專(zhuān)利名稱(chēng)：玩具版片下料方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種玩具版片，尤其涉及一種玩具版片下料方法。
背景技術(shù)：
玩具版片是將毛絨玩具支解成的一個(gè)個(gè)版片，是組成毛絨玩具的基本 單位。玩具廠制作玩具流程如下玩具造型設(shè)計(jì)完成以后，根據(jù)造型設(shè)計(jì) 各種玩具版片(俗稱(chēng)開(kāi)片)，然后把布料按照玩具版片的形狀和大小裁剪 下來(lái)，最后進(jìn)行縫制或粘貼。在裁剪布料之前就遇到了玩具版片擺放的問(wèn) 題，玩具版片排樣是整個(gè)生產(chǎn)和管理的龍頭。以往工廠都是依靠手工和經(jīng) 驗(yàn)公式進(jìn)行玩具版片的排樣和耗量計(jì)算，因此速度慢，排樣不是最優(yōu)，估 算不準(zhǔn)確，這樣實(shí)際生產(chǎn)過(guò)程中在排樣環(huán)節(jié)出現(xiàn)了嚴(yán)重的瓶頸問(wèn)題。因此 就提出了借助于計(jì)算機(jī)實(shí)現(xiàn)玩具版片的自動(dòng)排樣，以便解決瓶頸問(wèn)題。
玩具版片的下料也分為兩種情況， 一種是同規(guī)格玩具版片下料，另一 種是不同規(guī)格玩具版片下料。
對(duì)于不同規(guī)格玩具版片下料問(wèn)題，國(guó)內(nèi)外學(xué)者也提出了許多算料，概 括起來(lái)有解析函數(shù)法，線性規(guī)劃法，人機(jī)交互法，矩形包絡(luò)法，啟發(fā)式搜 索法。例如解析函數(shù)法按照工程圖的特點(diǎn)，把圖形分解為圓孤、圓、直 線等基本元素，再應(yīng)用平面解析幾何知識(shí)來(lái)處理這些元素。兩個(gè)圖形的位 置以及點(diǎn)與封閉圖形的關(guān)系都用解析幾何原理求解判斷。它的優(yōu)點(diǎn)是直觀 簡(jiǎn)單，不規(guī)則零件的計(jì)算精度依賴(lài)于截線數(shù)M， M愈大計(jì)算愈精確，但運(yùn)算 時(shí)間長(zhǎng)。玩具版片是任意輪廓線形狀，不能用解析幾何線條分段來(lái)處理， 因此該方法不太合適；在原材料的長(zhǎng)和寬都有限的條件下，線性規(guī)則是按照零部件是同規(guī)格或同類(lèi)型的的條件，首先把排料分為幾種排法，在每一 種排法中根據(jù)此種排法所必須滿(mǎn)足的條件，推導(dǎo)出數(shù)學(xué)模型，解相應(yīng)的數(shù) 學(xué)模型就可找到最優(yōu)排樣。而玩具版片的復(fù)雜形狀使得大部分零件可能無(wú) 法給出數(shù)學(xué)模型，因此轉(zhuǎn)換成數(shù)學(xué)模型求解的方法也不太適合玩具排料中 的自動(dòng)排樣。
郭濤算法是基于遺傳算法的思想提出的一類(lèi)基于子空間搜索和群體爬 山法結(jié)合的群體隨機(jī)搜索算法，也稱(chēng)為多父體雜交算法。該算法有以下特 點(diǎn)
1) 用了演化計(jì)算中的群體搜索策略，保證了搜索空間的全局性，有利 于搜索問(wèn)題的解。
2) 采用隨機(jī)子空間中的隨機(jī)搜索(多父體重組)策略,特別是子空間中 隨機(jī)搜索的非凸性，使算法搜索的子空間可復(fù)蓋多父體的凸組合空間，保證 了隨機(jī)搜索的遍歷性，即解空間中不存在算法搜索不到的"死角"。
3) 采用了 "劣汰策略"，每次只把群體中適應(yīng)性最差(目標(biāo)函數(shù)值最大) 的個(gè)體淘汰出局，淘汰壓力最小，既保證了群體的多樣性，也保證了適應(yīng) 性最好(目標(biāo)函數(shù)值最小)的個(gè)體可以"萬(wàn)壽無(wú)疆"。這種"群體爬山策略"， 保證了整個(gè)群體最后集體登上最高峰(深谷)。當(dāng)最優(yōu)解不唯一時(shí)，算法可能 一次同時(shí)找到多個(gè)最優(yōu)解。
