專利名稱：：服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法。
背景技術(shù)：
：在服裝布匹、樣片切割時，通常有多個輪廓需要切割，而每個輪廓通常由多條線段組成，用一些點坐標(biāo)來圍成一個輪廓。一個輪廓少則由3、4個點組成，多則由幾百個點組成。當(dāng)?shù)毒咭懈钜粋€輪廓時，先要選擇輪廓中的某一個點作為切割起點，接著按照順時針或逆時針順序遍歷輪廓上的所有點，最后回到切割起點從而完成一個輪廓的切割。正是由于存在多個輪廓而一個輪廓又存在多個點，如果要切割完所有輪廓，那么必將需要在每個輪廓上選擇一個切割起點組成一條裁割機刀具空行程的路徑，刀具在這條路徑上移動不切割布匹或樣片?？招谐搪窂降拈L短將影響到切割的效率。如果存在一個輪廓在另外一個輪廓之內(nèi)的情況，為了保證切割質(zhì)量，需要先切割完內(nèi)部輪廓才能切割外部輪廓。如何找到一條路徑讓空刀行程最短，也就是裁割機刀具空行程路徑優(yōu)化問題需要解決的問題，而輪廓切割順序的限制也就成了優(yōu)化問題的約束條件。目前針對刀具空行程路徑優(yōu)化問題常見的解法就是將其當(dāng)作一個旅行商問題(TSP)，即把每個點集縮成一點來考慮，這個點通常為原始的切割起點。但由于輪廓的原始起點與真正的加工起點沒有鄰近關(guān)系，而且輪廓原始起點之間的距離也不能充分表示輪廓間的距離關(guān)系，所以不改變加工起點的優(yōu)化是不充分的。有些方法雖然考慮了切割起點的變更，但是沒有對輪廓的訪問順序進行變化，這也導(dǎo)致優(yōu)化不充分。而有些方法雖然考慮了切割起點的變更和輪廓訪問順序的變化，但是對輪廓的順序受限條件沒有考慮，導(dǎo)致了求得的解不是可行解，而且增加了計算量。
發(fā)明內(nèi)容為了克服已有服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法的計算復(fù)雜、優(yōu)化不充分的不足，本發(fā)明提供一種簡化計算、大大提高求解近似最優(yōu)解的速度、具有較好的優(yōu)化效果的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，所述控制方法包括以下步驟a、初始化種群，隨機產(chǎn)生GS/ZE個個體，所述個體隨機分布在可行解空間中，以判斷一個輪廓是否在另一個輪廓內(nèi)部為基礎(chǔ)，確定輪廓包含關(guān)系表并展開得到輪廓樹；b、計算當(dāng)代每個個體對應(yīng)的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟g;否則，進入步驟c;c、利用適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，并通過復(fù)制函數(shù)確定每個個體能夠被復(fù)制的次數(shù)，完成選擇、復(fù)制操作之后，通過隨機選取已被復(fù)制的個體再次復(fù)制使得當(dāng)代個體總數(shù)保持GS/ZE個；d、根據(jù)當(dāng)代個體的多樣性調(diào)整交叉和變異概率；e、對當(dāng)代個體進行變異、交叉操作；f、利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟b;g、選出當(dāng)代個體中最優(yōu)刀具空行程路徑為最小值M/"(i^/0，其中尸"A的計算如步驟b所示，M、(/^/0為經(jīng)過比較之后的當(dāng)代個體路徑最小值，并將最小值M"(i^/0輸出。作為優(yōu)選的一種方案所述步驟b中通過解碼方法獲得染色體對應(yīng)的路徑，并計算路徑長度，路徑長度算式為(1):m=-"》2+(VW2(i)/=0其中，/表示路徑模型中的索引值編號，_/表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點，z&、4表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點的橫、縱坐標(biāo)，當(dāng)d直為o時，z(,—w、《,一".取值為(O，0);所述的終止條件為達到需要優(yōu)化的精度或達到所設(shè)置的最大種群代數(shù)。