CN113642264A - 基于遗传算法的排样方法及装置 - Google Patents
基于遗传算法的排样方法及装置 Download PDFInfo
- Publication number
- CN113642264A CN113642264A CN202111213455.8A CN202111213455A CN113642264A CN 113642264 A CN113642264 A CN 113642264A CN 202111213455 A CN202111213455 A CN 202111213455A CN 113642264 A CN113642264 A CN 113642264A
- Authority
- CN
- China
- Prior art keywords
- standard
- layout
- gene
- codes
- code
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 28
- 230000002068 genetic effect Effects 0.000 title claims abstract description 28
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 207
- 108700003861 Dominant Genes Proteins 0.000 claims abstract description 92
- 239000000463 material Substances 0.000 claims abstract description 69
- 230000035772 mutation Effects 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 20
- 108091026890 Coding region Proteins 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005034 decoration Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009401 outcrossing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Document Processing Apparatus (AREA)
Abstract
本公开涉及计算机技术领域,提供了一种基于遗传算法的排样方法及装置。该方法包括:基于标准件信息和排样件信息,确定基因编码方式;基于基因编码方式,生成初始种群,初始种群包括多个基因编码,基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;获取每个基因编码的适应度;基于适应度,确定优势基因编码;对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;若满足预设终止条件,则确定优势种群中优势基因编码对应的排样方案为目标排样方案。本公开提高了种群迭代速率,不仅可以快速获得目标排样方案,降低材料损耗,而且极大提高了计算效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种基于遗传算法的排样方法及装置。
背景技术
房屋在交付用户入住之前,通常需要对室内进行装修。随着房间内各处结构的不同,对于材料的形状、尺寸等要求也不同,而工厂提供的材料通常为标准件,因此在装修过程中需要对原材料进行裁切,以获得满足要求的非标准件。然而,现有技术在对标准件进行裁切时,通常是基于人工经验对非标准件进行排样、裁切,导致标准件的损耗较高,材料利用率低。
发明内容
有鉴于此,本公开实施例提供了一种基于遗传算法的排样方法及装置,以解决现有技术中对非标准件进行排样时材料利用率低的问题。
本公开实施例的第一方面,提供了一种基于遗传算法的排样方法,包括:
基于标准件信息和排样件信息,确定基因编码方式;
基于基因编码方式,生成初始种群,初始种群包括多个基因编码,基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;
获取多个基因编码中每个基因编码的适应度;
基于适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码;
对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;
若满足预设终止条件,则确定优势种群中的优势基因编码对应的排样方案为目标排样方案。
本公开实施例的第二方面,提供了一种基于遗传算法的排样装置,包括:
编码方式确定模块,被配置为基于标准件信息和排样件信息,确定基因编码方式;
初始种群生成模块,被配置为基于基因编码方式,生成初始种群,初始种群包括多个基因编码,基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;
适应度获取模块,被配置为获取多个基因编码中每个基因编码的适应度;
优势基因编码确定模块,被配置为基于适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码;
优势种群生成模块,被配置为对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;
目标排样确定模块,被配置为若满足预设终止条件,则确定优势种群中的优势基因编码对应的排样方案为目标排样方案。
本公开实施例的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:本公开实施例提供的技术方案采用两段式编码方式对标准件和排样件进行基因编码,通过适应度对基因编码进行筛选以获得优势基因编码,同时在生成优势种群过程中采用双点位交叉和变异操作,极大提高了种群迭代速率,不仅可以快速获得目标排样方案,降低材料损耗,而且极大减小了计算量,提高了计算效率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本公开实施例的一种应用场景的场景示意图;
图2是本公开实施例提供的基于遗传算法的排样方法的流程图;
图3是本公开实施例提供的基于遗传算法的排样方法中获取基因编码的适应度的流程图;
图4是本公开实施例提供的一种基于遗传算法的排样方法的具体实施例的流程图;
图5是本公开实施例提供的基于遗传算法的排样方法中不同开槽方式的墙板示意图;
图6是本公开实施例提供的基于遗传算法的排样方法中基因编码进行交叉和变异操作的示意图;
图7是本公开实施例提供的基于遗传算法的排样装置的框图;
图8是本公开实施例提供的一种计算机设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
在对房间进行装修的过程中,通常需要用到不同形状、尺寸、颜色或者材质的材料,以满足不同位置、不同结构对材料的要求,而工厂提供的材料通常为标准件,因此在实际使用过程中,需要对原材料(即标准件)进行裁切,以获得满足要求的非标准件(即排样件)。在对标准件进行裁切时,需要在标准件上排布至少一个排样件,排样件的尺寸需要小于标准件的尺寸,从而能够通过对标准件进行裁切,以获得排样件,被裁切下不能继续使用的部分为余料。为了降低材料损耗,标准件上需要尽可能多且不重叠地排布排样件,以减少余料。
