CN113256035B - 加工路径规划方法、智能终端以及存储装置 - Google Patents
加工路径规划方法、智能终端以及存储装置 Download PDFInfo
- Publication number
- CN113256035B CN113256035B CN202110784095.0A CN202110784095A CN113256035B CN 113256035 B CN113256035 B CN 113256035B CN 202110784095 A CN202110784095 A CN 202110784095A CN 113256035 B CN113256035 B CN 113256035B
- Authority
- CN
- China
- Prior art keywords
- nodes
- path
- node
- optimal solution
- current optimal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003754 machining Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- PUZPDOWCWNUUKD-UHFFFAOYSA-M sodium fluoride Chemical group [F-].[Na+] PUZPDOWCWNUUKD-UHFFFAOYSA-M 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
Abstract
本发明提供一种加工路径规划方法、智能终端以及存储装置，该加工路径规划方法包括：S101：根据初始化策略选择加工路径中的节点构建环路；S102：基于环路求解旅行商问题，根据求解结果加载当前最优解，当前最优解为当前最优路径；S103：修改当前最优路径中的节点连接方式以形成新的环路；S104：判断是否达到最大迭代次数，若是，则执行S105，若否，则执行S102；S105：根据当前最优解输出加工路径的最优解。本发明能够通过修改路径的方式不断的尝试求解旅行商问题，不容易陷入局部最优解，且框架结构简单，降低了计算量和设备的计算能力要求，节省了计算成本，还可以通过不同的初始化策略进一步提高算法的搜索效率的精确度，可扩展性强。
Description
技术领域
本发明涉及加工路径规划领域，尤其涉及一种加工路径规划方法、智能终端以及存储装置。
背景技术
在CAM加工中，一般会采取将整个加工对象进行分区，之后使用刀轨规划算法规划每个分区内部的加工方式。但是，如何在不同的加工分区之间进行转移，这个路径的设计需要进行规划计算。将加工区域看做是一个节点，加工区域之间的转移路径看做是边，则加工区域转移路径问题就可以看做是如何找到一条最短路径访问所有节点，且所有节点只访问一次，所以整个加工问题可以看做是旅行商问题（TravelingSalesmanProblem，TSP）。
旅行商问题是图论中著名的问题，问题的表述是“已给一个n个点的完全图，每条边都有一个长度，求总长度最短的经过每个顶点正好一次的封闭回路”。该问题的解空间规模非常大，假如有N个节点，全部路径的组合有N!个，在进行路径规划时计算量大，对设备的计算能能力要求高，提高了计算成本。而且，一些启发式求解算法比如蚁群算法、遗传算法等，非常容易陷入局部最优解，造成求解精度比较低，不能很好地进行路径规划。
发明内容
为了克服现有技术的不足，本发明提出一种加工路径规划方法、智能终端以及存储装置，根据初始化策略选择节点构建环路，对该环路求解TSP问题得到最优解后，通过修改该最优解的路径形成新的环路，利用新的环路求解TSP问题的方式跳出当前最优解，能够通过修改路径的方式不断的尝试求解旅行商问题，不容易陷入局部最优解，且框架结构简单，降低了计算量和设备的计算能力要求，节省了计算成本，还可以通过不同的初始化策略进一步提高算法的搜索效率的精确度，可扩展性强。
为解决上述问题，本发明采用的一个技术方案为：一种加工路径规划方法，所述加工路径规划方法包括：S101：根据初始化策略选择加工路径中的节点构建环路；S102：基于所述环路求解旅行商问题，根据求解结果加载当前最优解，所述当前最优解为当前最优路径；S103：修改所述当前最优路径中的节点连接方式以形成新的环路；S104：判断是否达到最大迭代次数，若是，则执行S105，若否，则执行S102；S105：根据所述当前最优解输出所述加工路径的最优解。
进一步地，所述根据初始化策略选择加工路径中的节点构建环路的步骤之前还包括：判断是否存在两个节点之间的转移路径不对称；若是，对所述加工路径中的节点的数据进行预处理；若否，根据初始化策略选择加工路径中的节点构建环路。
进一步地，所述对所述加工路径中的节点的数据进行预处理的步骤具体包括：构建所述加工路径中节点的替代距离矩阵
，其中，D为加工路径中节点之间的距离矩阵，
N为节点数。