進一步，所述步驟C中的染色體適應(yīng)度函數(shù)為(2):1-^^(2)其中，/表示第/個個體，Z^7/7(/)表示第/ikfed^p表示當(dāng)代種群中的最長路徑；確定復(fù)制次數(shù)的函數(shù)為(3):體的路徑長度，而(3)其中，SwwF為當(dāng)代適應(yīng)值的總和，GS/ZE為種群大小，如果&mF為0，則直接跳出遺傳算法，計算得到的S&(/)向下取更進一步，所述步驟d中的交叉和變異概率調(diào)整公式為(4):g=A__S2)(GC卿/G羅)*^《,--。(GC卿/G纖)其中GC。"為在復(fù)制過程中被復(fù)制的源初始個體的數(shù)目，&表示交叉概率的上限，i^為下限；i;為變異概率的上限，&2為下限。再進一步，所述步驟e的變異操作過程如下染色體的變異發(fā)生在同一層輪廓，隨機產(chǎn)生某一變異層和兩個交換位置，如果交換發(fā)生在同一父母輪廓的子女內(nèi)部，則交換這兩個位置的輪廓即可，如果交換位置發(fā)生在不同父母輪廓的子女之間，則對這兩個父母輪廓的全部子女進行交換；各個父母的子女相對位置保持不變；當(dāng)完成對交換位置的輪廓變更之后，還需要對交換輪廓的原始切割起點進行隨機更換，并根據(jù)變異層的輪廓順序調(diào)整其他各層的輪廓相對順序和下代子女索引位置值；交叉操作過程如下交叉操作發(fā)生在同一層輪廓上隨機產(chǎn)生的一個交叉區(qū)域，假設(shè)第一染色體和第二染色體發(fā)生交叉，那么將第一染色體的該區(qū)域上輪廓的父母的所有子女都放到第二染色體的該層頭部，并隨機改變區(qū)域內(nèi)的輪廓切割起點；其余輪廓排到該區(qū)域后面并保持相對位置不變，以相同方法對第二染色體進行處理，之后分別調(diào)整第一染色體和第二染色體的父層和子層的輪廓順序及下代子女索引位置值。作為優(yōu)選的再一種方案所述步驟f的啟發(fā)式搜索步驟如下fl、對染色體解碼得到一條路徑"f2、取丄中的一個輪廓/(/=1,2,...,附-1)，其中m為總輪廓數(shù)；f3、以丄給出的輪廓/的加工起點"C/e[l,",])，計算"到前一個輪廓的新起點P[/-1]和后一個輪廓的原始起點W+1]的距離之和D，/=0時戶為原點，按照順序遍歷輪廓/的所有點，把具有最小距離D,皿的點《作為當(dāng)前輪廓/的新切割起點；f4、利用輪廓/的新切割起點，修正輪廓(/-1)的切割起點；f5、重復(fù)步驟f2f5，直到第m-l個輪廓為止，進入步驟f6;f6、把由a/]組成的切割新起點數(shù)組轉(zhuǎn)化到相應(yīng)的染色體。本發(fā)明的技術(shù)構(gòu)思為遺傳算法是基于進化論的原理發(fā)展起來的一種應(yīng)用廣泛、高效的隨機搜索優(yōu)化方法，其具有魯棒性強、使用方便等特點，在近年來的組合優(yōu)化問題上得到了廣泛的應(yīng)用。它是模擬達爾文提出的遺傳選擇和自然淘汰的生物進化過程的計算模型。遺傳算法中每個個體根據(jù)自身的適應(yīng)度被決定是否繼續(xù)生存下去，適應(yīng)度低(性能差)的個體被淘汰，適應(yīng)度高(性能好)的個體被保存，經(jīng)過交叉和變異操作生成新的個體。由于新群體的成員是在上一代優(yōu)秀群體的基礎(chǔ)上產(chǎn)生的，保留了上一代的優(yōu)秀性能，使得群體朝著更優(yōu)解的方向進化。為加快遺傳算法的搜索速度，加入啟發(fā)式搜索技術(shù)。啟發(fā)式搜索時，會優(yōu)先順著有啟發(fā)性和具有特定信息的節(jié)點搜索下去，這些節(jié)點可能是達到目標(biāo)的最好路徑。這樣就可以不需要對其他較差路徑進行檢測，從而提高了效率。本發(fā)明的有益效果主要表現(xiàn)在1)動態(tài)調(diào)整了染色體的交叉和變異概率，就有利于防止群體早熟，跳出局部最優(yōu)解；2)采用的啟發(fā)式搜索方法，在算法運行過程中能夠大大提高遺傳算法求解近似最優(yōu)解的速度。圖1為本發(fā)明的切割輪廓圖實例；圖2為本發(fā)明的刀具空行程路徑優(yōu)化算法的處理過程流程圖3為本發(fā)明的輪廓樹實例圖4為本發(fā)明的索引值入棧和出棧順序?qū)嵗龍D。具體實施例方式下面結(jié)合附圖對本發(fā)明作進一步描述。