以装饰墙板为例,在室内装修设计过程中,获得墙板排布的图纸或模型后,可以进一步获得房间内不同位置墙板的尺寸和属性信息,属性信息包括开槽方式、颜色、材质等,材质包括纹理等信息。由于提供的墙板为标准墙板,而实际使用中所需要的墙板为非标准墙板,因此需要根据墙板的尺寸和属性信息在标准墙板上进行排样,以获得满足要求的非标准墙板供使用。应当理解的是,除了装饰墙板以外,其他的材料也会面临类似的问题,例如瓷砖、窗台板、收边条、踢脚线等,此处不做限制。
在对非标准件进行排样时,目前常采用的方法是根据人工经验排列组合得到排样结果,但是根据人工经验进行排样时具有非常强的主观性,难以保证能够充分利用标准件,从而导致标准件的损耗较高,材料利用率低。不仅如此,对于标准件和排样件种类较多的情况,排样工作量巨大,人工排样的效率低下。
除了根据人工经验进行排样外,一种可以考虑的方法是单板进位法。例如,排样件的尺寸为280x2000(mm)、420x2000(mm),标准件包括300x2000(mm)、600x2000(mm)标准件,则通过单板进位法确定280x2000(mm)的排样件进位为300x2000(mm)的标准件,420x2000(mm) 的排样件进位为600x2000(mm)的标准件。单板进位法在进行排样时方法简单,但是由于一个标准件上仅排布一个排样件,容易造成材料浪费,导致材料的损耗较高,材料利用率低。另一种可以考虑的方法是穷举法,即将所有标准件和所有排样件进行无差别排布,理论上穷尽所有可能的排样方案后从中选择损耗最小的排样方案。然而,这种方法对应的计算量巨大,例如针对200种尺寸和属性不同的排样件,其排样方案可达10282种,计算量巨大,计算效率低下。
本公开实施例则提供了一种完全不同的自动排样方法,采用改进的遗传算法对排样件在标准件上进行排样,通过两段式基因编码方式进行基因编码,同时在生成优势种群过程中采用双点位交叉和变异操作,极大提高了种群迭代速率,不仅可以快速获得目标排样方案,降低材料损耗,而且减小了计算量,提高了计算效率。
下面将结合附图详细说明根据本公开实施例的一种基于遗传算法的排样方法和装置。
图1是本公开实施例的一种应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
终端设备101、102和103可以是硬件,也可以是软件。当终端设备101、102和103为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等,终端设备的显示屏可以是触摸显示屏,也可以是非触摸显示屏,此时终端设备还设置有交互设备,例如鼠标、键盘等。当终端设备101、102和103为软件时,其可以安装在如上所述的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备101、102和103上可以安装有各种应用,例如材料排样应用程序、数据处理应用程序、搜索类应用程序等。
服务器104可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器104可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104为硬件时,其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时,其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块,也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,WIFI、蓝牙(Bluetooth)、近场通信(NearField Communication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接,以接收或发送信息等。具体地,终端设备设置有材料排样应用程序,在材料排样应用程序运行过程中,终端设备界面显示排样页面,排样页面可以使用可视化引擎设计得到。用户通过终端设备输入标准件信息和排样件信息等基本信息,终端设备接收到进行排样的基本信息后,将基本信息发送至服务器104。服务器104基于获取的标准件信息和排样件信息,确定基因编码方式,并基于基因编码方式生成包含多个基因编码的初始种群,并计算每个基因编码的适应度。进一步地,服务器104确定符合预设要求的适应度对应的基因编码为优势基因编码,并对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群,并基于优势种群重新进行适应度计算、优势基因编码确定等,对种群进行迭代。在迭代过程中,服务器104判断是否满足预设的迭代终止条件,若满足终止条件,则确定优势种群中的优势基因编码对应的排样方案为目标排样方案,并通过终端设备进行显示,以确保用户可以查看目标排样方案。
需要说明的是,终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
在其他实施例中,也可以仅通过终端设备实现本实施例提供的基于遗传算法的排样方法,此时终端设备内置有提供各种服务的多个软件或软件模块、也可以是提供各种服务的单个软件或软件模块,此处不做限制。
图2是本公开实施例提供的一种基于遗传算法的排样方法的流程图。图2的基于遗传算法的排样方法可以由图1的终端设备或服务器执行。遗传算法(Genetic Algorithm,GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。本公开实施例基于遗传算法进行排样,以获取满足条件的排样方案。如图2所示,该基于遗传算法的排样方法包括:
S201,基于标准件信息和排样件信息,确定基因编码方式。
在本实施例中,标准件指的是具有固定尺寸的材料,其由工厂进行统一加工生产,可以视为标准化产品;排样件指的是在实际工程中根据不同的场景所需要的尺寸不同的材料,视实际应用场景进行确定。标准件和排样件可以是按规格面积进行分类的材料(例如墙板、瓷砖等),也可以是按规格长度进行分类的材料(例如收边条、踢脚线等)。排样指的是按照排样件信息在标准件上进行排布,并基于排布方式进行裁切以获得排样件,从而充分利用标准件,降低材料损耗。
应当理解的是,为了确保排样件可以通过标准件裁切得到,排样件的尺寸需要不大于标准件的尺寸,排样件的尺寸也可以能和标准件的尺寸相同,例如在某一使用场景下所需要的排样件的尺寸正好与某一标准件的尺寸相同。此处的不大于指的是排样件的各个尺寸均需要不大于标准件的对应尺寸,例如对于按规格面积进行分类的材料,排样件的长和宽需要对应不大于标准件的长和宽;对于按规格长度进行分类的材料,排样件的长度需要对应不大于标准件的长度。
在进行排样过程中,需要首先获取标准件信息和排样件信息。标准件和排样件的信息的获取方式可以根据需要进行。例如,在终端设备显示排样页面时,排样页面可以提示输入标准件信息,此时用户通过点击页面相应位置,通过触摸屏或者外设输入标准件信息,输入的方式可以是录入标准件信息,也可以是从标准库中选择相应的标准件。排样页面也可以提示输入排样件信息,此时用户通过点击页面相应位置,通过触摸屏或者外设输入排样件信息,输入的方式可以是录入标准件信息,也可以从工程库中选择相应的标准件,还可以是输入设计图纸,通过对设计图纸进行解析以获得排样件信息。