4) 精英多父體雜交算法改進(jìn)了郭濤算法中個(gè)體交叉時(shí)個(gè)體的選擇方 案。在郭濤算法中是隨機(jī)選擇個(gè)體進(jìn)行交叉；在精英多父體雜交方法中， 增加選擇的壓力，選擇當(dāng)前群體中的最好的若干個(gè)體，這樣做可以使個(gè)體 中好的基因有更多的繁殖與生存機(jī)遇，能明顯加快算法的收斂速度。
如何利用郭濤算法用以解決不同規(guī)格玩具版片下料是技術(shù)人員要解決 的問(wèn)題。 發(fā)明內(nèi)容本發(fā)明需要解決的技術(shù)問(wèn)題是提供了一種玩具版片下料方法，旨在解 決上述的問(wèn)題。
為了解決上述技術(shù)問(wèn)題，本發(fā)明是通過(guò)以下步驟實(shí)現(xiàn)的
將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算綜合平整度；
對(duì)玩具版片按綜合平整度進(jìn)行降序排序，并統(tǒng)一編號(hào)；將一組次序作 為一個(gè)遺傳因子，隨機(jī)在該遺傳因子的基礎(chǔ)上做逆轉(zhuǎn)變異，生成10個(gè)遺傳 因子作為初始群體；
根據(jù)擬人化求每個(gè)遺傳因子的適應(yīng)性；
然后將這10個(gè)遺傳因子進(jìn)行逆轉(zhuǎn)變異操作，保留優(yōu)勝的遺傳因子，進(jìn) 化到下一代；
重復(fù)第3、 4步驟，直到進(jìn)化到50代，停止進(jìn)化；最優(yōu)的遺傳因子即 為問(wèn)題的解，最優(yōu)的遺傳因子的次序作為下料的方案。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是解決了玩具版片的計(jì)算機(jī)輔 助下料問(wèn)題，將下料人員從手工計(jì)算當(dāng)中解脫出來(lái)，提高了工作效率，而 且計(jì)算結(jié)果使原材料的利用率更高。
具體實(shí)施例方式
下面結(jié)合具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述
本發(fā)明是通過(guò)以下步驟實(shí)現(xiàn)的
1. 將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算綜合平整度；
2. 對(duì)玩具版片按綜合平整度進(jìn)行降序排序，并統(tǒng)一編號(hào)；將一組次序 作為一個(gè)遺傳因子，隨機(jī)在該遺傳因子的基礎(chǔ)上做逆轉(zhuǎn)變異，生成10個(gè)遺 傳因子作為初始群體；
3. 根據(jù)擬人化求每個(gè)遺傳因子的適應(yīng)性；
4. 然后將這10個(gè)遺傳因子進(jìn)行逆轉(zhuǎn)變異操作，保留優(yōu)勝的遺傳因子， 進(jìn)化到下一代；5.重復(fù)第3、 4步驟，直到進(jìn)化到50代，停止進(jìn)化；最優(yōu)的遺傳因子 即為問(wèn)題的解，最優(yōu)的遺傳因子的次序作為下料的方案。
在步驟(1)中是將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算出玩具版片 距外接矩形每條邊的平整度，越接近矩形，綜合平整度越高；如果距外接 矩形某條邊的平整度比較高，則玩具版片的這一邊比較接近直線；