參照圖1圖4，一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，所述控制方法包括以下步驟a、初始化種群，隨機產(chǎn)生GS/ZE個個體，所述個體隨機分布在可行解空間中，以判斷一個輪廓是否在另一個輪廓內(nèi)部為基礎(chǔ)，確定輪廓包含關(guān)系表并展開得到輪廓樹；b、計算當(dāng)代每個個體對應(yīng)的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟g;否則，進入步驟c;c、利用適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，并通過復(fù)制函數(shù)確定每個個體能夠被復(fù)制的次數(shù)，完成選擇、復(fù)制操作之后，通過隨機選取己被復(fù)制的個體再次復(fù)制使得當(dāng)代個體總數(shù)保持OS/Z五個；d、根據(jù)當(dāng)代個體的多樣性調(diào)整交叉和變異概率；e、對當(dāng)代個體進行變異、交叉操作；f、利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟b;g、選出當(dāng)代個體中最優(yōu)刀具空行程路徑為最小值M77(P^z)，其中的計算如步驟b所示，M'"(P^0為經(jīng)過比較之后的當(dāng)代個體路徑最小值，并將最小值MM(iW/o輸出。所述步驟b中通過解碼方法獲得染色體對應(yīng)的路徑，并計算路徑長度，路徑長度算式為(1):,'=0其中，/表示路徑模型中的索引值編號，_/表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點，義&、i;表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點的橫、縱坐標(biāo)，當(dāng)/值為o時，x(Mb.、《,u取值為(O，0);所述的終止條件為達到需要優(yōu)化的精度或達到所設(shè)置的最大種群代數(shù)。所述步驟C中的染色體適應(yīng)度函數(shù)為(2):,=1_^￡^_(2)其中，/表示第/個個體，"^(/)表示第/個個體的路徑長度，而表示當(dāng)代種群中的最長路徑；確定復(fù)制次數(shù)的函數(shù)為(3):其中，S目F為當(dāng)代適應(yīng)值的總和，GS/ZE為種群大小，如果^^為0，則直接跳出遺傳算法，計算得到的S&(/)向下取所述步驟d中的交叉和變異概率調(diào)整公式為(4):(4)「尸c=&_-&)(GO^y/G扁)IK-(、-。(GC卿/G愿)其中Gc。"為在復(fù)制過程中被復(fù)制的源初始個體的數(shù)目，概率的上限，P&為下限；i;為變異概率的上限，&2為下限-所述步驟e的變異操作過程如下:示交叉染色體的變異發(fā)生在同一層輪廓，隨機產(chǎn)生某一變異層和兩個乂換位置，如果交換發(fā)生在同一父母輪廓的子女內(nèi)部，則交換這兩個位置的輪廓即可，如果交換位置發(fā)生在不同父母輪廓的子女之間，則對這兩個父母輪廓的全部子女進行交換；各個父母的子女相對位置保持不變；當(dāng)完成對交換位置的輪廓變更之后，還需要對交換輪廓的原始切割起點進行隨機更換，并根據(jù)變異層的輪廓順序調(diào)整其他各層的輪廓相對順序和下代子女索引位置值；交叉操作過程如下交叉操作發(fā)生在同一層輪廓上隨機產(chǎn)生的一個交叉區(qū)域，假設(shè)第一染色體和第二染色體發(fā)生交叉，那么將第一染色體的該區(qū)域上輪廓的父母的所有子女都放到第二染色體的該層頭部，并隨機改變區(qū)域內(nèi)的輪廓切割起點；其余輪廓排到該區(qū)域后面并保持相對位置不變，以相同方法對第二染色體進行處理，之后分別調(diào)整第一染色體和第二染色體的父層和子層的輪廓順序及下代子女索引位置值。所述步驟f的啟發(fā)式搜索步驟如下fl、對染色體解碼得到一條路徑丄；f2、取丄中的一個輪廓/(/=1，2,...，-1)，其中m為總輪廓數(shù)；f3、以丄給出的輪廓/的加工起點、(j'e[l,",])，計算"到前一個輪廓的新起點/>[/-1]和后一個輪廓的原始起點？[/+1]的距離之和D，/=0時戶為原點，按照順序遍歷輪廓/的所有點，把具有最小距離Z),的點《作為當(dāng)前輪廓/的新切割起點；f4、利用輪廓z的新切割起點，修正輪廓(/-l)的切割起點；f5、重復(fù)步驟Cf5，直到第w-l個輪廓為止，進入步驟f6;f6、把由P[/]組成的切割新起點數(shù)組轉(zhuǎn)化到相應(yīng)的染色體。本實施例中，待切割的輪廓如圖l所示。