本申請涉及孔群加工，尤其涉及一種孔群加工路徑優(yōu)化方法。

背景技術(shù)：

1、孔群加工的路徑規(guī)劃問題是指在對工件上多個零件進(jìn)行數(shù)控加工時，為了獲取更好的加工精度和效率，節(jié)省成本，需要對加工過程中刀具的退、換刀次數(shù)、走刀路徑長度等多個目標(biāo)問題進(jìn)行優(yōu)化。其中零件圖案的加工路徑主要由加工工藝和走刀策略決定，因此將孔群加工的路徑規(guī)劃問題只看作對加工過程中刀具的空行程路徑長度優(yōu)化問題，即將其轉(zhuǎn)化為單目標(biāo)優(yōu)化問題進(jìn)行求解，在孔群加工過程中尋找刀具的行程最短方案，以提升加工效率。

2、目前的研究較多是運(yùn)用廣義旅行商問題（travelling?salesman?problem，gtsp）來求解空行程的路徑優(yōu)化問題，其解空間存在“組合爆炸”。該問題在數(shù)學(xué)上可獲得精確解，但對于大規(guī)模節(jié)點(diǎn)，這種解法耗時巨大。因此，為解決工程中實際問題，常求出一些近似解來滿足工程的實際需求，其中遺傳算法應(yīng)用得較為廣泛，也取得了一定的成果。

3、但在孔群加工路徑優(yōu)化問題中隨工件上孔群數(shù)量的增加，tsp的搜索空間也快速的增大，遺傳算法局部搜索能力差，容易陷入局部最優(yōu)解，導(dǎo)致求解質(zhì)量較差。

技術(shù)實現(xiàn)思路

1、有鑒于此，有必要提供一種孔群加工路徑優(yōu)化方法，用以解決現(xiàn)有技術(shù)中存在的在孔群加工路徑優(yōu)化問題中遺傳算法容易陷入局部最優(yōu)解，導(dǎo)致求解質(zhì)量較差的問題。

2、為了解決上述問題，本申請?zhí)峁┝艘环N孔群加工路徑優(yōu)化方法，包括：

3、步驟s101、獲取初始種群，種群中個體的基因包括孔群加工路徑、遺傳參數(shù)和模擬退火參數(shù)；

4、步驟s102、基于所述初始種群的遺傳參數(shù)，對所述初始種群的模擬退火參數(shù)進(jìn)行選擇、交叉和變異操作，得到中間種群；

5、步驟s103、基于所述中間種群的模擬退火參數(shù)，對所述中間種群的孔群加工路徑進(jìn)行模擬退火操作，得到目標(biāo)種群；

6、步驟s104、將所述目標(biāo)種群作為新的初始種群代入s102，直至所述目標(biāo)種群的遺傳參數(shù)滿足終止條件，得到最優(yōu)孔群加工路徑。

7、在一些可能的實現(xiàn)方式中，獲取初始種群，包括：

8、獲取初始孔群加工路徑；

9、對所述初始孔群加工路徑進(jìn)行模擬退火操作，保留每次退溫后最優(yōu)的目標(biāo)孔群加工路徑；

10、基于所述目標(biāo)孔群加工路徑，及其對應(yīng)的模擬退火參數(shù)和遺傳參數(shù)，確定初始種群。

11、在一些可能的實現(xiàn)方式中，所述遺傳參數(shù)包括適應(yīng)度值和選擇算子，所述選擇算子采用輪盤賭方式確定。

12、在一些可能的實現(xiàn)方式中，所述遺傳參數(shù)包括適應(yīng)度值、交叉算子和變異算子，所述交叉算子和變異算子均由所述適應(yīng)度值確定。

13、在一些可能的實現(xiàn)方式中，所述交叉算子為：

14、

15、式中，表示交叉概率，表示種群中的最大適應(yīng)度值，表示種群的平均適應(yīng)度值，表示交叉的兩個個體中較大的適應(yīng)度值，和表示常數(shù)；

16、所述變異算子為：

17、

18、式中，表示變異概率，表示要變異個體的適應(yīng)度值，和表示常數(shù)。

19、在一些可能的實現(xiàn)方式中，所述模擬退火參數(shù)包括能量值、初始溫度、終止溫度、退溫系數(shù)和溫度迭代次數(shù)，對所述初始種群的模擬退火參數(shù)進(jìn)行變異操作時，每次改變所述模擬退火參數(shù)中的一個參數(shù)。

20、在一些可能的實現(xiàn)方式中，基于所述中間種群的模擬退火參數(shù)，對所述中間種群的孔群加工路徑進(jìn)行模擬退火操作，得到目標(biāo)種群，包括：

21、步驟s301、在所述初始溫度下，基于metropolis準(zhǔn)則對所述中間種群的孔群加工路徑進(jìn)行迭代，直至達(dá)到所述溫度迭代次數(shù)，得到該溫度下的最優(yōu)孔群加工路徑；

