专利名称：：服装布匹、样片裁割过程中刀具空行程路径的控制方法
技术领域：
：本发明涉及一种服装布匹、样片裁割过程中刀具空行程路径的控制方法。
背景技术：
：在服装布匹、样片切割时，通常有多个轮廓需要切割，而每个轮廓通常由多条线段组成，用一些点坐标来围成一个轮廓。一个轮廓少则由3、4个点组成，多则由几百个点组成。当刀具要切割一个轮廓时，先要选择轮廓中的某一个点作为切割起点，接着按照顺时针或逆时针顺序遍历轮廓上的所有点，最后回到切割起点从而完成一个轮廓的切割。正是由于存在多个轮廓而一个轮廓又存在多个点，如果要切割完所有轮廓，那么必将需要在每个轮廓上选择一个切割起点组成一条裁割机刀具空行程的路径，刀具在这条路径上移动不切割布匹或样片。空行程路径的长短将影响到切割的效率。如果存在一个轮廓在另外一个轮廓之内的情况，为了保证切割质量，需要先切割完内部轮廓才能切割外部轮廓。如何找到一条路径让空刀行程最短，也就是裁割机刀具空行程路径优化问题需要解决的问题，而轮廓切割顺序的限制也就成了优化问题的约束条件。目前针对刀具空行程路径优化问题常见的解法就是将其当作一个旅行商问题(TSP)，即把每个点集縮成一点来考虑，这个点通常为原始的切割起点。但由于轮廓的原始起点与真正的加工起点没有邻近关系，而且轮廓原始起点之间的距离也不能充分表示轮廓间的距离关系，所以不改变加工起点的优化是不充分的。有些方法虽然考虑了切割起点的变更，但是没有对轮廓的访问顺序进行变化，这也导致优化不充分。而有些方法虽然考虑了切割起点的变更和轮廓访问顺序的变化，但是对轮廓的顺序受限条件没有考虑，导致了求得的解不是可行解，而且增加了计算量。
发明内容为了克服已有服装布匹、样片裁割过程中刀具空行程路径的控制方法的计算复杂、优化不充分的不足，本发明提供一种简化计算、大大提高求解近似最优解的速度、具有较好的优化效果的服装布匹、样片裁割过程中刀具空行程路径的控制方法。本发明解决其技术问题所采用的技术方案是一种服装布匹、样片裁割过程中刀具空行程路径的控制方法，所述控制方法包括以下步骤a、初始化种群，随机产生GS/ZE个个体，所述个体随机分布在可行解空间中，以判断一个轮廓是否在另一个轮廓内部为基础，确定轮廓包含关系表并展开得到轮廓树；b、计算当代每个个体对应的路径长度，判断是否满足终止条件，若满足终止条件，则执行步骤g;否则，进入步骤c;c、利用适应度函数计算每个个体的适应度，并通过复制函数确定每个个体能够被复制的次数，完成选择、复制操作之后，通过随机选取已被复制的个体再次复制使得当代个体总数保持GS/ZE个；d、根据当代个体的多样性调整交叉和变异概率；e、对当代个体进行变异、交叉操作；f、利用启发式算法进行局部搜索，提高个体的质量并进入下一代的计算，执行步骤b;g、选出当代个体中最优刀具空行程路径为最小值M/"(i^/0，其中尸"A的计算如步骤b所示，M、(/^/0为经过比较之后的当代个体路径最小值，并将最小值M"(i^/0输出。作为优选的一种方案所述步骤b中通过解码方法获得染色体对应的路径，并计算路径长度，路径长度算式为(1):m=-"》2+(VW2(i)/=0其中，/表示路径模型中的索引值编号，_/表示/索引值对应的实际轮廓编号所对应的切割起点，z&、4表示/索引值对应的实际轮廓编号所对应的切割起点的横、纵坐标，当d直为o时，z(,—w、《,一".取值为(O，0);所述的终止条件为达到需要优化的精度或达到所设置的最大种群代数。进一步，所述步骤C中的染色体适应度函数为(2):1-^^(2)其中，/表示第/个个体，Z^7/7(/)表示第/ikfed^p表示当代种群中的最长路径；确定复制次数的函数为(3):体的路径长度，而(3)其中，SwwF为当代适应值的总和，GS/ZE为种群大小，如果&mF为0，则直接跳出遗传算法，计算得到的S&(/)向下取更进一步，所述步骤d中的交叉和变异概率调整公式为(4):g=A__S2)(GC卿/G羅)*^《,--。(GC卿/G纖)其中GC。"为在复制过程中被复制的源初始个体的数目，&表示交叉概率的上限，i^为下限；i;为变异概率的上限，&2为下限。