在PLT文件中已經(jīng)包含了構(gòu)成這些輪廓的點坐標(biāo)，依據(jù)PLT文件中這些點坐標(biāo)的出現(xiàn)順序?qū)@些輪廓進行編號，有編號為08共9個輪廓。除0號輪廓由36個點組成之外，其他輪廓都是由4個點組成，對于每個輪廓的點編號都是從0開始，最大值為構(gòu)成輪廓的總點數(shù)減1。圖2為本發(fā)明的刀具空行程路徑優(yōu)化算法的處理過程流程圖，如圖2所示，該方法的處理過程包括步驟101:初始化種群，隨機產(chǎn)生GS7ZE個個體。這里先構(gòu)建了與圖1相對應(yīng)的輪廓包含關(guān)系表，如表1所示，13<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>表2通過染色體的生成方法獲得隨機分布在可行解空間中的GS/ZE個個體，一般而言，OS/Z五較大時算法可同時處理更多的解，也就更容易找到全局最優(yōu)解，但是這樣會增加計算量和計算時間，一般取20100，本實施例中GS/ZE取50。步驟102:計算個體的長度并判斷路徑優(yōu)化算法是否滿足終止條件，若滿足，則執(zhí)行歩驟107，不能滿足，則執(zhí)行103。以生成的表2染色體說明得到路徑的方法把索引0壓棧，發(fā)現(xiàn)0號輪廓的子女索引位置為0，則索引0出棧；把索引1壓棧，發(fā)現(xiàn)下代子女索引位置為3，則把索引3壓棧，發(fā)現(xiàn)下代子女索引位置為0，則索引3出棧；因為索引1中的輪廓包含子女?dāng)?shù)為2，那么在索引3出棧之后要把索引4壓棧，繼續(xù)掃描索引4的下代子女索引位置，以此類推；圖4為各個索引值的出棧和入棧順序，其中第一個下標(biāo)表示該索引值的入棧順序，而第二個下標(biāo)表明該索引值的出棧順序，例如32,表明3號索引是第2個入棧，第1個出桟的；依據(jù)個索引值的出棧順序0—3—6—4—1—8—7—5—2可得到對應(yīng)的輪廓點訪問順序為0(9)—2(0)—8(3)—7(0)—1(1)—5(1)—6(0)—4(1)—3(2)，該路徑如表3所示。計算路徑指示的點坐標(biāo)的距離就是該條路徑的長度。<table>tableseeoriginaldocumentpage15</column></row><table>步驟103:對當(dāng)代個體進行選擇和復(fù)制。這里的適應(yīng)度函數(shù)如公式(2)所示，個體能夠被復(fù)制的次數(shù)函數(shù)如公式(3)所示，每個個體會因為適應(yīng)度的不同獲得不同的復(fù)制機會，適應(yīng)度高的個體獲得復(fù)制的機會大，在下一代中的個數(shù)會增加，適應(yīng)度低的個體可能沒有獲得復(fù)制的機會，就被淘汰。經(jīng)過復(fù)制后的個體總數(shù)可能達不到GS/ZE個，那么從已經(jīng)復(fù)制的個體中隨機再進行復(fù)制，將當(dāng)代的個體總數(shù)增加到GS/Zi:。步驟104:根據(jù)個體的多樣性自適應(yīng)調(diào)整交叉和變異概率。這里的概率調(diào)整公式如公式(4)所示。因為變異概率一般比較小，故設(shè)置變異概率的上限i;為o.05，下限^為o.oi;而交叉概率一般比較大，故設(shè)置交叉概率的上限《為0.9，下限《為0.8。步驟105:對當(dāng)代染色體進行變異和交叉操作。以表2染色體說明變異操作變異發(fā)生在第二層(高度為2)索引為4，5的兩個位置，對應(yīng)實際輪廓為7、4。它們的父母輪廓分別為1、3。把3號輪廓的所有子女交換到1號子女的起始位置處(索引位置3)，而1號的所有子女2、7從索引位置5-(2-1)=4開始排起。排列第二層輪廓之后調(diào)整其他層的輪廓順序及下代子女索引位置值，得到變異后的染色體如表4所示。索引012345678實際輪廓編號0314268輪廓的切割起點921213031下代子女索引位置034607800輪廓包含子女?dāng)?shù)012101100表4以表2和表4這兩個染色體說明交叉操作:16交叉發(fā)生在第一層(高度為l)索引值為12區(qū)域。對于表4的染色體，得到的交叉區(qū)域的實際輪廓號為3、1，把3、1這兩個輪廓放到表2染色體的第一層頭部，而表2染色體的第一層輪廓除了3、1這兩個輪廓之外的其他輪廓緊排在3、1兩個輪廓之后，它們的相對順序保持不變，那么可得到交叉后的新染色體1的第一層輪廓順序為3、1、0，根據(jù)得到的第一層輪廓順序修改后面層的輪廓順序并對切割起點進行隨機改變，可得到交叉后的新染色體1如表5所示。