进一步地，所述对所述加工路径中的节点的数据进行预处理的步骤还包括：
对所述加工路径中每个原始节点添加一个辅助节点，定义所述原始节点以及所述原始节点的辅助节点为相互固定节点，并获取所述加工路径中各节点之间的距离。
进一步地，通过距离方程获取加工路径中各节点之间的距离，所述距离方程为：
其中，P为所有辅助节点的集合，辅助节点为
，Q为所有原始节点集合，原始节点为Nodei≤n，M为所有节点之间距离的最大值。
进一步地，所述基于所述环路求解旅行商问题的步骤具体包括：
S201：遍历初始环路中的节点，以访问的节点为起点搜索预设数量的节点以及所述节点的相邻节点，通过所述节点、相邻节点形成预设数量的连接边；
S202：交换所述连接边的节点，并根据交换节点后的连接边构建新环路，根据所述新环路的总距离判断是否获取一个更优解，若是，则执行S203，若否，则执行S204；S203：将所述新环路对应的加工路径确定为当前最优解，并执行S201；S204：判断遍历是否结束，若是，则输出当前最优解，若否，执行S201。
进一步地，所述根据求解结果加载当前最优解的步骤具体包括：判断所述求解结果是否优于所述当前最优解；若是，则将所述求解结果确定为当前最优解；若否，则不修改所述当前最优解。
进一步地，所述修改所述当前最优路径中的节点连接方式以形成新的环路的步骤具体包括：将所述当前最优路径中的部分或全部连接边中的交点交换形成新的连接边，根据所述新的连接边形成新的环路。
基于相同的发明构思，本发明还提出一种智能终端，所述智能终端包括处理器、存储器，所述处理器与所述存储器通信连接，所述存储器存储有计算机程序，所述处理器根据所述计算机程序执行如上所述的加工路径规划方法。
基于相同的发明构思，本发明又提出一种存储装置，所述存储装置存储有程序数据，所述程序数据被用于执行如上所述的加工路径规划方法。
相比现有技术，本发明的有益效果在于：根据初始化策略选择节点构建环路，对该环路求解TSP问题得到最优解后，通过修改该最优解的路径形成新的环路，利用新的环路求解TSP问题的方式跳出当前最优解，能够通过修改路径的方式不断的尝试求解旅行商问题，不容易陷入局部最优解，且框架结构简单，降低了计算量和设备的计算能力要求，节省了计算成本，还可以通过不同的初始化策略进一步提高算法的搜索效率的精确度，可扩展性强。
附图说明
图1为本发明加工路径规划方法一实施例的流程图；
图2为本发明加工路径规划方法中TSP求解一实施例的流程图；
图3为本发明加工路径规划方法另一实施例的工作流程图；
图4为本发明加工路径规划方法中TSP求解另一实施例的工作流程图；
图5为本发明智能终端一实施例的结构图；
图6为本发明存储装置一实施例的结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
请参阅图1-4，其中，图1为本发明加工路径规划方法一实施例的流程图；图2为本发明加工路径规划方法中TSP求解一实施例的流程图；图3为本发明加工路径规划方法另一实施例的工作流程图；图4为本发明加工路径规划方法中TSP求解另一实施例的工作流程图。结合附图1-4对本发明的加工路径规划方法作详细说明。
在本实施例中，应用加工路径规划方法的设备可以为电脑、手机、加工刀具控制***等具有计算能力和规划加工路径的智能终端。
在一个实施例中，加工路径规划方法包括：
S101：根据初始化策略选择加工路径中的节点构建环路。
在加工路径规划问题中，每两个加工区域之间的转移路径可能是非对称的，也就是说A到B的距离不等于B到A的距离，这类问题被称为非对称旅行商问题（AsymmetricTraveling Salesman Problem），在对这类问题求解时，需要将其转化为旅行商问题处理。
因此，根据初始化策略选择加工路径中的节点构建环路的步骤之前还包括：判断是否存在两个节点之间的转移路径不对称；若是，对加工路径中的节点的数据进行预处理；若否，根据初始化策略选择加工路径中的节点构建环路。
在本实施例中，对加工路径的数据进行预处理的步骤具体包括：构建加工路径的替代距离矩阵
，其中，D为加工路径中节点之间的距离矩阵，
，N为节点数。
因替代距离矩阵为2N规模方阵，为了实现替换距离矩阵，需要为每个节点对添加一个辅助节点，将节点数量从N个扩充到2N。
因此，对加工路径的数据进行预处理的步骤还包括：对加工路径中每个原始节点添加一个辅助节点，定义原始节点以及原始节点的辅助节点为相互固定节点，并获取加工路径中各节点之间的距离。
在一个具体的实施例中，
，扩展后的路径为Node1→Node1+n→Node2→Node2+n→...→Noden→Noden+n。扩展节点之后，定义Nodei，Nodei+n为相互固定节点，后续TSP求解过程中不会破坏
之间的连接关系。
在本实施例中，通过距离方程获取加工路径中各节点之间的距离，距离方程为：
其中，P为所有辅助节点的集合，辅助节点为
，Q为所有原始节点集合，原始节点为Nodei≤n，M为所有节点之间距离的最大值。
公式（1）表示如果两个节点都是原始节点或者扩展节点，返回路径中距离的最大值。