22、步驟s302、基于所述初始溫度和所述退溫系數(shù)，得到目標(biāo)溫度，將所述目標(biāo)溫度作為新的初始溫度代入s301，直至所述初始溫度達(dá)到所述終止溫度，得到在所述終止溫度下的最優(yōu)孔群加工路徑，基于所述終止溫度下的最優(yōu)孔群加工路徑確定目標(biāo)種群。

23、在一些可能的實現(xiàn)方式中，所述metropolis準(zhǔn)則中新的孔群加工路徑的接受概率為：

24、

25、式中，表示當(dāng)前孔群加工路徑的能量值，表示新的孔群加工路徑的能量值，表示當(dāng)前溫度。

26、在一些可能的實現(xiàn)方式中，基于metropolis準(zhǔn)則對所述中間種群的孔群加工路徑進(jìn)行迭代時，采用opt算法產(chǎn)生新的孔群加工路徑。

27、在一些可能的實現(xiàn)方式中，所述opt算法為3-opt算法。

28、本申請的有益效果是：本申請?zhí)峁┑目兹杭庸ぢ窂絻?yōu)化方法，在遺傳算法中引入模擬退火算法，在退火過程中進(jìn)行局部搜索，在局部搜索過程引入了隨機(jī)因素，有利于獲取全局范圍內(nèi)的最優(yōu)解，充分結(jié)合了遺傳算法和模擬退火算法的優(yōu)點(diǎn)，有效提高了孔群加工路徑優(yōu)化問題的求解質(zhì)量。

技術(shù)特征：

1.一種孔群加工路徑優(yōu)化方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的孔群加工路徑優(yōu)化方法，其特征在于，獲取初始種群，包括：

3.根據(jù)權(quán)利要求1所述的孔群加工路徑優(yōu)化方法，其特征在于，所述遺傳參數(shù)包括適應(yīng)度值和選擇算子，所述選擇算子采用輪盤賭方式確定。

4.根據(jù)權(quán)利要求1所述的孔群加工路徑優(yōu)化方法，其特征在于，所述遺傳參數(shù)包括適應(yīng)度值、交叉算子和變異算子，所述交叉算子和變異算子均由所述適應(yīng)度值確定。

5.根據(jù)權(quán)利要求4所述的孔群加工路徑優(yōu)化方法，其特征在于，所述交叉算子為：

6.根據(jù)權(quán)利要求1所述的孔群加工路徑優(yōu)化方法，其特征在于，所述模擬退火參數(shù)包括能量值、初始溫度、終止溫度、退溫系數(shù)和溫度迭代次數(shù)，對所述初始種群的模擬退火參數(shù)進(jìn)行變異操作時，每次改變所述模擬退火參數(shù)中的一個參數(shù)。

7.根據(jù)權(quán)利要求6所述的孔群加工路徑優(yōu)化方法，其特征在于，基于所述中間種群的模擬退火參數(shù)，對所述中間種群的孔群加工路徑進(jìn)行模擬退火操作，得到目標(biāo)種群，包括：

8.根據(jù)權(quán)利要求7所述的孔群加工路徑優(yōu)化方法，其特征在于，所述metropolis準(zhǔn)則中新的孔群加工路徑的接受概率為：

9.根據(jù)權(quán)利要求7所述的孔群加工路徑優(yōu)化方法，其特征在于，基于metropolis準(zhǔn)則對所述中間種群的孔群加工路徑進(jìn)行迭代時，采用opt算法產(chǎn)生新的孔群加工路徑。

10.根據(jù)權(quán)利要求9所述的孔群加工路徑優(yōu)化方法，其特征在于，所述opt算法為3-opt算法。

技術(shù)總結(jié)
本申請涉及一種孔群加工路徑優(yōu)化方法，屬于孔群加工技術(shù)領(lǐng)域，其中，該方法包括：步驟S101、獲取初始種群，種群中個體的基因包括孔群加工路徑、遺傳參數(shù)和模擬退火參數(shù)；步驟S102、基于初始種群的遺傳參數(shù)，對初始種群的模擬退火參數(shù)進(jìn)行選擇、交叉和變異操作，得到中間種群；步驟S103、基于中間種群的模擬退火參數(shù)，對中間種群的孔群加工路徑進(jìn)行模擬退火操作，得到目標(biāo)種群；步驟S104、將目標(biāo)種群作為新的初始種群代入S102，直至目標(biāo)種群的遺傳參數(shù)滿足終止條件，得到最優(yōu)孔群加工路徑。本申請通過結(jié)合遺傳算法和模擬退火算法的優(yōu)點(diǎn)，有效提高了孔群加工路徑優(yōu)化問題的求解質(zhì)量。

技術(shù)研發(fā)人員：胡琴,丁苗,石英
受保護(hù)的技術(shù)使用者：武漢理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6