在步驟(3)中所述的擬人化是將n個(gè)玩具版片按照綜合平整度進(jìn)行 降序排序，并統(tǒng)一編號(hào)；按照一個(gè)特定的下料規(guī)則和任一給定的順序?qū)⑦@n 個(gè)玩具版片往矩形原料件不允許有重疊的上排；先按順序號(hào)取出待下料的 第一個(gè)玩具版片，根據(jù)其平整度，將它占角擺放，或者貼邊擺放；然后取 出第二個(gè)玩具版片，將它占角或貼邊；如果擺放在該邊與已經(jīng)擺放的版片 重合，則沿該邊的方向向前移一個(gè)微小的步長(zhǎng)，直到與前面排好的不重疊； 如果是左右兩邊，則需要檢測(cè)是否超出估算的高度；如果超出估算的高度， 將其按照"從左到右，從上到下"的規(guī)則，移動(dòng)版片位置，再次檢測(cè)是否 有重疊，如果沒(méi)有重疊，則將版片放置在該位置；然后挑出第三個(gè)玩具版 片，繼續(xù)檢測(cè)，依次類(lèi)推；所述的特定的下料規(guī)則是指順序?qū)⑦@n個(gè)玩 具從第一個(gè)檢測(cè)完到第二個(gè)繼續(xù)檢測(cè)直到第n個(gè)繼續(xù)檢測(cè)完；所述的任一 給定的順序是由步驟2可知，每個(gè)遺傳因子都是一個(gè)排列次序，每一個(gè) 群體由l O個(gè)遺傳因子組成，就形成10個(gè)次序；這些次序是自動(dòng)生成的， 并不是固定的；計(jì)算每一個(gè)遺傳因子適應(yīng)性，是根據(jù)該遺傳因子的次序； 由于寬度是己知的，按照上述規(guī)則擺放，得到最終占用的高度大小。
采用本發(fā)明玩具版片下料問(wèn)題變成了一個(gè)求最優(yōu)順序的問(wèn)題，與旅行 商問(wèn)題(TSP)追求的目標(biāo)一致?，F(xiàn)用演化算法求解TSP的方法已經(jīng)比較成熟， 基于他的進(jìn)化特性，全局尋優(yōu)和極強(qiáng)的魯棒性。而郭濤算法是演化計(jì)算當(dāng) 是比較出色的算法，它的群體爬山策略能夠在初期很快的收斂。玩具下料 問(wèn)題，由于版片非常復(fù)雜，運(yùn)算量較大，需要在有限時(shí)間內(nèi)獲得較好的解，郭濤算法是最佳的選擇。
本發(fā)明解決的問(wèn)題是原材料為寬度有限止，長(zhǎng)度無(wú)限止的平面；下 料的玩具版片是任意規(guī)格的不規(guī)則形狀，如何下料使該玩具所需的長(zhǎng)度最 少。
由于原材料的寬度一般都很寬，而玩具版片相對(duì)來(lái)說(shuō)很小，如果按照 原材料的寬度來(lái)下料，達(dá)不到省料的目的，所以將原材料在寬度范圍內(nèi)， 按照玩具版片的大小及數(shù)量情況，估算出劃為N等分。當(dāng)下料計(jì)算完畢， 求出下料件所占的高度h后，那么單個(gè)玩具所需的長(zhǎng)度H=h/N。
擬人化策略，是把人類(lèi)社會(huì)經(jīng)驗(yàn)形式化為算法用以求解某些特殊困難 的數(shù)學(xué)問(wèn)題。人工下料的過(guò)程中，首選先選擇能夠占角的版片，放在原材 料的左右兩個(gè)腳，再選擇底邊比較平的版片，占據(jù)原材料的底邊位置，然 后再考慮左右兩邊比較平的，占據(jù)左右位置。最后才考慮往中間放。中國(guó) 古時(shí)就有一句警語(yǔ)"金角銀邊草肚皮"，據(jù)此可以得出結(jié)論，將占角價(jià)值最 大的放在角上，將貼邊價(jià)值最大的靠在邊上。角和邊都被占完的時(shí)候，其 它的都填在中間。
權(quán)利要求
1. 一種玩具版片下料方法，是通過(guò)以下步驟實(shí)現(xiàn)的(1). 將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算綜合平整度；(2). 對(duì)玩具版片按綜合平整度進(jìn)行降序排序，并統(tǒng)一編號(hào)；將一組次序作為一個(gè)遺傳因子，隨機(jī)在該遺傳因子的基礎(chǔ)上做逆轉(zhuǎn)變異，生成10個(gè)遺傳因子作為初始群體；(3). 根據(jù)擬人化求每個(gè)遺傳因子的適應(yīng)性；(4). 然后將這10個(gè)遺傳因子進(jìn)行逆轉(zhuǎn)變異操作，保留優(yōu)勝的遺傳因子，進(jìn)化到下一代；(5). 重復(fù)第(3)、(4)步驟，直到進(jìn)化到50代，停止進(jìn)化；最優(yōu)的遺傳因子即為問(wèn)題的解，最優(yōu)的遺傳因子的次序作為下料的方案。