公式（2）表示如果两个节点编号刚好相差N，则这对节点为绑定节点，返回距离0。
公式（3）表示如果两个节点之间一个属于原始节点，一个属于扩展节点，返回节点之间的距离。
在本实施例中，构建环路的初始化策略有多种，可以根据不同加工路径的节点对应的路径规划问题进行选择初始化策略，不同的初始化策略会对不同类型的问题产生不同的结果。其中，根据加工路径的节点选择初始化策略的方式可根据用户需求和实际情况进行设置，在此不做限定。
在本实施例中，初始化策略包括贪心法、最近邻居法、最小生成树法中的任一种。
其中，贪心法：随机选择一个节点，然后选择距离这个节点最近的一个节点作为下一跳节点。
最近邻居法：随机选择一个节点，然后选择N个与这个节点最近的邻居节点，并随机选择一个作为下一跳节点，N为预设值。
最小生成树法：构建一个最小生成树，然后根据树造型构建一个环路。
S102：基于环路求解旅行商问题，根据求解结果加载当前最优解，所述当前最优解为当前最优路径。
在本实施例中，基于所述环路求解旅行商问题的步骤具体包括：
S201：遍历初始环路中的节点，以访问的节点为起点搜索预设数量的节点以及所述节点的相邻节点，通过节点、相邻节点形成预设数量的连接边。
在本实施例中，预设数量的数值在加工路径规划前进行配置，根据加工路径规划的精度和运行时间的多少对预设数量的具体数值进行调整。
在本实施例中，通过节点、相邻节点形成预设数量的连接边的步骤具体包括：将节点与节点的相邻节点连接形成连接边。
在本实施例中，预设数量为K，K为2，加工路径中有N个节点，根据初始化策略构建的初始环路为
，遍历初始环路所有节点，使用每一个节点作为边搜索的起点。然后以节点
作为起点，共搜索K个节点及其相邻节点。将搜索的节点与该节点的相邻节点连接形成K组连接边。
在一个具体的实施例中，K为2，以加工路径中的一个节点为起点搜索到两个节点
，可以得到两组连接边
。
S202：交换连接边的节点，并根据交换节点后的连接边构建新环路，根据新环路的总距离判断是否获取一个更优解，若是，则执行S203，若否，则执行S204。
在本实施例中，交换连接边的节点，并根据交换节点后的连接边构建新环路的步骤具体包括：将环路中部分或全部连接边拆开，并将不同连接边中的节点连接形成新的连接边，构建包括新的连接边的新环路。
在一个具体的实施例中，连接边为
，将连接边打断重构，得到新的连接边为
。为了得到这个连接，可以将路径中i+1到j之间的节点进行翻转，得到的新环路为Node1→Node2→...→Nodei-1→Nodej→...→Nodei→Nodej+1→...→Noden→Node1。
在本实施例中，根据新环路的方向计算每条连接边的长度，基于该长度获取加工路径的总距离。判断该总距离是否小于之前获取的当前最优解的总距离，若是，则确定获取一个更优解，若否，则确定没有获取一个更优解。
S203：将新环路对应的加工路径确定为当前最优解，并执行S201。
在本实施例中，确定获取更优解后，将当前最优解的加工路径替换为新环路对应的加工路径。并在当前最优解的基础上重新遍历环路中的每个节点以尝试获取更优的路径组合。
S204：判断遍历是否结束，若是，则输出当前最优解，若否，执行S201。
在本实施例中，在环路中的每个节点均遍历完毕后，确定没有找到更优的路径组合，则一次求解结束。
在本实施例中，根据求解结果加载当前最优解的步骤具体包括：判断求解结果是否优于当前最优解；若是，则将求解结果确定为当前最优解；若否，则不修改当前最优解。其中，根据求解结果对应的环路的总距离判断是否优于当前最优解，若该总距离距离大于当前最优解的总距离，则确定优于当前最优解。
S103：修改当前最优路径中的节点连接方式以形成新的环路。
修改所述当前最优路径中的节点连接方式以形成新的环路的步骤具体包括：将当前最优路径中的部分或全部连接边中的交点交换形成新的连接边，根据新的连接边形成新的环路。
在本实施例中，通过kick操作修改当前最优路径中的节点连接方式。
在一个具体的实施例中，kick操作使用的是double bridge swap双桥变换（选择一对边进行交换）形成新的环路。例如，当前最优路径中一对边为A->B, C->D，在进行双桥变换后，连接关系变为A->C, B->D。
在另一个具体的实施例中，保留多次TSP求解的求解结果，根据遗传算法对求解结果进行杂交获取一个后代路径，将该后代路径作为下一次TSP求解的环路。
S104：判断是否达到最大迭代次数，若是，则执行S105，若否，则执行S102。
迭代次数为TSP求解的次数，判断该次数是否达到预设的最大迭代次数，并在达到最大迭代次数后，停止进行TSP求解。
S105：根据当前最优解输出加工路径的最优解。
将当前最优解作为加工路径的最优解，输出该最优解。
本发明的搜索准确率高，可以非常快速的得到非常理想的结果，通过TSPLIB进行测试所有对称数据集一共64个数据，其中28%的数据得到最优解，40%的数据与最优解之间误差在1%之内，25%的数据误差在1%-3%之间，其余7%的数据集误差大于3%。且本发明可以同时处理TSP和ATSP问题，并且可以随时通过配置进行切换。