以房屋装修为例进行说明。房屋在装修过程中需要使用不同材料,可以根据装修要求建立标准库,标准库中包括可供选择的材料的标准件信息。由于每个房间的结构不同,从而需要的排样件的尺寸不同,可以根据房间结构建立工程库,工程库中包括实际需要用到的排样件信息。当然,排样件信息也可以不用建立工程库,而是通过对装修设计图纸或模型进行识别来获得排样件信息,例如在装修设计过程中绘制墙板排布的图纸,通过对该图纸进行解析,即可获得墙板排样件的信息。
在获取了标准件信息和排样件信息后,则可以确定基因编码方式,基因编码方式决定了生成的基因编码的形式以及基因编码构成。请参阅图5,本公开实施例中采用两段式编码,获得的基因编码包括标准段编码和排样段编码,两段编码连接在一起。其中标准段编码包括至少一位编码,当包括多位编码时,其编码顺序对应标准件序列;排样段编码包括至少一位编码,当包括多维编码时,其编码顺序对应排样件序列。
S202,基于基因编码方式,生成初始种群,初始种群包括多个基因编码,基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案。
初始种群的每个基因编码可以随机生成,也可以根据其他方式生成,所生成的每个基因编码的编码顺序则对应了不同的排样方案。基因编码的标准段编码对应标准件的排序,基因编码的排样段编码对应排样件的排序,在进行排样过程中,优先选用排列靠前的排样件在排列靠前的标准件上进行排样。生成基因编码的数量与基因编码长度相适应,基因编码长度与标准件、排样件的类别相关。例如,标准件的类别越多,则意味着可选择的标准件种类越多,此时标准段编码越长,排样件的类别越多,则意味着所需要的排样件种类越多,此时排样段编码越长,从而基因编码的长度越长。基因编码长度越长,则生成的初始种群中基因编码数量相对越多,以增加种群数量的多样性。
S203,获取多个基因编码中每个基因编码的适应度。
适应度反映了基因编码所对应的个体的适应性,适应度越高,则基因编码所对应的个体的适应性越强,其优势越明显,越应当作为最优解。通过计算初始种群中所有基因编码的适应度,可以获知该初始种群的适应性情况。
S204,基于适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码。
在本公开实施例中,基因编码的适应度反映了排样过程中所产生的余料情况,基因编码的适应度越高,则对应的排样方案裁切过程中产生的余料越少,对于材料的利用率越高,这样的基因编码确定为优势基因编码后越有利于种群的演化,从而有利于获得最优解。优势基因编码的数量可以为一个,也可以为多个,此处不做限制。
S205,对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群。
对优势基因编码进行交叉和变异操作,可以增加种群的多样性,从而加速获得最优解。本公开实施例采用双点位交叉的方式对优势基因编码进行交叉操作,即标准段编码和排样段编码均进行交叉操作,且交叉操作过程中,两个优势基因编码的标准段编码对应进行交叉操作、排样段编码对应进行交叉操作。本公开实施例进一步采用双点位变异的方式对经过双点位交叉操作的基因编码进行变异操作,即标准段编码和排样段编码均进行变异操作,且变异操作过程中,基因编码的标准段编码进行变异操作、排样段编码进行交叉操作。经过双点位交叉和双点位变异操作后,本公开实施获得的优势种群中基因编码的多样性得到进一步增强。
S206,若满足预设终止条件,则确定优势种群中的优势基因编码对应的排样方案为目标排样。
针对获得的优势种群,需要不断通过适应度计算、优势基因编码确定、基因编码交叉、基因编码变异过程来对基因编码进行迭代,实现种群的演化。当满足终止条件时,意味着种群已经演化完全,获得了满足条件的优势基因编码,此时基因编码迭代终止,优势种群中的优势基因编码对应的适应度最高,将其对应的排样方案确定为目标排样方案,所产生的余料更少,材料的利用率更高。
本公开实施例提供的技术方案采用两段式编码方式对标准件和排样件进行基因编码,通过适应度对基因编码进行筛选以获得优势基因编码,同时在生成优势种群过程中采用双点位交叉和变异操作,极大提高了种群迭代速率,不仅可以快速获得目标排样方案,降低材料损耗,而且极大减小了计算量,提高了计算效率。
进一步地,基于标准件信息和排样件信息的不同,步骤S201中确定基因编码的方式也不同。
在一些实施例中,标准件信息至少包括标准件类别和标准件尺寸,排样件信息至少包括排样件类别和排样件尺寸。其中,每种类别的标准件对应一种标准件尺寸,例如“1”类标准件对应的尺寸为300x2000(mm),“2”类标准件对应的尺寸为600x2000(mm),以此类推;每种类别的排样件对应一种排样件尺寸,例如“1”类排样件对应的尺寸为280 x2000(mm) 4,“2”类排样件对应的尺寸为420x2000(mm),以此类推。
在获取了标准件信息后,可以基于标准件的类别数量确定标准段编码的编码位数,每一位编码对应一个标准件类别,多位编码按照顺序依次排列,排列越靠前的编码对应标准件在排样过程中优先进行排样。在获取了排样件信息后,可以基于排样件的类别数量确定排样段编码的编码位数,每一位编码对应一个排样件类别,多位编码按照顺序依次排列,排列越靠前的编码对应的排样件在进行排样时优先进行排样。在确定了标准段编码的方式和排样段编码的方式后,可确定基因编码方式,即将标准段基因编码与排样段基因编码连接在一起,即可获得基因编码,其中标准段基因编码与排样段基因编码的前后关系可以根据需要进行设置,例如可以是标准段基因编码在前、排样段基因编码在后,也可以是排样段基因编码在前、标准段基因编码在后,此处不做限制。在该实施例中,各类标准件均不具有优先级,此时标准编码段中各位编码可以随机生成,即在排样过程中,可以任意选择哪种标准件进行排样。
在一些实施例中,考虑到实际工程要求,需要优先采用某一种或某几种标准件进行排样,尔后才考虑其他类型的标准件,此时需要对各标准件定义优先级,优先级越高,其对应编码排列的位置越靠前,且保持其编码在后续过程中不发生改变。此时,标准件信息至少包括标准件类别、标准件尺寸和标准件优先级,排样件信息至少包括排样件类别和排样件尺寸。其中,每种类别的标准件对应一种标准件尺寸,每种类别的排样件对应一种排样件尺寸。
在获取了标准件信息后,可以基于标准件的类别数量确定标准段编码的编码位数,每一位编码对应一个标准件类别,多位编码按照顺序依次排列,并基于标准件的优先级依次确定标准段编码中对应位置的编码,排列越靠前的编码对应的标准件在排样过程中优先进行排样。例如,对于具有6种类别的标准件,“1”类标准件的优先级最高,则其位置排列在标准段编码的第一位,此时该位置的编码固定为“1”类标准件的编码,后5位编码可以随机确定。在获取了排样件信息后,可以基于排样件的类别数量确定排样段编码的编码位数,每一位编码对应一个排样件类别,多位编码按照顺序依次排列,排列越靠前的编码对应的排样件在进行排样时优先进行排样。将标准段基因编码与排样段基因编码连接在一起即可获得基因编码。在该实施例中,由于各类标准件的优先级不同,对于具有优先级的标准件,则按照各标准件的优先级依次确定标准段编码中对应位置的编码,对于不具有优先级的标准件,则在编码生成过程中随机填充后续位数的编码。