再进一步，所述步骤e的变异操作过程如下染色体的变异发生在同一层轮廓，随机产生某一变异层和两个交换位置，如果交换发生在同一父母轮廓的子女内部，则交换这两个位置的轮廓即可，如果交换位置发生在不同父母轮廓的子女之间，则对这两个父母轮廓的全部子女进行交换；各个父母的子女相对位置保持不变；当完成对交换位置的轮廓变更之后，还需要对交换轮廓的原始切割起点进行随机更换，并根据变异层的轮廓顺序调整其他各层的轮廓相对顺序和下代子女索引位置值；交叉操作过程如下交叉操作发生在同一层轮廓上随机产生的一个交叉区域，假设第一染色体和第二染色体发生交叉，那么将第一染色体的该区域上轮廓的父母的所有子女都放到第二染色体的该层头部，并随机改变区域内的轮廓切割起点；其余轮廓排到该区域后面并保持相对位置不变，以相同方法对第二染色体进行处理，之后分别调整第一染色体和第二染色体的父层和子层的轮廓顺序及下代子女索引位置值。作为优选的再一种方案所述步骤f的启发式搜索步骤如下fl、对染色体解码得到一条路径"f2、取丄中的一个轮廓/(/=1,2,...,附-1)，其中m为总轮廓数；f3、以丄给出的轮廓/的加工起点"C/e[l,",])，计算"到前一个轮廓的新起点P[/-1]和后一个轮廓的原始起点W+1]的距离之和D，/=0时户为原点，按照顺序遍历轮廓/的所有点，把具有最小距离D,皿的点《作为当前轮廓/的新切割起点；f4、利用轮廓/的新切割起点，修正轮廓(/-1)的切割起点；f5、重复步骤f2f5，直到第m-l个轮廓为止，进入步骤f6;f6、把由a/]组成的切割新起点数组转化到相应的染色体。本发明的技术构思为遗传算法是基于进化论的原理发展起来的一种应用广泛、高效的随机搜索优化方法，其具有鲁棒性强、使用方便等特点，在近年来的组合优化问题上得到了广泛的应用。它是模拟达尔文提出的遗传选择和自然淘汰的生物进化过程的计算模型。遗传算法中每个个体根据自身的适应度被决定是否继续生存下去，适应度低(性能差)的个体被淘汰，适应度高(性能好)的个体被保存，经过交叉和变异操作生成新的个体。由于新群体的成员是在上一代优秀群体的基础上产生的，保留了上一代的优秀性能，使得群体朝着更优解的方向进化。为加快遗传算法的搜索速度，加入启发式搜索技术。启发式搜索时，会优先顺着有启发性和具有特定信息的节点搜索下去，这些节点可能是达到目标的最好路径。这样就可以不需要对其他较差路径进行检测，从而提高了效率。本发明的有益效果主要表现在1)动态调整了染色体的交叉和变异概率，就有利于防止群体早熟，跳出局部最优解；2)采用的启发式搜索方法，在算法运行过程中能够大大提高遗传算法求解近似最优解的速度。图1为本发明的切割轮廓图实例；图2为本发明的刀具空行程路径优化算法的处理过程流程图3为本发明的轮廓树实例图4为本发明的索引值入栈和出栈顺序实例图。具体实施例方式下面结合附图对本发明作进一步描述。参照图1图4，一种服装布匹、样片裁割过程中刀具空行程路径的控制方法，所述控制方法包括以下步骤a、初始化种群，随机产生GS/ZE个个体，所述个体随机分布在可行解空间中，以判断一个轮廓是否在另一个轮廓内部为基础，确定轮廓包含关系表并展开得到轮廓树；b、计算当代每个个体对应的路径长度，判断是否满足终止条件，若满足终止条件，则执行步骤g;否则，进入步骤c;c、利用适应度函数计算每个个体的适应度，并通过复制函数确定每个个体能够被复制的次数，完成选择、复制操作之后，通过随机选取己被复制的个体再次复制使得当代个体总数保持OS/Z五个；d、根据当代个体的多样性调整交叉和变异概率；e、对当代个体进行变异、交叉操作；f、利用启发式算法进行局部搜索，提高个体的质量并进入下一代的计算，执行步骤b;g、选出当代个体中最优刀具空行程路径为最小值M77(P^z)，其中的计算如步骤b所示，M'"(P^0为经过比较之后的当代个体路径最小值，并将最小值MM(iW/o输出。所述步骤b中通过解码方法获得染色体对应的路径，并计算路径长度，路径长度算式为(1):,'=0其中，/表示路径模型中的索引值编号，_/表示/索引值对应的实际轮廓编号所对应的切割起点，义&、i;表示/索引值对应的实际轮廓编号所对应的切割起点的横、纵坐标，当/值为o时，x(Mb.、《,u取值为(O，0);所述的终止条件为达到需要优化的精度或达到所设置的最大种群代数。所述步骤C中的染色体适应度函数为(2):,=1_^￡^_(2)其中，/表示第/个个体，"^(/)表示第/个个体的路径长度，而表示当代种群中的最长路径；确定复制次数的函数为(3):其中，S目F为当代适应值的总和，GS/ZE为种群大小，如果^^为0，则直接跳出遗传算法，计算得到的S&(/)向下取所述步骤d中的交叉和变异概率调整公式为(4):(4)「尸c=&_-&)(GO^y/G扁)IK-(、-。