2. 根據(jù)權(quán)利要求1所述的玩具版片下料方法，其中在步驟(1)中是將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算出玩具版片距外接矩形每條邊的平整度，越接近矩形，綜合平整度越高；如果距外接矩形某條邊的平整度 比較高，則玩具版片的這一邊比較接近直線；在步驟(3)中所述的擬人化是將n個(gè)玩具版片按照綜合平整度進(jìn)行 降序排序，并統(tǒng)一編號(hào)；按照一個(gè)特定的下料規(guī)則和任一給定的順序?qū)⑦@n 個(gè)玩具版片往矩形原料件不允許有重疊的上排；先按順序號(hào)取出待下料的 第一個(gè)玩具版片，根據(jù)其平整度，將它占角擺放，或者貼邊擺放；然后取 出第二個(gè)玩具版片，將它占角或貼邊；如果擺放在該邊與已經(jīng)擺放的版片 重合，則沿該邊的方向向前移一個(gè)微小的步長(zhǎng)，直到與前面排好的不重疊； 如果是左右兩邊，則需要檢測(cè)是否超出估算的高度；如果超出估算的高度， 將其按照"從左到右，從上到下"的規(guī)則，移動(dòng)版片位置，再次檢測(cè)是否 有重疊，如果沒(méi)有重疊，則將版片放置在該位置；然后挑出第三個(gè)玩具版 片，繼續(xù)檢測(cè)，依次類(lèi)推；所述的特定的下料規(guī)則是指順序?qū)⑦@n個(gè)玩具從第一個(gè)檢測(cè)完到第二個(gè)繼續(xù)檢測(cè)直到第n個(gè)繼續(xù)檢測(cè)完；所述的任一 給定的順序是由步驟(2)可知，每個(gè)遺傳因子都是一個(gè)排列次序，每一 個(gè)群體由1 0個(gè)遺傳因子組成，就形成IO個(gè)次序；這些次序是自動(dòng)生成的， 并不是固定的；計(jì)算每一個(gè)遺傳因子適應(yīng)性，是根據(jù)該遺傳因子的次序； 由于寬度是已知的，按照上述規(guī)則擺放，得到最終占用的高度大小。
全文摘要
本發(fā)明涉及一種玩具版片下料方法，是通過(guò)以下步驟實(shí)現(xiàn)的將每一個(gè)玩具版片做矩形度評(píng)價(jià)，計(jì)算綜合平整度；對(duì)玩具版片按綜合平整度進(jìn)行降序排序，并統(tǒng)一編號(hào)；將一組次序作為一個(gè)遺傳因子，隨機(jī)在該遺傳因子的基礎(chǔ)上做逆轉(zhuǎn)變異，生成10個(gè)遺傳因子作為初始群體；根據(jù)擬人化求每個(gè)遺傳因子的適應(yīng)性；然后將這10個(gè)遺傳因子進(jìn)行逆轉(zhuǎn)變異操作，保留優(yōu)勝的遺傳因子，進(jìn)化到下一代；重復(fù)第(3)、(4)步驟，直到進(jìn)化到50代，停止進(jìn)化；最優(yōu)的遺傳因子即為問(wèn)題的解，最優(yōu)的遺傳因子的次序作為下料的方案；解決了玩具版片的計(jì)算機(jī)輔助下料問(wèn)題，將下料人員從手工計(jì)算當(dāng)中解脫出來(lái)，提高了工作效率，而且計(jì)算結(jié)果使原材料的利用率更高。
文檔編號(hào)G06F17/50GK101533418SQ20081003462
公開(kāi)日2009年9月16日 申請(qǐng)日期2008年3月14日 優(yōu)先權(quán)日2008年3月14日
發(fā)明者朱順興 申請(qǐng)人:上海卡休智能科技有限公司