在生成初始种群的过程中,根据不同的基因编码方式,生成基因编码的方式也不相同。若所有标准件均不具有优先级,则在生成基因编码时,各标准段编码位置随机生成各标准件对应的编码,各排样段编码位置随机生成各排样件对应的编码。若部分标准件具有优先级,则在生成基因编码时,标准段编码中与该优先级的标准件对应位置的编码不变,后续编码位置随机生成其余标准件对应的编码,各排样段编码位置随机生成各排样件对应的编码。
在生成了初始种群后,需要进一步计算各基因编码的适应度。图3是本公开实施例提供的获取基因编码的适应度的流程图,步骤S203中获取每个基因编码的适应度的步骤包括:
S301,基于每个基因编码的排样段编码的编码顺序,依次将排样段编码中每位编码对应的排样件确定为当前排样件;
S302,基于标准段编码的编码顺序,依次将标准段编码中每位编码对应的标准件确定为当前标准件;
S303,基于标准件信息和排样件信息,确定当前排样件在当前标准件是否满足排样要求;
若当前排样件在当前标准件上满足排样要求,则:
S304,确认当前排样件的排样位置为当前标准件,并返回步骤S301;
若所述当前排样件在所述当前标准件上不满足排样要求,则返回步骤S302;
S305,遍历排样段编码中所有编码对应的排样件后,基于标准件的总尺寸以及标准件上排布的排样件的总尺寸,确定每个基因编码的适应度。
具体地,以标准件类别数为6种、排样件类别数为10为例进行说明(如图5所示)。6种标准件的编码分别为1、2、3、4、5、6,10种排样件的编码分别为1、2、3、4、5、6、7、8、9、10,随机生成的一种基因编码标准段编码依次为1、3、6、5、4、2,排样段编码依次为1、6、8、5、7、2、3、4、9、10。首先将排样段编码中位于第一位的编码为“1”对应的排样件确定为当前排样件,并将标准段编码中位于第一位的编码为“1”对应的标准件确定为当前标准件;将当前排样件在当前标准件上进行排样,确定是否满足排样要求,若满足排样要求,则当前排样件“1”的排样位置为当前标准件“1”。继续将排样段编码中位于第二位的编码为“3”对应的排样件确定为当前排样件,并将标准段编码中位于第一位的编码为“1”对应的标准件确定为当前标准件;将当前排样件在当前标准件上进行排样,确定是否满足排样要求,若不满足排样要求,则继续将标准段编码中位于第二位的编码为“6”对应的标准件确定为当前标准件;将当前排样件在当前标准件上进行排样,确定是否满足排样要求,若满足排样要求,则当前排样件“3”的排样位置为当前标准件“6”。依次类推,遍历排样段编码中所有编码对应的排样件,直到所有排样件在标准件上排样完毕,则排样过程结束。然后再基于排样结果,计算基因编码的适应度。
在确定当前排样件在当前标准件上是否满足排样要求时,根据标准件和排样件信息的不同,排样要求也相应不同。
在一些实施例中,标准件信息包括标准件的类别和标准件的尺寸,排样件信息包括排样件的类别和排样件的尺寸,此时在排样过程中,基于当前标准件的尺寸及其排布的排样件的尺寸,确定当前标准件的剩余尺寸;基于当前排样件的尺寸和当前标准件的剩余尺寸,确定当前排样件是否可以排布于当前标准件上。具体地,由于标准件的尺寸不小于排样件的尺寸,则标准件上可以不止排布一个标准件,且在排样过程中是依次将排样件在标准件上进行排样,若标准件上已经排布有排样件,则需要确认标准件的剩余尺寸是否可以对当前排样件进行排样。
在一些实施例中,标准件信息不仅包括标准件的类别和尺寸,还包括标准件的属性信息,属性信息根据材料的不同而不同,可以包括开槽方式、颜色、材质中的至少一种。此时在排样过程中,首先需要确认当前排样件的属性信息与当前标准件的属性信息是否一致,若两者一致,则继续基于当前标准件的尺寸及其排布的排样件的尺寸,确定当前标准件的剩余尺寸;基于当前排样件的尺寸和当前标准件的剩余尺寸,确定当前排样件是否可以排布于当前标准件上。
以墙板为例,根据开槽方式不同,墙板标准件包括双边开槽标准件(如图6中(a)所示)、单边开槽标准件(如图6中(b)所示)和无开槽标准件(如图6中(c)所示);按照风格要求不同,材质包括木纹、皮纹、石纹等类型。在进行排样时,首先判断当前排样件的开槽方式与当前标准件的开槽方式是否相同,若开槽方式相同,则继续判断当前排样件的材质与标准排样件的材质是否相同,若材质也相同,再根据尺寸进行排样。与传统的采用裁切后再开槽以及再贴不同材质的膜层方式不同,本公开实施例通过对开槽方式和材质进行匹配,针对已经开槽和贴附材质膜层的成品标准件进行裁切,可以直接获得已经开槽和贴有膜层的排样件,不仅简化了制作工艺,而且获得的排样件质量更佳。
以收边条为例,不同收边条的颜色、材质和长度不同,在进行排样时,首先判断收边条排样件的颜色与收边条标准件的颜色是否一致;当两者一致时,然后判断收边条排样件的材质与收边条标准件的材质是否一致;当两者一致时,在根据长度尺寸进行排样。
当然,在其他实施例中,属性信息还可以包括其他类型的信息,并不仅限于上述的情形,此处不做限制。
在基于排样结果计算基因编码的适应度时,首先基于每类标准件的尺寸以及标准件上排布的排样件的总尺寸,确定每类标准件的余料;然后基于每类标准件的余料,确定标准件的总余料;再基于总余料,确定每个基因编码的适应度,适应度为总余料的倒数。根据标准件和排样件的尺寸规格分类不同,具体的计算方式也不相同。
以墙板为例,墙板的尺寸对应墙板面积,因此是根据当前排样件的面积以及当前标准件的剩余面积进行排样,适应度计算公式为:
其中,S 标准,i 表示第i个标准件的面积;
S 排样,i,j 表示在第i个标准件上排布的第j个排样件的面积;
m表示标准件的类别数量;
n表示排样件的类别数量;
f(S)表示适应度,即为余料总面积的倒数,余料总面积越小,则适应度值越大,对应基因编码的适应性越强。
以收边条为例,收边条的尺寸对应收边条的长度,因此是根据当前排样件的长度以及当前标准件的剩余长度进行排样,适应度计算公式为:
其中,L 标准,i 表示第i个标准件的长度;
L 排样,i,j 表示在第i个标准件上排布的第j个排样件的长度;
m表示标准件的类别数;
n表示排样件的类别数;
f(L)表示适应度,即为余料总长度的倒数,余料总长度越小,则适应度值越大,对应基因编码的适应性越强。
在获取了初始种群中所有基因编码的适应度值以后,根据每个基因编码的适应度对初始种群的基因编码进行排序,以获得基因编码序列,排列顺序可以是根据适应度从大到小排列,也可以是根据适应度从小到大排列。在选取优势基因编码时,考虑到适应度越高则适应性越强,越有利于种群演化,因此可以是将基因编码序列中适应度最高的基因编码确定为优势基因编码,也可以是将基因编码序列中适应度高于预设阈值的基因编码确定为优势基因编码,还可以是将基因编码序列中按照从高到低顺序预设数量的基因编码确定为优势基因编码。应当理解的是,无论何种方式进行优势基因编码选择,选择的优势基因编码的数量可以为一个,也可以为多个。
在获取了优势基因编码后,可以对优势基因编码进行复制,以获得更多数量的优势基因编码。请参阅图5,为了进一步提高基因编码的多样性,步骤S205中对优势基因编码进行双点位交叉操作和双点位变异操作的具体过程包括:
首先,将一个优势基因编码(基因编码一)中标准段编码的至少两个位置与另一个优势基因编码(基因编码二)中标准段编码的对应位置确定为标准段交叉位置,同时将一个优势基因编码(基因编码一)中排样段编码的至少两个位置与另一个优势基因编码(基因编码二)中排样段编码的对应位置的编码确定为排样段交叉位置。将至少两个优势基因编码的标准段交叉位置的编码进行调换,同时将至少两个优势基因编码的排样段交叉位置的编码进行调换,获得交叉基因编码。标准段交叉位置的编码可以相邻,也可以不相邻,排样段交叉位置的编码可以相邻,也可以不相邻,此处不做限制。生成的交叉基因编码对应一种新的排样方案。当标准段编码没有指定优先级时,标准段交叉位置可以随机选择;当标准段编码指定有优先级时,则具有优先级的编码位置不进行交叉操作,标准段交叉位置在其他位置中随机选择。
其次,将交叉基因编码中标准段编码的至少两个位置确定为标准段变异位置,同时将交叉基因编码中排样段编码的至少两个位置确定为排样段变异位置。将交叉基因编码的标准段变异位置的编码进行调换,同时将交叉基因编码的排样段变异位置的编码进行调换,获得的新基因编码作为下一代基因编码。标准段变异位置的编码可以相邻,也可以不相邻,排样段变异位置的编码可以相邻,也可以不相邻,此处不做限制。当标准段编码没有指定优先级时,标准段变异位置可以随机选择;当标准段编码指定有优先级时,则具有优先级的编码位置不进行变异操作,标准段变异位置在其他位置中随机选择。
然后,根据优势基因编码和下一代基因编码构建优势种群,即生成的优势种群中不仅包括上一代种群中选出的优势基因编码,而且包括该优势基因编码经过交叉、变异操作后生成的新基因编码。
本公开实施例中不仅通过对标准段和排样段不同位置的编码同时进行交叉操作,而且通过调换的方式进行基因编码变异,在确保了随机性的同时也确保了变异过程中不发生重复,增加了种群的多样性。
针对获得的优势种群需要进行迭代,以实现种群演化。迭代的过程为:返回步骤S203,获取优势种群中所有基因编码的适应度,并将本次获取的最高值适应度对应的基因编码确定为新的优势基因编码,并判断该适应度值是否满足迭代终止条件;若不满足迭代终止条件,则重复进行步骤S204和步骤S205,生成新的优势种群,再返回步骤S203。通过循环上述过程,实现优势种群的不断迭代,直到获取的适应度值满足迭代终止条件。当满足迭代终止条件时,迭代终止,将当前的优势种群中的优势基因编码确定为目标基因编码,对应的排样方案为目标排样方案。
迭代终止条件可以根据需要进行设置。例如,迭代终止条件可以为适应度高于目标阈值,则每次确定优势种群的优势基因编码后,需要判断优势基因编码的适应度是否高于目标阈值,若优势基因编码的适应度高于目标阈值,则意味着优势基因编码对应的排样方案所获得的余料满足要求,此时迭代终止。再如,迭代终止条件可以为迭代次数高于迭代阈值(例如50次、100次、150次、200次等,可设置为任意值),则每次确定优势种群的优势基因编码后,需要判断迭代次数是否高于迭代阈值,若迭代次数高于迭代阈值,则迭代终止。
图4是本实施例提供的一种基于遗传算法的排样方法的具体实施例的流程图。以标准件和排样件为墙板为例进行说明,此时标准件为墙板标准件,排样件为墙板排样件。结合图5,基于遗传算法的排样方法包括如下步骤:
S401,基于墙板标准件信息,确定标准段编码方式,其中墙板标准件的类别为6类,6类墙板标准件的尺寸不同,属性信息包括开槽方式(双边开槽、单边开槽和无开槽)和材质(木纹、皮纹、石纹等),标准段编码包括依次排列的6位编码。
S402,基于墙板排样件信息,确定排样段编码方式,其中排样件的类别包括10类,10类墙板排样件的尺寸不同,属性信息包括开槽方式和材质,排样段编码包括依次排列的10为编码。
S403,基于标准段编码方式和排样段编码方式,确定基因编码方式,其中标准段编码和排样段编码连接,且标准段编码和排样段编码中各位编码随机生成。
S404,基于基因编码方式,随机生成多个基因编码,构成初始种群。
S405,基于每个基因编码的排样段编码的编码顺序,依次将排样段编码中每位编码对应的墙板排样件确定为当前排样件;
S406,基于标准段编码的编码顺序,依次将标准段编码中每位编码对应的墙板标准件确定为当前标准件;
S407,确认当前排样件的开槽方式与当前标准件的开槽方式是否一致;
若开槽方式不一致,则返回步骤S406;
若开槽方式一致,则:
S408,确认当前排样件的材质与当前标准件的材质是否一致;
若材质不一致,则返回步骤S406;
若材质一致,则:
S409,基于当前标准件的尺寸及其排布的墙板排样件的尺寸,确定当前标准件的剩余尺寸;
S410,基于当前排样件的尺寸和当前标准件的剩余尺寸,确定当前排样件是否可以排布于当前标准件上;
若确定不可以,则返回步骤S406;
若确定可以,则:
S411,确认当前排样件的排样位置为当前标准件;
S412,确认是否遍历排样段编码中所有编码对应的墙板排样件;
若否,则返回步骤S405;
若是,则:
S413,基于墙板标准件的总尺寸以及标准件上排布的墙板排样件的总尺寸,确定每个基因编码的适应度;
S414,将适应度最高的基因编码确定为优势基因编码;
S415,确定优势基因编码的适应度是否高于目标阈值;
若优势基因编码的适应度不高于目标阈值,则:
S416,对优势基因编码进行双点位交叉操作,获得交叉基因编码;
S417,对交叉基因编码进行双点位变异操作,获得的新基因编码作为下一代基因编码;
S418,根据下一代基因编码和优势基因编码构建优势种群,并返回步骤S405;
若优势基因编码的适应度高于目标阈值,则:
S419,将当前的优势种群中的优势基因编码确定为目标基因编码,目标基因编码对应的排样方案为目标排样方案。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图7是本公开实施例提供的一种基于遗传算法的排样装置的示意图。如图7所示,该基于遗传算法的排样装置包括:
编码方式确定模块701,被配置为基于标准件信息和排样件信息,确定基因编码方式;
初始种群生成模块702,被配置为基于基因编码方式,生成初始种群,初始种群包括多个基因编码,基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;
适应度获取模块703,被配置为获取多个基因编码中每个基因编码的适应度;
优势基因编码确定模块704,被配置为基于适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码;
优势种群生成模块705,被配置为对优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;
目标排样确定模块706,被配置为若满足预设终止条件,则确定优势种群中的优势基因编码对应的排样方案为目标排样方案。
本公开实施例提供的技术方案采用两段式编码方式对标准件和排样件进行基因编码,通过适应度对基因编码进行筛选以获得优势基因编码,同时在生成优势种群过程中采用双点位交叉和变异操作,极大提高了种群迭代速率,不仅可以快速获得目标排样方案,降低材料损耗,而且极大减小了计算量,提高了计算效率。
在一些实施例中,适应度获取模块703被具体配置为:基于每个基因编码的排样段编码的编码顺序,依次将排样段编码中每位编码对应的排样件确定为当前排样件;基于标准段编码的编码顺序,依次将标准段编码中每位编码对应的标准件确定为当前标准件;基于标准件信息和排样件信息,确定当前排样件在当前标准件是否满足排样要求;若当前排样件在所述当前标准件上满足排样要求,则确认当前排样件的排样位置为当前标准件,并返回基于排样段编码的编码顺序,依次将排样段编码中每位编码对应的排样件确定为当前排样件步骤;若当前排样件在当前标准件上不满足排样要求,则返回所述基于标准段编码的编码顺序,依次将标准段编码中每位编码对应的标准件确定为当前标准件步骤;遍历排样段编码中所有编码对应的排样件后,基于标准件的总尺寸以及标准件上排布的排样件的总尺寸,确定每个基因编码的适应度。