(GC卿/G愿)其中Gc。"为在复制过程中被复制的源初始个体的数目，概率的上限，P&为下限；i;为变异概率的上限，&2为下限-所述步骤e的变异操作过程如下:示交叉染色体的变异发生在同一层轮廓，随机产生某一变异层和两个乂换位置，如果交换发生在同一父母轮廓的子女内部，则交换这两个位置的轮廓即可，如果交换位置发生在不同父母轮廓的子女之间，则对这两个父母轮廓的全部子女进行交换；各个父母的子女相对位置保持不变；当完成对交换位置的轮廓变更之后，还需要对交换轮廓的原始切割起点进行随机更换，并根据变异层的轮廓顺序调整其他各层的轮廓相对顺序和下代子女索引位置值；交叉操作过程如下交叉操作发生在同一层轮廓上随机产生的一个交叉区域，假设第一染色体和第二染色体发生交叉，那么将第一染色体的该区域上轮廓的父母的所有子女都放到第二染色体的该层头部，并随机改变区域内的轮廓切割起点；其余轮廓排到该区域后面并保持相对位置不变，以相同方法对第二染色体进行处理，之后分别调整第一染色体和第二染色体的父层和子层的轮廓顺序及下代子女索引位置值。所述步骤f的启发式搜索步骤如下fl、对染色体解码得到一条路径丄；f2、取丄中的一个轮廓/(/=1，2,...，-1)，其中m为总轮廓数；f3、以丄给出的轮廓/的加工起点、(j'e[l,",])，计算"到前一个轮廓的新起点/>[/-1]和后一个轮廓的原始起点？[/+1]的距离之和D，/=0时户为原点，按照顺序遍历轮廓/的所有点，把具有最小距离Z),的点《作为当前轮廓/的新切割起点；f4、利用轮廓z的新切割起点，修正轮廓(/-l)的切割起点；f5、重复步骤Cf5，直到第w-l个轮廓为止，进入步骤f6;f6、把由P[/]组成的切割新起点数组转化到相应的染色体。本实施例中，待切割的轮廓如图l所示。在PLT文件中已经包含了构成这些轮廓的点坐标，依据PLT文件中这些点坐标的出现顺序对这些轮廓进行编号，有编号为08共9个轮廓。除0号轮廓由36个点组成之外，其他轮廓都是由4个点组成，对于每个轮廓的点编号都是从0开始，最大值为构成轮廓的总点数减1。图2为本发明的刀具空行程路径优化算法的处理过程流程图，如图2所示，该方法的处理过程包括步骤101:初始化种群，随机产生GS7ZE个个体。这里先构建了与图1相对应的轮廓包含关系表，如表1所示，13<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>表2通过染色体的生成方法获得随机分布在可行解空间中的GS/ZE个个体，一般而言，OS/Z五较大时算法可同时处理更多的解，也就更容易找到全局最优解，但是这样会增加计算量和计算时间，一般取20100，本实施例中GS/ZE取50。步骤102:计算个体的长度并判断路径优化算法是否满足终止条件，若满足，则执行歩骤107，不能满足，则执行103。以生成的表2染色体说明得到路径的方法把索引0压栈，发现0号轮廓的子女索引位置为0，则索引0出栈；把索引1压栈，发现下代子女索引位置为3，则把索引3压栈，发现下代子女索引位置为0，则索引3出栈；因为索引1中的轮廓包含子女数为2，那么在索引3出栈之后要把索引4压栈，继续扫描索引4的下代子女索引位置，以此类推；图4为各个索引值的出栈和入栈顺序，其中第一个下标表示该索引值的入栈顺序，而第二个下标表明该索引值的出栈顺序，例如32,表明3号索引是第2个入栈，第1个出桟的；依据个索引值的出栈顺序0—3—6—4—1—8—7—5—2可得到对应的轮廓点访问顺序为0(9)—2(0)—8(3)—7(0)—1(1)—5(1)—6(0)—4(1)—3(2)，该路径如表3所示。计算路径指示的点坐标的距离就是该条路径的长度。<table>tableseeoriginaldocumentpage15</column></row><table>步骤103:对当代个体进行选择和复制。这里的适应度函数如公式(2)所示，个体能够被复制的次数函数如公式(3)所示，每个个体会因为适应度的不同获得不同的复制机会，适应度高的个体获得复制的机会大，在下一代中的个数会增加，适应度低的个体可能没有获得复制的机会，就被淘汰。经过复制后的个体总数可能达不到GS/ZE个，那么从已经复制的个体中随机再进行复制，将当代的个体总数增加到GS/Zi:。