形成组合样片；然后对原材料进行分层，通过使用最下最左定位策略分别移动待排的大型样片和中小型样片；在分层后的最上层，对待排样中剩余样片通过最低水平线策略进行排样，采用蛇群优化算法进行旋转角度以及排列次序进行迭代得到最优解。本申请增加可控的专家经验，同时保持了一定程度上的随机性，对蛇群优化算法中的繁衍替代行为进行改进，使得其有一定的可控概率能够跳出局部最优解，提高了算法的全局搜索能力。

技术领域

本申请属于二维不规则排样技术领域，尤其涉及一种基于蛇群优化算法的二维不规则样片排样方法。

背景技术

二维排样问题就是在二维空间中，将若干物体摆放一定空间内，从而达到最优排样状态的问题。二维排样问题在服装行业、家具行业、钣金加工和纸质包装等制造业中被广泛运用。

在服装行业中，排样利用率有微小的提升，能够带来巨大的经济价值。传统的人工排样对排样实际操作者的要求较高，需要经验丰富的技术人员才能够得到较高利用率的排样结果，其结果排样效率低。反之软件排样无需专业技术，能够实现自动检测是否重叠，因此软件排样不仅能够提高二维排样结果的精度，而且能够提高利用率和缩减排样所需的时间损耗。

在诸多二维不规则排样问题中，启发式算法是常见的一种方法，如遗传算法、粒子群算法、模拟退火算法等，虽然可以在一定时间内得到较优解，但往往容易陷入局部较优解。并且面对大量样片问题中，依靠启发式算法解决二维排样问题，其复杂度较高。

发明内容

本申请的目的是提供一种基于蛇群优化算法的二维不规则样片排样方法，以优化二维排样问题中启发式算法容易陷入局部最优解问题，提高排样效率。

为实现上述目的，本发明所采取的技术方案为：

一种基于蛇群优化算法的二维不规则样片排样方法，包括：

步骤S1、以原材料利用率最大为目标，构建二维不规则排样问题数学模型；

步骤S2、通过k聚类的方法将待排样片分类为大、中、小三种类型，对同类样片进行组合优化，形成组合样片；

步骤S3、判断是否需要对原材料进行分层排样，若是，则将原材料分为上下两层，以待排样片中面积最大样片的最长边为高作为下层，进入步骤S4；若否，则进入步骤S5；

步骤S4、在下层通过最下最左策略进行排样，在无法继续排样后，将待排样片作为下一次参与排样的样片返回步骤S3；

步骤S5、对剩余的待排样片，计算面积阈值，采用蛇群优化算法得到最优旋转角度以及排样序列，然后通过最低水平线策略进行排样。

进一步的，所述二维不规则排样问题数学模型的目标函数为：

其中，W为原材料板材的固定宽度，H_max为原材料板材的最大高度，S_i为第i片样片的面积，n为样片总数，μ为原材料板材的总利用率。

进一步的，所述判断是否需要对原材料进行分层排样，包括：

取当前待排样片中面积最大的样片，取其最长边为L_max，若则初步判断以L_max·W构成的矩形足以将待排样片全部排下，不需要对原材料进行分层排样；否则认为需要对原材料进行分层排样，n'表示待排样片数量，S_i为第i片样片的面积，W为原材料板材的固定宽度。

进一步的，所述在下层通过最下最左策略进行排样，包括：