优势种群生成模块705被具体配置为:将一个优势基因编码中标准段编码的至少两个位置与另一个优势基因编码中标准段编码的对应位置确定为标准段交叉位置,同时将一个优势基因编码中排样段编码的至少两个位置与另一个优势基因编码中排样段编码的对应位置的编码确定为排样段交叉位置;将至少两个优势基因编码的标准段交叉位置的编码进行调换,同时将至少两个优势基因编码的排样段交叉位置的编码进行调换,获得交叉基因编码;将交叉基因编码中标准段编码的至少两个位置确定为标准段变异位置,同时将交叉基因编码中排样段编码的至少两个位置确定为排样段变异位置;将交叉基因编码的标准段变异位置的编码进行调换,同时将交叉基因编码的排样段变异位置的编码进行调换,获得下一代基因编码;根据优势基因编码和下一代基因编码,构建优势种群。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图8是本公开实施例提供的计算机设备8的示意图。如图8所示,该实施例的计算机设备8包括:处理器801、存储器802以及存储在该存储器802中并且可以在处理器801上运行的计算机程序803。处理器801执行计算机程序803时实现上述各个方法实施例中的步骤。或者,处理器801执行计算机程序803时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序803可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器802中,并由处理器801执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序803在计算机设备8中的执行过程。
计算机设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备8可以包括但不仅限于处理器801和存储器802。本领域技术人员可以理解,图8仅仅是计算机设备8的示例,并不构成对计算机设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器801可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器802可以是计算机设备8的内部存储单元,例如,计算机设备8的硬盘或内存。存储器802也可以是计算机设备8的外部存储设备,例如,计算机设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器802还可以既包括计算机设备8的内部存储单元也包括外部存储设备。存储器802用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器802还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,在本公开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。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,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公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (13)
1.一种基于遗传算法的排样方法,其特征在于,包括:
基于标准件信息和排样件信息,确定基因编码方式;
基于所述基因编码方式,生成初始种群,所述初始种群包括多个基因编码,所述基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;
获取所述多个基因编码中每个基因编码的适应度;
基于所述适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码;
对所述优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;
若满足预设终止条件,则确定所述优势种群中的优势基因编码对应的排样方案为目标排样方案。
2.根据权利要求1所述的方法,其特征在于,所述基于标准件信息和排样件信息,确定基因编码方式,包括:
基于标准件信息,确定标准段编码的编码方式,其中所述标准件信息至少包括标准件类别和标准件尺寸,所述标准段编码包括编码位数以及编码顺序;
基于排样件信息,确定排样段编码的编码方式,其中所述排样件信息至少包括排样件类别和排样件尺寸,所述排样段编码包括编码位数以及编码顺序;
基于所述标准段编码的编码方式和所述排样段编码的编码方式,确定基因编码方式。
3.根据权利要求2所述的方法,其特征在于,所述标准件信息还包括标准件的优先级,则所述基于标准件信息,确定标准段编码的编码方式,包括:
基于所述标准件类别,确定所述标准段编码的编码位数;
对于具有优先级的标准件,按照各所述标准件的优先级,依次确定所述标准段编码中对应位置的编码;
对于不具有优先级的标准件,随机确定所述标准段编码中对应位置的编码。
4.根据权利要求1所述的方法,其特征在于,所述获取每个所述基因编码的适应度,包括:
基于每个基因编码的排样段编码的编码顺序,依次将所述排样段编码中每位编码对应的排样件确定为当前排样件;
基于所述标准段编码的编码顺序,依次将所述标准段编码中每位编码对应的标准件确定为当前标准件;
基于所述标准件信息和排样件信息,确定所述当前排样件在所述当前标准件是否满足排样要求;
若所述当前排样件在所述当前标准件上满足排样要求,则确认所述当前排样件的排样位置为所述当前标准件,并返回所述基于排样段编码的编码顺序,依次将所述排样段编码中每位编码对应的排样件确定为当前排样件步骤;
若所述当前排样件在所述当前标准件上不满足排样要求,则返回所述基于所述标准段编码的编码顺序,依次将所述标准段编码中每位编码对应的标准件确定为当前标准件步骤;
遍历所述排样段编码中所有编码对应的排样件后,基于所述标准件的总尺寸以及所述标准件上排布的排样件的总尺寸,确定每个基因编码的适应度。
5.根据权利要求4所述的方法,其特征在于,所述标准件信息包括标准件的类别和标准件的尺寸,所述排样件信息包括排样件的类别和排样件的尺寸;
所述基于所述标准件信息和排样件信息,确定所述当前排样件在所述当前标准件是否满足排样要求,包括:
基于所述当前标准件的尺寸及其排布的排样件的尺寸,确定所述当前标准件的剩余尺寸;
基于所述当前排样件的尺寸和所述当前标准件的剩余尺寸,确定所述当前排样件是否可以排布于所述当前标准件上。
6.根据权利要求4所述的方法,其特征在于,所述标准件信息包括标准件的类别、标准件的尺寸、标准件的属性信息,所述排样件信息包括排样件的类别、排样件的尺寸、排样件的属性信息,所述属性信息包括开槽方式、颜色、材质中的至少一种;
所述基于所述标准件信息和排样件信息,确定所述当前排样件在所述当前标准件是否满足排样要求,包括:
确定所述当前排样件的属性信息与所述当前标准件的属性信息是否一致;
若所述当前排样件的属性信息与所述当前标准件的属性信息一致,则基于所述当前标准件的尺寸及其排布的排样件的尺寸,确定所述当前标准件的剩余尺寸;
