專利名稱：一種基于分層隨機搜索算法的啟發(fā)式一維下料方法
技術(shù)領(lǐng)域：
本發(fā)明屬于整數(shù)非線性規(guī)劃領(lǐng)域，具體涉及一種基于分層隨機搜索算法的啟發(fā)式一維下料方法。
背景技術(shù)：
在現(xiàn)代工業(yè)生產(chǎn)中，包括鋼鐵、建材、紙卷、薄膜等行業(yè)，都存在著如何排單下料問題，其中一維下料問題是生產(chǎn)中面臨的最普遍的問題。所謂一維下料問題，是指原材料和所需材料維數(shù)都為一維時，在已知的訂單要求和原料數(shù)據(jù)下如何優(yōu)化切割下料，使得原材料盡量得到充分利用，成本盡量得到節(jié)約的規(guī)劃問題。下料排單問題屬于NP問題，通常認為沒有一種方法能一定找到NP問題的最優(yōu)解。一般來說求解該問題有兩種方法:一種是基于求解整數(shù)非線性規(guī)劃的方法，另一種是啟發(fā)式算法。在現(xiàn)有的解決一維下料問題的方法中，諸如以列生成法為代表的線性規(guī)劃方法，存在以下幾個問題:(I)生成的解一般不是整數(shù)解，須進行取整優(yōu)化，但取整優(yōu)化后又易導(dǎo)致下料產(chǎn)生的坯料數(shù)超過原需求；(2)生成的解所含排樣方式數(shù)較多，使得實際生產(chǎn)中需多次調(diào)整切割機器；(3)當訂單中需求的坯料種類較多時，算法的計算時間劇增，難以適應(yīng)實際需要。而啟發(fā)式算法如順序啟發(fā)式算法、遺傳算法、蟻群算法等智能算法通過動態(tài)地設(shè)立相應(yīng)規(guī)則或價值評價公式，這些規(guī)則或價值評價公式意味著最終解的目的和方向，可以引導(dǎo)算法動態(tài)的向這些目的和方向靠近，從而找到針對該問題的近最優(yōu)解。查詢關(guān)鍵詞“下料方法”，發(fā)現(xiàn)如下專利申請:申請?zhí)枮?00810227039.1的中國專利申請“一種節(jié)省原材料的一維下料方法”；申請?zhí)枮?01110139183.1的中國專利申請“智能篩鋼筋優(yōu)化下料方法”。以上專利申請均是用來解決一維下料的實際問題。申請?zhí)枮?01110139183.1的中國專利申請“智能篩鋼筋優(yōu)化下料方法”，在獲取鋼筋下料組合的時候采取了遍歷法，在樣本坯料種類還比較少的情況下還可以適合，但當樣本坯料種類增加，其下料組合數(shù)呈指數(shù)函數(shù)態(tài)上升，顯然此方法不適合解決大規(guī)模下料問題。而對于傳統(tǒng)的啟發(fā)式隨機搜索算法，參考《基于基因群體的一維優(yōu)化下料》上海交通大學(xué)學(xué)報2006年第6期，隨機方式產(chǎn)生下料初始解時,一般都會出現(xiàn)同一根原料上的全部零件或坯料長度之和超過其長度限制，即很容易出現(xiàn)不可行解的不利情況；當下料規(guī)模增大時，由于隨機搜索域比可行解域大得多得多，傳統(tǒng)隨機搜索算法的盲目性將使得初始化可行解集要花費大量的計算時間，不利于應(yīng)用到實際生產(chǎn)中去。一維下料方法還應(yīng)考慮應(yīng)用中對排樣方式數(shù)的要求，在工業(yè)生產(chǎn)實際中對原材料進行下料切割時，由于調(diào)整切割機器等需花費額外的人力物力，因此企業(yè)會傾向于排樣方式數(shù)少的排樣方案。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)上的不足，本發(fā)明主要目的在于提供一種解決大規(guī)模多坯料種類的一維下料方法，能夠根據(jù)原材料的長度和需求坯料的長度、需求數(shù)量在較短的時間內(nèi)自動計算出優(yōu)異的排樣方案。為了克服傳統(tǒng)隨機搜索算法的盲目性，本發(fā)明采用了分層搜索策略，通過第二層的深度搜索來確保第一層隨機搜索的有效性，使得每次獲取的排樣方式都是一個可行解。而為了滿足工業(yè)應(yīng)用對排樣方式數(shù)的要求，本發(fā)明在啟發(fā)式規(guī)則中采用了優(yōu)先選擇能被更多次數(shù)重復(fù)使用的排樣方式。為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下:一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，所述方法包括以下步驟:A、將一維下料問題以參數(shù)化模型表示:原材料的長度為L，下料任務(wù)中共有m種不同長度規(guī)格的坯料，長度分別為I1,I2……Im，所對應(yīng)的需求數(shù)分別為Clpd2……dm;下料問題的解為由多種排樣方式可重復(fù)地組合成的排樣方案，其中排樣方式為用各種規(guī)格坯料組合成總長度小于原材料長度L的一種下料方式，每種排樣方式的余料長度為原材料長度L減去該排樣方式中坯料組合長度后的差值；設(shè)排樣方案中共有η種排樣方式，每一種排樣方式的重復(fù)使用次數(shù)分別為X1, X2……Xn,第i種排樣方式中每個坯料 的數(shù)量分別為ail; ai2……aim，其中i表示第i種排樣方式；設(shè)Z為下料將要使用的原材料總根數(shù)，以消耗原材料總根數(shù)最少為目標函數(shù)，則一維下料問題的目標和約束關(guān)系分別為:
權(quán)利要求
1.一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，所述方法包括以下步驟: A、將一維下料問題以參數(shù)化模型表示: 原材料的長度為L，下料任務(wù)中共有m種不同長度規(guī)格的坯料，長度分別為I1, I2……Im，所對應(yīng)的需求數(shù)分別為屯，d2……dm ;下料問題的解為由多種排樣方式可重復(fù)地組合成的排樣方案，其中排樣方式為用各種規(guī)格坯料組合成總長度小于原材料長度L的一種下料方式，每種排樣方式的余料長度為原材料長度L減去該排樣方式中坯料組合長度后的差值；設(shè)排樣方案中共有η種排樣方式，每一種排樣方式的重復(fù)使用次數(shù)分別為Xl，X2……χη，第i種排樣方式中每個坯料的數(shù)量分別為an，ai2……aim，其中i表示第i種排樣方式；設(shè)Z為下料將要使用的原材料總根數(shù)，以消耗原材料總根數(shù)最少為目標函數(shù)，則一維下料問題的目標和約束關(guān)系分別為:
2.如權(quán)利要求1所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，步驟B中所述的坯料組合預(yù)處理按照以下方式進行: 先將m種坯料按長度從小到大排列，各坯料對應(yīng)長度分別為C1, C2……Cm ； 然后在m種坯料中可重復(fù)地進行選擇和組合，把個數(shù)為I到N的坯料集合為一個深度組合，所述深度組合一共有M個，且M的值為: M = m1+!!!2+...+mN, 最后，將M個組合按各組合內(nèi)坯料的長度和從小到大排好序。
3.如權(quán)利要求1所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，步驟C中所述的分層隨機搜索算法包括兩個層次的搜索，第一層為輪盤賭隨機搜索，第二層為深度搜索；在第一層搜索過程中當隨機組合的累積坯料長度和進入?yún)^(qū)間[inf，sup]內(nèi)的時候轉(zhuǎn)為進行第二層搜索；第二層搜索按照以下方式進行: 從已經(jīng)按長度和從小到大排序好的M個組合里使用折半查找法搜索到一個深度組合，使得所述深度組合和已在第一層搜索過程中獲得的隨機組合一起組成一種排樣方式時，所述排樣方式的余料長度Y最小。
4.如權(quán)利要求1或3所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，所述區(qū)間[inf, sup]的端點取值如下:inf = L-N氺 Cm，sup = L-C1, 其中，所述N的取值為
5.如權(quán)利要求1所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，步驟D中所述不超過坯料當前需求最多能被重復(fù)使用的次數(shù)按以下方式計算: 分別用當前排樣方式中每一種坯料的當前實際坯料需求量除以當前排樣方式中已安排的數(shù)量，并取上述集合中的最小整數(shù)，不超過坯料當前需求最多能被重復(fù)使用的次數(shù)U的取值為:
6.如權(quán)利要求1所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，步驟D中所述啟發(fā)式規(guī)則為按照如下公式對每種排樣方式進行評價值的計算:V = g1*U-g2*Y, 其中，g!> g2為兩個正整數(shù)，gl越大就代表U值在V值中的權(quán)重越大，反之g2越大則代表Y值在V值中的權(quán)重越大。
7.如權(quán)利要求1所述的一種基于分層隨機搜索算法的啟發(fā)式一維下料方法，其特征在于，步驟G中所述比較篩選按如下三個優(yōu)先級從高到低的目標進行: G1、原材料消耗的總根數(shù)最少； G2、排樣方式最少； G3、最后一種排樣方式中的余料長度最大。
全文摘要
本發(fā)明公開了一種基于分層隨機搜索算法的一維下料方法，包括A、參數(shù)化模型表示一維下料問題；B、坯料組合預(yù)處理；C、通過隨機搜索和深度搜索組合而成的分層隨機搜索算法獲取多種排樣方式；D、按啟發(fā)式規(guī)則選出最優(yōu)排樣方式；E、將最優(yōu)排樣方式及其不超過坯料當前需求最多能被重復(fù)使用的次數(shù)加入到當前排樣方案中，并更新待排樣坯料集；F、重復(fù)C、D、E的過程，直到待排樣坯料的總長度小于原材料長度，輸出當前排樣方案；G、多次重復(fù)B、C、D、E、F的過程，然后對所有排樣方案進行比較篩選，獲得最優(yōu)排樣方案。本發(fā)明能避免傳統(tǒng)隨機搜索算法的盲目性，計算速度快，獲得的排樣方案適應(yīng)實際生產(chǎn)需要。
文檔編號G06Q10/04GK103164752SQ20131011563
公開日2013年6月19日 申請日期2013年4月3日 優(yōu)先權(quán)日2013年4月3日
發(fā)明者盧偉康, 鄒細勇, 王國建, 孟燦, 金尚忠 申請人:中國計量學(xué)院