步骤104:根据个体的多样性自适应调整交叉和变异概率。这里的概率调整公式如公式(4)所示。因为变异概率一般比较小，故设置变异概率的上限i;为o.05，下限^为o.oi;而交叉概率一般比较大，故设置交叉概率的上限《为0.9，下限《为0.8。步骤105:对当代染色体进行变异和交叉操作。以表2染色体说明变异操作变异发生在第二层(高度为2)索引为4，5的两个位置，对应实际轮廓为7、4。它们的父母轮廓分别为1、3。把3号轮廓的所有子女交换到1号子女的起始位置处(索引位置3)，而1号的所有子女2、7从索引位置5-(2-1)=4开始排起。排列第二层轮廓之后调整其他层的轮廓顺序及下代子女索引位置值，得到变异后的染色体如表4所示。索引012345678实际轮廓编号0314268轮廓的切割起点921213031下代子女索引位置034607800轮廓包含子女数012101100表4以表2和表4这两个染色体说明交叉操作:16交叉发生在第一层(高度为l)索引值为12区域。对于表4的染色体，得到的交叉区域的实际轮廓号为3、1，把3、1这两个轮廓放到表2染色体的第一层头部，而表2染色体的第一层轮廓除了3、1这两个轮廓之外的其他轮廓紧排在3、1两个轮廓之后，它们的相对顺序保持不变，那么可得到交叉后的新染色体1的第一层轮廓顺序为3、1、0，根据得到的第一层轮廓顺序修改后面层的轮廓顺序并对切割起点进行随机改变，可得到交叉后的新染色体1如表5所示。索引012345678实际轮廓编号31042768轮廓的切割起点3116213210下代子女索引位置340607800轮廓包含子女数120101100表5而相同的交叉区域对于表2染色体，对应的实际轮廓号为l、3，把1、3这两个轮廓放到表4染色体的第一层的头部，而表4染色体的第一层轮廓除了l、3之外的其他轮廓紧排在1、3的后面，它们的相对顺序保持不变，那么可得到交叉后的新染色体2的第一层轮廓顺序为1、3、0，根据得到的第一层轮廓顺序修改后面层的轮廓顺序并对切割起点进行随机改变，可得到交叉后的新染色体2如表6所示。索引012345678实际轮廓编号1027486轮廓的切割起点201010212下代子女索引位置30067080轮廓包含子女数210011010表6步骤106:根据启发式搜索算法的步骤f中列出的方法步骤对所有个体进行优化，提高个体的质量。步骤107:输出空刀行程的最优路径根据步骤102计算得到的当代个体的路径值，从中获得最短路径并输出。以上所述，仅为本发明的一个实施例而已，并非用于限定本发明的保护范围。权利要求1、一种服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述控制方法包括以下步骤a、初始化种群，随机产生GSIZE个个体，所述个体随机分布在可行解空间中，以判断一个轮廓是否在另一个轮廓内部为基础，确定轮廓包含关系表并展开得到轮廓树；b、计算当代每个个体对应的路径长度，判断是否满足终止条件，若满足终止条件，则执行步骤g；否则，进入步骤c；c、利用适应度函数计算每个个体的适应度，并通过复制函数确定每个个体能够被复制的次数，完成选择、复制操作之后，通过随机选取已被复制的个体再次复制使得当代个体总数保持GSIZE个；d、根据当代个体的多样性调整交叉和变异概率；e、对当代个体进行变异、交叉操作；f、利用启发式算法进行局部搜索，提高个体的质量并进入下一代的计算，执行步骤b；g、选出当代个体中最优刀具空行程路径为最小值Min(Path)，其中Path的计算如步骤b所示，Min(Path)为经过比较之后的当代个体路径最小值，并将最小值Min(Path)输出。2、如权利要求1所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤b中通过解码方法获得染色体对应的路径，并计算路径长度，路径长度算式为(O:<formula>formulaseeoriginaldocumentpage2</formula>(1)其中，/表示路径模型中的索引值编号，y表示/索引值对应的实际轮廓编号所对应的切割起点，《,、K,表示/索引值对应的实际轮廓编号所对应的切割起点的横、纵坐标，当/值为o时，X(,—1);.、^取值为(O，0);所述的终止条件为达到需要优化的精度或达到所设置的最大种群代数。