基于所述当前排样件的尺寸和所述当前标准件的剩余尺寸,确定所述当前排样件是否可以排布于所述当前标准件上。
7.根据权利要求4所述的方法,其特征在于,所述基于所述标准件的总尺寸以及所述标准件上排布的排样件的总尺寸,确定每个基因编码的适应度,包括:
基于每类标准件的尺寸以及所述标准件上排布的排样件的总尺寸,确定每类所述标准件的余料;
基于每类标准件的余料,确定标准件的总余料;
基于所述总余料,确定每个基因编码的适应度,所述适应度为所述总余料的倒数。
8.根据权利要求1所述的方法,其特征在于,所述基于所述适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码,包括:
根据每个基因编码的适应度对所述初始种群的基因编码进行排序,获得基因编码序列;
将所述基因编码序列中适应度最高的基因编码确定为优势基因编码;
或者,将所述基因编码序列中适应度高于预设阈值的基因编码确定为优势基因编码。
9.根据权利要求1所述的方法,其特征在于,所述对所述优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构建优势种群,包括:
将一个优势基因编码中标准段编码的至少两个位置与另一个优势基因编码中标准段编码的对应位置确定为标准段交叉位置,同时将一个优势基因编码中排样段编码的至少两个位置与另一个优势基因编码中排样段编码的对应位置的编码确定为排样段交叉位置;
将至少两个优势基因编码的标准段交叉位置的编码进行调换,同时将至少两个优势基因编码的排样段交叉位置的编码进行调换,获得交叉基因编码;
将所述交叉基因编码中标准段编码的至少两个位置确定为标准段变异位置,同时将所述交叉基因编码中排样段编码的至少两个位置确定为排样段变异位置;
将所述交叉基因编码的标准段变异位置的编码进行调换,同时将所述交叉基因编码的排样段变异位置的编码进行调换,获得下一代基因编码;
根据所述优势基因编码和所述下一代基因编码,构建优势种群。
10.根据权利要求1所述的方法,其特征在于,所述若满足预设终止条件,则确定所述优势种群中的优势基因编码对应的排样方案为目标排样,包括:
获取所述优势种群中每个基因编码的适应度,并将基因编码的适应度最高的基因编码确定为优势基因编码;
若所述优势基因编码的适应度高于目标阈值,则迭代终止,并确定所述优势基因编码对应的排样方案为目标排样方案;
或者,若迭代次数高于迭代阈值,则迭代终止,并确定所述优势基因编码对应的排样方案为目标排样方案。
11.一种基于遗传算法的排样装置,其特征在于,包括:
编码方式确定模块,被配置为基于标准件信息和排样件信息,确定基因编码方式;
初始种群生成模块,被配置为基于所述基因编码方式,生成初始种群,所述初始种群包括多个基因编码,所述基因编码包括标准段编码和排样段编码,对应标准件和排样件的排样方案;
适应度获取模块,被配置为获取所述多个基因编码中每个基因编码的适应度;
优势基因编码确定模块,被配置为基于所述适应度,确定符合预设要求的适应度对应的基因编码为优势基因编码;
优势种群生成模块,被配置为对所述优势基因编码进行双点位交叉操作和双点位变异操作,生成下一代基因编码,以构成优势种群;
目标排样确定模块,被配置为若满足预设终止条件,则确定所述优势种群中的优势基因编码对应的排样方案为目标排样方案。
12.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10中任一项所述方法的步骤。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111213455.8A CN113642264B (zh) | 2021-10-19 | 2021-10-19 | 基于遗传算法的排样方法及装置 |
EP22882871.1A EP4394645A2 (en) | 2021-10-19 | 2022-10-18 | Genetic algorithm-based sample layout method and apparatus |
PCT/CN2022/126024 WO2023066266A2 (zh) | 2021-10-19 | 2022-10-18 | 基于遗传算法的排样方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111213455.8A CN113642264B (zh) | 2021-10-19 | 2021-10-19 | 基于遗传算法的排样方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642264A true CN113642264A (zh) | 2021-11-12 |
CN113642264B CN113642264B (zh) | 2022-02-15 |
Family
ID=78427381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111213455.8A Active CN113642264B (zh) | 2021-10-19 | 2021-10-19 | 基于遗传算法的排样方法及装置 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4394645A2 (zh) |
CN (1) | CN113642264B (zh) |
WO (1) | WO2023066266A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023066266A3 (zh) * | 2021-10-19 | 2023-09-21 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
CN117634710A (zh) * | 2024-01-23 | 2024-03-01 | 湖南三一中诚车身有限公司 | 一种板材定尺方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592031A (zh) * | 2012-03-02 | 2012-07-18 | 华中科技大学 | 绝缘纸板的自动排样方法 |
CN103500255A (zh) * | 2013-10-16 | 2014-01-08 | 南通大学 | 用于矩形件的智能排样方法 |
CN103793555A (zh) * | 2014-01-02 | 2014-05-14 | 南通大学 | 用于木工板件零件的智能排样优化方法 |
CN108090650A (zh) * | 2017-11-01 | 2018-05-29 | 南京华域云脑信息科技有限公司 | 一种基于遗传算法的排案优化方法 |
CN108985439A (zh) * | 2018-07-17 | 2018-12-11 | 湘潭大学 | 一种玻璃排版确定方法及*** |
CN111260062A (zh) * | 2019-11-28 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 基于自适应遗传算法的矩形件优化排样方法 |
