服装样片裁剪空行程路径优化算法范文

本站小编为你精心准备了服装样片裁剪空行程路径优化算法参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:服装样片裁剪空行程路径是影响裁床裁剪效率的重要因素，裁剪路径优化有助于提高裁剪效率。针对裁剪空行程优化问题，先构建了裁剪空行程路径的数学模型，结合遗传算法和蚁群算法的优势，提出了遗传蚁群混合算法优化裁剪空行程。算法先利用遗传算法的快速搜索能力建立蚁群算法的初始信息素分布，然后采用蚁群算法求精确解，最后建立仿真实验验证混合算法的可行性，与基本遗传算法相比，混合算法具有较优的全局优化性能。

关键词:样片裁剪;路径优化;遗传算法;蚁群算法;数控裁床

0引言

数控服装裁剪机根据服装CAD导出的排料图裁剪布料，节省了人力和提高了服装裁剪的效率。通常，一床布料会安排几十个或上百个样片，裁刀经过的裁剪路径由样片的外轮廓有效路径和样片之间的空行程组成，刀具运动轨迹复杂，对加工路径进行优化，可以有效减少辅助运动路径长度，缩短加工时间，在批量加工时能大大提高生产效率。因此，需要优化服装样片裁剪路径。季国顺提出结合蚁群算法和最邻近算法对数控多轮廓加工走刀空行程路径进行优化，张伟引入蚁群算法优化矩形件切割路径，金爱燕用蚁群算法求解优化样片裁剪空行程。这些方法虽然在一定程度上减少了样片加工时间，提高了加工效率，然而基本蚁群算法存在着初始信息素匮乏，计算时间较长等局限性。VladimirD和Sny-derLV将空行程优化问题转化为标准旅行商问题，采用求解标准旅行商问题的算法求解，但求解结果不是很理想。史伟民采用模拟退火蚁群混合算法优化裁剪空行程路径，但在算法之前考虑了加工起始位置，增加了算法的复杂度。本文将服装样片裁剪空行程路径优化问题归结为TSP问题，利用遗传蚁群混合算法求解，最后给出验证。通过与基本遗传算法比较，说明混合算法的有效性。

1服装样片裁剪的数学模型

数控裁床根据既定的顺序从每一个样片的开切点开始裁剪，完成每个样片裁剪，再按照指令跳刀裁剪下一个样片。这个过程形成的空行程路径可以看做是一个Hamilton圈。这样，裁床样片裁剪路径优化的问题可以归结为旅行商问题。旅行商问题直观描述:旅行家从某城市出发，经过n个城市，希望找到一条既能经过各个城市，又能每个城市仅经历一次最后回到出发城市的最短路径。

2路径优化算法

本文采用遗传算法和蚁群算法混合求解服装样片裁剪路径的优化。遗传算法具有快速随机的全局搜索能力，但没有利用系统的反馈信息，求精确解效率较低。蚁群算法通过信息素的累积和更新，具有分布式全局搜索能力，但初始信息素匮乏，求解速度慢。因此本文采用遗传算法和蚁群算法结合，优势互补。先采用遗传算法生成蚁群算法的初始化信息素分布，再采用蚁群算法求解精确解。

2.1遗传算法以及其在混合算法中的设置

遗传算法的基本思想是模拟自然界遗传机制和生物性进化论而形成的一种过程搜索最优解的算法。目标函数和适应度函数:裁剪空行程路径优化属于TSP问题，目标函数即为Hamilton圈长度最短，适应度函数取为Hamilton圈长度的倒数。编码与染色体选择:编码方式采用实数编码，以样片的裁剪顺序作为遗传算法的编码，使用rand()函数随机生成种群规模大小的实数编码种群，并根据适应度函数选择染色体总数大于种群规模数量的用于交叉操作的父染色体对。交叉算子:采用基于路径表示的顺序交叉(OX)操作，OX操作能保留排列，并融合不同排列的有序结构单元。

2.2蚁群算法

蚁群优化算法是由意大利学者Dorigo等人于1991年提出的一种模仿蚂蚁群体行为的智能算法。蚁群算法的特点是并发性、鲁棒性和正反馈性。目前被广泛应用于解决组合优化问题。蚁群算法的基本思想是模仿蚁群的觅食行为。当蚂蚁出外寻找食物时，会在自己走过的路径上释放一种称为信息素的物质，后续的蚂蚁在选择觅食路径时一般选择信息素浓度更高的路径。蚂蚁走过的路径越短，分泌的信息素浓度越高，引导后续蚂蚁，形成正反馈机制，最终所有的蚂蚁都走蚁穴到食物源的最短路径。蚁群算法在求解TSP问题的核心是路径选择规则和信息素更新规则。

2.3遗传蚁群混合算法的实现

遗传算法经过设定的迭代次数后生成一组优化解，按照信息素更新规则，将所有优化解转换成信息素，生成蚁群算法的初始信息素分布。算法实现的步骤如下:(1)初始化参数，先用遗传算法生成一组优化解，并生成蚁群算法的初始信息素分布;(2)将m只蚂蚁放在n个样片，随机生成每只蚂蚁的禁忌表;(3)每只蚂蚁根据概率转移公式移动到下一个样片，并将该样片加入到该蚂蚁的禁忌表;(4)直到每个样片仅遍历了一次，记录最短路径;(5)根据信息素更新规则更新信息素;(6)若满足结束条件，跳出循环，输出最优解，否则跳转到B。3仿真实验在windows7环境下的PC机上，在服装裁剪机上位编辑软件中实现遗传蚁群混合算法。

4结论

本文结合遗传算法和基本蚁群算法的优势，提出遗传蚁群混合算法对服装样片裁剪空行程路径进行优化，仿真实验表明算法的可行性和有效性，与基本遗传算法相比，全局优化性能提高，在实际应用中，特别是在大批量裁剪时，服装裁剪路径的缩短对于提高数控裁床的效率具有重要的意义。

参考文献

［1］余国兴，丁玉成，李涤尘.平面多轮廓加工路径优化模型及其近似算法［J］.西安交通大学学报，2004，38(1):39～42.

［2］季国顺，王文，陈子辰.数控多轮廓加工走刀空行程路径优化［J］．农业机械学报，2008，39(7):154～158.

［3］张伟，安鲁陵，张臣等.基于蚁群算法的矩形件切割路径优化［J］．机械科学与技术，2011，30(3):391～393.

作者：谢云斌；施群；汪朋朋 单位：上海大学机电工程与自动化学院