索引012345678實際輪廓編號31042768輪廓的切割起點3116213210下代子女索引位置340607800輪廓包含子女?dāng)?shù)120101100表5而相同的交叉區(qū)域?qū)τ诒?染色體，對應(yīng)的實際輪廓號為l、3，把1、3這兩個輪廓放到表4染色體的第一層的頭部，而表4染色體的第一層輪廓除了l、3之外的其他輪廓緊排在1、3的后面，它們的相對順序保持不變，那么可得到交叉后的新染色體2的第一層輪廓順序為1、3、0，根據(jù)得到的第一層輪廓順序修改后面層的輪廓順序并對切割起點進行隨機改變，可得到交叉后的新染色體2如表6所示。索引012345678實際輪廓編號1027486輪廓的切割起點201010212下代子女索引位置30067080輪廓包含子女?dāng)?shù)210011010表6步驟106:根據(jù)啟發(fā)式搜索算法的步驟f中列出的方法步驟對所有個體進行優(yōu)化，提高個體的質(zhì)量。步驟107:輸出空刀行程的最優(yōu)路徑根據(jù)步驟102計算得到的當(dāng)代個體的路徑值，從中獲得最短路徑并輸出。以上所述，僅為本發(fā)明的一個實施例而已，并非用于限定本發(fā)明的保護范圍。權(quán)利要求1、一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述控制方法包括以下步驟a、初始化種群，隨機產(chǎn)生GSIZE個個體，所述個體隨機分布在可行解空間中，以判斷一個輪廓是否在另一個輪廓內(nèi)部為基礎(chǔ)，確定輪廓包含關(guān)系表并展開得到輪廓樹；b、計算當(dāng)代每個個體對應(yīng)的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟g；否則，進入步驟c；c、利用適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，并通過復(fù)制函數(shù)確定每個個體能夠被復(fù)制的次數(shù)，完成選擇、復(fù)制操作之后，通過隨機選取已被復(fù)制的個體再次復(fù)制使得當(dāng)代個體總數(shù)保持GSIZE個；d、根據(jù)當(dāng)代個體的多樣性調(diào)整交叉和變異概率；e、對當(dāng)代個體進行變異、交叉操作；f、利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟b；g、選出當(dāng)代個體中最優(yōu)刀具空行程路徑為最小值Min(Path)，其中Path的計算如步驟b所示，Min(Path)為經(jīng)過比較之后的當(dāng)代個體路徑最小值，并將最小值Min(Path)輸出。2、如權(quán)利要求1所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟b中通過解碼方法獲得染色體對應(yīng)的路徑，并計算路徑長度，路徑長度算式為(O:<formula>formulaseeoriginaldocumentpage2</formula>(1)其中，/表示路徑模型中的索引值編號，y表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點，《,、K,表示/索引值對應(yīng)的實際輪廓編號所對應(yīng)的切割起點的橫、縱坐標(biāo)，當(dāng)/值為o時，X(,—1);.、^取值為(O，0);所述的終止條件為達到需要優(yōu)化的精度或達到所設(shè)置的最大種群代數(shù)。3、如權(quán)利要求1或2所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟C中的染色體適應(yīng)度函數(shù)為(2):<formula>formulaseeoriginaldocumentpage3</formula>(2)其中，，'表示第/個個體，^"^(/)表示第/個個體的路徑長度，而M。xZe^表示當(dāng)代種群中的最長路徑；確定復(fù)制次數(shù)的函數(shù)為(3):<formula>formulaseeoriginaldocumentpage3</formula>其中，Sz^F為當(dāng)代適應(yīng)值的總和，GS/ZE為種群大小，如果^^F為0，則直接跳出遺傳算法，計算得到的S&(0向下取4、如權(quán)利要求1或2所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟d中的交叉和變異概率調(diào)整公式為(4):<formula>formulaseeoriginaldocumentpage3</formula>(4)其中GC。