3、如权利要求1或2所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤C中的染色体适应度函数为(2):<formula>formulaseeoriginaldocumentpage3</formula>(2)其中，，'表示第/个个体，^"^(/)表示第/个个体的路径长度，而M。xZe^表示当代种群中的最长路径；确定复制次数的函数为(3):<formula>formulaseeoriginaldocumentpage3</formula>其中，Sz^F为当代适应值的总和，GS/ZE为种群大小，如果^^F为0，则直接跳出遗传算法，计算得到的S&(0向下取4、如权利要求1或2所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤d中的交叉和变异概率调整公式为(4):<formula>formulaseeoriginaldocumentpage3</formula>(4)其中GC。w为在复制过程中被复制的源初始个体的数目，&表示交叉概率的上限，i^为下限；；为变异概率的上限，&2为下限。5、如权利要求3所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤d中的交叉和变异概率调整公式为(4):<formula>formulaseeoriginaldocumentpage4</formula>其中GC。"为在复制过程中被复制的源初始个体的数目，&表示交叉概率的上限，P&为下限；4为变异概率的上限，&2为下限。6、如权利要求5所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤e的变异操作过程如下染色体的变异发生在同一层轮廓，随机产生某一变异层和两个交换位置，如果交换发生在同一父母轮廓的子女内部，则交换这两个位置的轮廓即可，如果交换位置发生在不同父母轮廓的子女之间，则对这两个父母轮廓的全部子女进行交换；各个父母的子女相对位置保持不变；当完成对交换位置的轮廓变更之后，还需要对交换轮廓的原始切割起点进行随机更换，并根据变异层的轮廓顺序调整其他各层的轮廓相对顺序和下代子女索引位置值；交叉操作过程如下交叉操作发生在同一层轮廓上随机产生的一个交叉区域，假设第一染色体和第二染色体发生交叉，那么将第一染色体的该区域上轮廓的父母的所有子女都放到第二染色体的该层头部，并随机改变区域内的轮廓切割起点；其余轮廓排到该区域后面并保持相对位置不变，以相同方法对第二染色体进行处理，之后分别调整第一染色体和第二染色体的父层和子层的轮廓顺序及下代子女索引位置值。7、如权利要求1或2所述的服装布匹、样片裁割过程中刀具空行程路径的控制方法，其特征在于所述步骤f的启发式搜索步骤如下fl、对染色体解码得到一条路径Z;f2、取丄中的一个轮廓/(/=1,2,...,-1)，其中m为总轮廓数;f3、以丄给出的轮廓/的加工起点"C/e[l,",])，计算"到前一个轮廓的新起点户[/-1]和后一个轮廓的原始起点W+1]的距离之和D，/=0时户为原点，按照顺序遍历轮廓/的所有点，把具有最小距离D,，的点《作为当前轮廓/的新切割起点；f4、利用轮廓/的新切割起点，修正轮廓(/-1)的切割起点；f5、重复步骤Gf5，直到第m-l个轮廓为止，进入步骤f6;f6、把由P[/]组成的切割新起点数组转化到相应的染色体。全文摘要一种服装布匹、样片裁割过程中刀具空行程路径的控制方法，包括以下步骤a.初始化种群，随机产生GSIZE个个体；b.计算当代每个个体对应的路径长度，判断是否满足终止条件，若满足终止条件，则执行步骤g；否则，进入步骤c；c.利用适应度函数计算每个个体的适应度，并通过复制函数确定每个个体能够被复制的次数；d.根据当代个体的多样性调整交叉和变异概率；e.对当代个体进行变异、交叉操作；f.利用启发式算法进行局部搜索，提高个体的质量并进入下一代的计算，执行步骤b；g.选出当代个体中最优刀具空行程路径为最小值Min(Path)，并将最小值Min(Path)输出。本发明简化计算、大大提高求解近似最优解的速度、具有较好的优化效果。文档编号D06H7/00GK101451305SQ20081016341公开日2009年6月10日申请日期2008年12月18日优先权日2008年12月18日发明者立俞,朱鑫贤,林示麟,磊胡,辉董申请人:浙江工业大学