请查看表一，表一为本发明与Lin-Kernighanalgorithm解决TSPLIB数据集中问题的对比表。
表一、本发明与Lin-Kernighanalgorithm解决TSPLIB数据集中问题的对比表。
在上表中，cities为节点数，times为求解时间，Gap为与最优解之间的差距，其中，最优解由HK-relaxation方法求得。
通过上表可以看出，本发明可以在非常短的时间内获得比较好的结果，更加适合实际CAM应用，可以平衡精确度与计算成本，使利益最大化。并且本发明提供了配置参数K，可以通过修改参数，满足对更高精度的需求。本发明的计算过程更加轻量化，整体实现与资源消耗非常小，在实现了更加强大的功能的同时，减少了对计算资源的占用，不会因为进行求解造成计算机性能的下降。
有益效果：本发明加工路径规划方法根据初始化策略选择节点构建环路，对该环路求解TSP问题得到最优解后，通过修改该最优解的路径形成新的环路，利用新的环路求解TSP问题的方式跳出当前最优解，能够通过修改路径的方式不断的尝试求解旅行商问题，不容易陷入局部最优解，且框架结构简单，降低了计算量和设备的计算能力要求，节省了计算成本，还可以通过不同的初始化策略进一步提高算法的搜索效率的精确度，可扩展性强。
基于相同的发明构思，本发明还提出一种智能终端，请参阅5，图5为本发明智能终端一实施例的结构图，结合图5对本发明的智能终端进行说明。
在本实施例中，智能终端包括处理器、存储器，处理器与存储器通信连接，存储器存储有计算机程序，处理器根据计算机程序执行如上述实施例所述的加工路径规划方法。
有益效果：本发明的智能终端根据初始化策略选择节点构建环路，对该环路求解TSP问题得到最优解后，通过修改该最优解的路径形成新的环路，利用新的环路求解TSP问题的方式跳出当前最优解，能够通过修改路径的方式不断的尝试求解旅行商问题，不容易陷入局部最优解，且框架结构简单，降低了计算量和设备的计算能力要求，节省了计算成本，还可以通过不同的初始化策略进一步提高算法的搜索效率的精确度，可扩展性强。
基于相同的发明构思，本发明又提出一种存储装置，请参阅图6，图6为本发明存储装置一实施例的结构图。
在本实施例中，存储装置存储有程序数据，该程序数据被用于执行如上述实施例所述的加工路径规划方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端、***和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立地产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文全称：Read-Only加工路径规划方法Memory，英文缩写：ROM）、随机存取存储器（英文全称：Random加工路径规划方法Access加工路径规划方法Memory，英文缩写：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种加工路径规划方法，其特征在于，所述加工路径规划方法包括：
S101：根据初始化策略选择加工路径中的节点构建环路；
S102：基于所述环路求解旅行商问题，根据求解结果加载当前最优解，所述当前最优解为当前最优路径；
S103：修改所述当前最优路径中的节点连接方式以形成新的环路；
S104：判断是否达到最大迭代次数，若是，则执行S105，若否，则执行S102；
S105：根据所述当前最优解输出所述加工路径的最优解；
所述根据初始化策略选择加工路径中的节点构建环路的步骤之前还包括：
判断是否存在两个节点之间的转移路径不对称；
若是，对所述加工路径中的节点的数据进行预处理以使两节点之间的距离相等；
若否，根据初始化策略选择加工路径中的节点构建环路。
2.如权利要求1所述的加工路径规划方法，其特征在于，所述对所述加工路径中的节点的数据进行预处理的步骤具体包括：
构建所述加工路径中节点的替代距离矩阵
，其中，D为加工路径中节点之间的距离矩阵，
，N为节点数，j∈N，且i，j为正整数。
3.如权利要求2所述的加工路径规划方法，其特征在于，所述对所述加工路径中的节点的数据进行预处理的步骤还包括：
对所述加工路径中每个原始节点添加一个辅助节点，定义所述原始节点以及所述原始节点的辅助节点为相互固定节点，并获取所述加工路径中各节点之间的距离。
4.如权利要求3所述的加工路径规划方法，其特征在于，通过距离方程获取加工路径中各节点之间的距离，所述距离方程为：
其中，P为所有辅助节点的集合，i，j为正整数，1≤i≤2n，1≤j≤2n，n为原始节点的数量，Nodei表示加工路径中的第i个节点，D（i，j-n）为第i个节点和第j个节点之间的距离，D（j，i-n）为第j个节点和第i个节点之间的距离，ELSE表示否则，辅助节点为
，Q为所有原始节点集合，原始节点为
，M为所有节点之间距离的最大值。