w為在復(fù)制過程中被復(fù)制的源初始個體的數(shù)目，&表示交叉概率的上限，i^為下限；；為變異概率的上限，&2為下限。5、如權(quán)利要求3所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟d中的交叉和變異概率調(diào)整公式為(4):<formula>formulaseeoriginaldocumentpage4</formula>其中GC。"為在復(fù)制過程中被復(fù)制的源初始個體的數(shù)目，&表示交叉概率的上限，P&為下限；4為變異概率的上限，&2為下限。6、如權(quán)利要求5所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟e的變異操作過程如下染色體的變異發(fā)生在同一層輪廓，隨機產(chǎn)生某一變異層和兩個交換位置，如果交換發(fā)生在同一父母輪廓的子女內(nèi)部，則交換這兩個位置的輪廓即可，如果交換位置發(fā)生在不同父母輪廓的子女之間，則對這兩個父母輪廓的全部子女進行交換；各個父母的子女相對位置保持不變；當(dāng)完成對交換位置的輪廓變更之后，還需要對交換輪廓的原始切割起點進行隨機更換，并根據(jù)變異層的輪廓順序調(diào)整其他各層的輪廓相對順序和下代子女索引位置值；交叉操作過程如下交叉操作發(fā)生在同一層輪廓上隨機產(chǎn)生的一個交叉區(qū)域，假設(shè)第一染色體和第二染色體發(fā)生交叉，那么將第一染色體的該區(qū)域上輪廓的父母的所有子女都放到第二染色體的該層頭部，并隨機改變區(qū)域內(nèi)的輪廓切割起點；其余輪廓排到該區(qū)域后面并保持相對位置不變，以相同方法對第二染色體進行處理，之后分別調(diào)整第一染色體和第二染色體的父層和子層的輪廓順序及下代子女索引位置值。7、如權(quán)利要求1或2所述的服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，其特征在于所述步驟f的啟發(fā)式搜索步驟如下fl、對染色體解碼得到一條路徑Z;f2、取丄中的一個輪廓/(/=1,2,...,-1)，其中m為總輪廓數(shù);f3、以丄給出的輪廓/的加工起點"C/e[l,",])，計算"到前一個輪廓的新起點戶[/-1]和后一個輪廓的原始起點W+1]的距離之和D，/=0時戶為原點，按照順序遍歷輪廓/的所有點，把具有最小距離D,，的點《作為當(dāng)前輪廓/的新切割起點；f4、利用輪廓/的新切割起點，修正輪廓(/-1)的切割起點；f5、重復(fù)步驟Gf5，直到第m-l個輪廓為止，進入步驟f6;f6、把由P[/]組成的切割新起點數(shù)組轉(zhuǎn)化到相應(yīng)的染色體。全文摘要一種服裝布匹、樣片裁割過程中刀具空行程路徑的控制方法，包括以下步驟a.初始化種群，隨機產(chǎn)生GSIZE個個體；b.計算當(dāng)代每個個體對應(yīng)的路徑長度，判斷是否滿足終止條件，若滿足終止條件，則執(zhí)行步驟g；否則，進入步驟c；c.利用適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，并通過復(fù)制函數(shù)確定每個個體能夠被復(fù)制的次數(shù)；d.根據(jù)當(dāng)代個體的多樣性調(diào)整交叉和變異概率；e.對當(dāng)代個體進行變異、交叉操作；f.利用啟發(fā)式算法進行局部搜索，提高個體的質(zhì)量并進入下一代的計算，執(zhí)行步驟b；g.選出當(dāng)代個體中最優(yōu)刀具空行程路徑為最小值Min(Path)，并將最小值Min(Path)輸出。本發(fā)明簡化計算、大大提高求解近似最優(yōu)解的速度、具有較好的優(yōu)化效果。文檔編號D06H7/00GK101451305SQ20081016341公開日2009年6月10日申請日期2008年12月18日優(yōu)先權(quán)日2008年12月18日發(fā)明者立俞,朱鑫賢,林示麟,磊胡,輝董申請人:浙江工業(yè)大學(xué)