CN112926819A (zh) * | 2020-12-23 | 2021-06-08 | 平安普惠企业管理有限公司 | 基于改进遗传算法的调度方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101871095B1 (ko) * | 2015-04-10 | 2018-06-25 | 츠네이시 조센 가부시키가이샤 | 네스팅 방법, 네스팅 장치 및 네스팅 프로그램 |
CN110390360A (zh) * | 2019-07-23 | 2019-10-29 | 天津大学 | 基于遗传算法的矩形块排样顺序确定方法和装置 |
CN113158580B (zh) * | 2021-05-10 | 2021-12-10 | 南京林业大学 | 实木板材的一维排样方法 |
CN113642264B (zh) * | 2021-10-19 | 2022-02-15 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
-
2021
- 2021-10-19 CN CN202111213455.8A patent/CN113642264B/zh active Active
-
2022
- 2022-10-18 WO PCT/CN2022/126024 patent/WO2023066266A2/zh active Application Filing
- 2022-10-18 EP EP22882871.1A patent/EP4394645A2/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592031A (zh) * | 2012-03-02 | 2012-07-18 | 华中科技大学 | 绝缘纸板的自动排样方法 |
CN103500255A (zh) * | 2013-10-16 | 2014-01-08 | 南通大学 | 用于矩形件的智能排样方法 |
CN103793555A (zh) * | 2014-01-02 | 2014-05-14 | 南通大学 | 用于木工板件零件的智能排样优化方法 |
CN108090650A (zh) * | 2017-11-01 | 2018-05-29 | 南京华域云脑信息科技有限公司 | 一种基于遗传算法的排案优化方法 |
CN108985439A (zh) * | 2018-07-17 | 2018-12-11 | 湘潭大学 | 一种玻璃排版确定方法及*** |
CN111260062A (zh) * | 2019-11-28 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 基于自适应遗传算法的矩形件优化排样方法 |
CN112926819A (zh) * | 2020-12-23 | 2021-06-08 | 平安普惠企业管理有限公司 | 基于改进遗传算法的调度方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
孙佳正等: "改进的双种群遗传算法在矩形件排样中的应用", 《计算机工程与应用》 * |
宋雪枫等: "基于遗传算法的矩形件排样问题求解", 《煤矿机械》 * |
杨卫波等: "基于遗传模拟退火算法的矩形件优化排样", 《计算机工程与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023066266A3 (zh) * | 2021-10-19 | 2023-09-21 | 深圳须弥云图空间科技有限公司 | 基于遗传算法的排样方法及装置 |
CN117634710A (zh) * | 2024-01-23 | 2024-03-01 | 湖南三一中诚车身有限公司 | 一种板材定尺方法及装置 |
CN117634710B (zh) * | 2024-01-23 | 2024-04-26 | 湖南三一中诚车身有限公司 | 一种板材定尺方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023066266A3 (zh) | 2023-09-21 |
WO2023066266A2 (zh) | 2023-04-27 |
CN113642264B (zh) | 2022-02-15 |
EP4394645A2 (en) | 2024-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113642264B (zh) | 基于遗传算法的排样方法及装置 | |
CN113505429B (zh) | 室内设计方案获取方法、装置、计算机设备及存储介质 | |
CN113158319B (zh) | 无纹理铺贴商品的排料计算方法、装置、电子设备和介质 | |
CN110909787A (zh) | 基于聚类的进化算法进行多目标批调度优化的方法和*** | |
CN110390491B (zh) | 一种公路工程多目标施工计划确定方法 | |
CN111161804B (zh) | 一种用于物种基因组学数据库的查询方法及*** | |
CN103188695A (zh) | 一种室内天线的布放方法及*** | |
CN111105507A (zh) | 虚拟附件模型的生成方法、装置、处理器及电子装置 | |
CN115018387B (zh) | 订单揉合管理方法、***、设备及存储介质 | |
US20160085831A1 (en) | Method and apparatus for map classification and restructuring | |
CN114036717A (zh) | 一种钢筋下料的切割方案确定方法、装置和终端设备 | |
CN111961710B (zh) | 一种样本处理方法及设备 | |
US20140018084A1 (en) | Method and apparatus for antenna placement of wireless basestations | |
CN112926819A (zh) | 基于改进遗传算法的调度方法、装置、设备及存储介质 | |
CN111340401A (zh) | 工作任务智能分配方法、装置、计算机设备及存储介质 | |
CN116468147A (zh) | 基于遗传算法的钢筋优化断料的计算方法及装置 | |
CN116048723A (zh) | 基于非支配排序多目标遗传算法的虚拟机调度方法及*** | |
CN115391876A (zh) | 楼栋模型建立方法、装置、电子设备及存储介质 | |
CN114417444A (zh) | 一种排样方案的确定方法、装置及电子设备 | |
CN113657525A (zh) | 基于KMeans的跨特征联邦聚类方法及相关设备 | |
CN114691370A (zh) | 一种基于遗传算法的任务分配方法和装置 | |
CN108764586A (zh) | 模糊Petri网参数优化方法、***及电子设备 | |
CN115205484A (zh) | 历史文化街区的三维空间展示方法、装置、设备及介质 | |
CN114462714A (zh) | 信息确定方法、装置及电子设备 | |
CN108399455A (zh) | 基于遗传算法的调度方法及装置 |
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 |