5.如权利要求1所述的加工路径规划方法，其特征在于，所述基于所述环路求解旅行商问题的步骤具体包括：
S201：遍历初始环路中的节点，以访问的节点为起点搜索预设数量的节点以及所述节点的相邻节点，通过所述节点、相邻节点形成预设数量的连接边；
S202：交换所述连接边的节点，并根据交换节点后的连接边构建新环路，根据所述新环路的总距离判断是否获取一个更优解，若是，则执行S203，若否，则执行S204；
S203：将所述新环路对应的加工路径确定为当前最优解，并执行S201；
S204：判断遍历是否结束，若是，则输出当前最优解，若否，执行S201。
6.如权利要求1所述的加工路径规划方法，其特征在于，所述根据求解结果加载当前最优解的步骤具体包括：
判断所述求解结果是否优于所述当前最优解；
若是，则将所述求解结果确定为当前最优解；
若否，则不修改所述当前最优解。
7.如权利要求1所述的加工路径规划方法，其特征在于，所述修改所述当前最优路径中的节点连接方式以形成新的环路的步骤具体包括：
将所述当前最优路径中的部分或全部连接边中的交点交换形成新的连接边，根据所述新的连接边形成新的环路。
8.一种智能终端，其特征在于，所述智能终端包括处理器、存储器，所述处理器与所述存储器通信连接，所述存储器存储有计算机程序，所述处理器根据所述计算机程序执行如权利要求1-7任一项所述的加工路径规划方法。
9.一种存储装置，其特征在于，所述存储装置存储有程序数据，所述程序数据被用于执行如权利要求1-7任一项所述的加工路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110784095.0A CN113256035B (zh) | 2021-07-12 | 2021-07-12 | 加工路径规划方法、智能终端以及存储装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110784095.0A CN113256035B (zh) | 2021-07-12 | 2021-07-12 | 加工路径规划方法、智能终端以及存储装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256035A CN113256035A (zh) | 2021-08-13 |
| CN113256035B true CN113256035B (zh) | 2021-11-19 |
Family
ID=77191089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110784095.0A Active CN113256035B (zh) | 2021-07-12 | 2021-07-12 | 加工路径规划方法、智能终端以及存储装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256035B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107932505A (zh) * | 2017-11-15 | 2018-04-20 | 广东工业大学 | 基于关节臂机器人的最优打磨任务路径规划方法和装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106060886B (zh) * | 2016-05-20 | 2019-08-30 | 河海大学常州校区 | 一种基于不对称链路的水声传感器网络路由协议构建方法 |
| US10782670B2 (en) * | 2016-12-14 | 2020-09-22 | The Boeing Company | Robotic task system |
| CN110519721A (zh) * | 2019-08-28 | 2019-11-29 | 中南大学 | 一种WSRNs中机器人替换失效传感器的路径优化方法 |
| CN110674978A (zh) * | 2019-09-10 | 2020-01-10 | 大连理工大学 | 一种车间无人运输***任务分配与路径规划方法 |
-
2021
- 2021-07-12 CN CN202110784095.0A patent/CN113256035B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107932505A (zh) * | 2017-11-15 | 2018-04-20 | 广东工业大学 | 基于关节臂机器人的最优打磨任务路径规划方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 电商仓储联合订单批次分配排序和拣选路径问题;王迪;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20210115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256035A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110009486B (zh) | 一种欺诈检测的方法、***、设备及计算机可读存储介质 | |
| Mills et al. | Applying an extended guided local search to the quadratic assignment problem | |
| Mirsadeghi et al. | Exploiting common neighborhoods to optimize MPI neighborhood collectives | |
| CN113706326A (zh) | 基于矩阵运算的移动社会网络图修改方法 | |
| CN101458716A (zh) | 一种图中节点间最短路径的查找方法 | |
| CN113256035B (zh) | 加工路径规划方法、智能终端以及存储装置 | |
| CN110727831A (zh) | 全路径计算方法、装置、计算机设备和存储介质 | |
| CN109993338B (zh) | 一种链路预测方法及装置 | |
| Bhardwaj et al. | Restructurable activation networks | |
| CN113515903B (zh) | 一种分区封装的快速寻点方法、存储介质及终端 | |
| CN113542115B (zh) | 基于sdn电力通信网络的数据路径确定方法、装置及*** | |
| CN114980216A (zh) | 基于移动边缘计算的依赖型任务卸载***及方法 | |
| Chen et al. | A distributed graph partitioning algorithm for processing large graphs | |
| CN117251380B (zh) | 一种面向单调流式图的优先级异步调度方法及*** | |
| Chiu et al. | An adaptive heuristic algorithm with the probabilistic safety vector for fault-tolerant routing on the (n, k)-star graph | |
| Santos et al. | Memory efficient edge addition designs for large and dynamic social networks | |
| Teng et al. | A New Frog Leaping Algorithm Based on Simulated Annealing and Immunization Algorithm for Low-power Mapping in Network-on-chip. | |
| Souravlas et al. | Dynamic Load Balancing on All-to-All Personalized Communications Using the NNLB Principal | |
| Niu et al. | A self-stabilizing memetic algorithm for minimum weakly connected dominating set problems | |
| Chhadva et al. | Architecture for mobile cloud computing using five level offloading (armflora) | |
| Lai et al. | Exploiting and evaluating MapReduce for large-scale graph mining | |
| CN116501739A (zh) | 一种图数据分布式存储方法及装置 | |
| Fraccaroli et al. | FAST-CON: a Multi-source Approach for Efficient S-T Connectivity on Sparse Graphs | |
| Dumrauf et al. | COMPUTING NASH EQUILIBRIA FOR TWO-PLAYER RESTRICTED NETWORK CONGESTION GAMES IS-COMPLETE | |
| Mabu et al. | Evolving plural programs by genetic network programming with multi-start nodes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |