【技术实现步骤摘要】
本专利技术涉及服装制造，具体涉及一种基于多目标改进蚁群算法的服装工艺智能编排方法。
技术介绍
1、在当前信息技术和智能制造的不断发展下，服装企业为了提高缝制生产线上的生产效率和生产成本，管理人员往往都会采用服装制造数字系统和智能吊挂系统实现全流程生产，那么前期对服装工艺的编排是十分重要的，里面会涉及到服装部件之间的缝制顺序和服装部件的相关工艺知识准备。
2、在服装制造数字系统中，从生产订单系统到制造执行系统中是为智能吊挂系统做好生产准备，那么生产订单中的服装款式信息如何从到达制造执行系统并且对服装工艺进行编排十分关键，传统的方法是需要服装ie人员要十分熟练地操作服装制造数字系统，而且要十分了解服装工艺的制造流程，通过人工经验总结选择一件服装所需要的部件特征然后选择合理的编排方案，最后用服装工艺流程图的方式展现，并分配给缝制生产线的工人相关缝制任务。
3、在上述传统的编排方案中，需要借用大量人力劳动，并且需要熟悉服装数字制造系统的整体流程，少了一个环节就不能够有效地去对服装工艺进行编排，极大地增加了生产制造时间，而且不能让整个服装数字制造系统形成一个闭环，浪费了资源，增加了开发成本。
技术实现思路
1、本专利技术的目的是针对上述问题，提供一种基于多目标改进蚁群算法的服装工艺智能编排方法。
2、为达到上述目的，本专利技术采用了下列技术方案：一种基于多目标改进蚁群算法的服装工艺智能编排方法，本方法具体包括以下步骤：
3、s1、获取服装组成部
4、s2、建立综合评价体系；
5、s3、计算各缝制组合指标的权重，并建立评价函数；
6、s4、设置改进蚁群算法参数并基于约束条件建立部件选择基准；
7、s5、建立改进蚁群算法状态转移概率、启发式函数和信息素更新策略；
8、s6、求解最优部件缝制编排方案。
9、在步骤s1中，服装组成部件从服装制造执行系统中获取，并基于邻接表的拓扑排序求出部件的缝制组合数量。
10、在上述的一种基于多目标改进蚁群算法的服装工艺智能编排方法中，在制造执行系统中得到了一件服装的完整部件组成信息，即：s＝{s1，s2，s3…，sn}，并获取服装部件的紧前关系和约束条件后画出有向无环图dag，通过基于邻接表的拓扑排序输出所有编排方案的可能结果。
11、在步骤s2中，基于步骤s1中的所有编排方案，建立综合评价体系对最佳编排方案进行选择，综合评价体系的评价内容包括：
12、①分析影响部件缝制编排方案的因素；
13、②结合缝制后的生产精度和生产效率提取四个评价指标；
14、③总结四个指标的具体分析方法，找出部件不同的先后顺序对四个指标的影响值，然后建立对应的关系矩阵；
15、其中，评价指标包括：缝制组合精度、缝制设备变换次数、缝制组合连续性和缝制组合稳定性。
16、在步骤s3中，用三角模糊数综合评价方法计算各缝制组合指标的权重，并建立评价函数，具体包含以下步骤：
17、s31、利用三角模糊数表示fahp的指标并进行两两比较范围，并用程度分析法处理指标两两比较后的综合程度值，建立模糊判断元素标度；
18、s32、实地调研5家服装工厂，采用专家问卷调查的方式得到评判标度结果，构建三角模糊判断矩阵；
19、s33、确定初始权重，定义指标wi初始权重d计算公式为：
20、
21、，式中，i、j＝1，2，3……n；
22、s34、求各指标最终权重：
23、三角模糊函数的可能度：v(d(wi)＞d(wj))定义为：
24、
25、s35、确定最优编排方案的评价函数：
26、fitness＝w1*f1+w2*f2+w3*f3+w4*f4。
27、在步骤s4中，设置改进蚁群算法参数：信息启发因子α、期望值启发因子β和局部挥发系数ρ，将基础部件作为所有蚂蚁的第一个访问部件，根据约束条件确定下一个部件的选择范围allowed。
28、在步骤s5中，通过改进蚁群算法求出最优的部件编排方案，建立详细的数学模型，具体包括以下步骤：
29、s51、建立状态转移概率公式：
30、
31、s52、根据综合评价体系中建立的评价函数改进蚁群算法中的启发式函数：
32、
33、s53、根据轮盘赌选择方法选择下一个部件，然后进行相邻部件之间的信息素浓度全局更新。
34、在步骤s53中，当缝制组合完后，蚂蚁选择的部件数据为服装的全部部件个数后进行信息素浓度全局更新，信息素浓度全局更新包括局部信息素浓度更新以及全局信息素浓度更新，其中，
35、局部信息素浓度更新公式为：
36、τij(t+1)＝(1-ρ)τij(t)+ρτ0，
37、ρ：信息局部挥发系数，ρ的取值范围为(0，1)，τ0：初始信息素的大小，
38、
39、在上述的一种基于多目标改进蚁群算法的服装工艺智能编排方法中，全局信息素浓度更新公式为：
40、τij(t+n)＝(1-γ)τij(t)+δτij
41、
42、其中，
43、γ：信息素全局挥发系数，取值范围为(0，1)，
44、δτij：路径(i，j)上累计增加的信息素总量，
45、δτkij：在t和(t+n)时间内，蚂蚁k在路径(i，j)上留下的信息素，
46、q：信息素调节参数，一般取q＝1.0，
47、f：蚂蚁k完成一次搜索耗费的装配代价。
48、在上述的一种基于多目标改进蚁群算法的服装工艺智能编排方法中，根据目标函数计算当前迭代的最佳缝制组合，然后依次进行信息素浓度全局更新、allowed清零、迭代次数nc＝nc+1，当到达最大迭代次数后，输出最优的缝制编排方案。
49、与现有的技术相比，本专利技术的优点在于：
50、1、与传统的工艺设计编排方案相比，减少了对服装ie人员的依赖，使整个服装数字制造系统形成一个闭环，有利于服装工厂进行数字化转型，节约了资源，减少了开发成本；
51、2、通过建立健全的综合评价体系，可以根据不同服装工厂的生产要求对编排方案注重的评价指标进行把控，更加人性化，符合人机工程学相关理论；
52、3、通过改进蚁群算法的优化方案能够得到更精准的评价方案，而且使用的时间更少，缩短了开发周期，提高了编排效率。
本文档来自技高网...【技术保护点】
1.一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，本方法具体包括以下步骤：
2.根据权利要求1所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S1中，所述的服装组成部件从服装制造执行系统中获取，并基于邻接表的拓扑排序求出部件的缝制组合数量。
3.根据权利要求2所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在制造执行系统中得到了一件服装的完整部件组成信息，即：S＝{s1，s2，s3…，sn}，并获取服装部件的紧前关系和约束条件后画出有向无环图DAG，通过基于邻接表的拓扑排序输出所有编排方案的可能结果。
4.根据权利要求3所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S2中，基于S1中的所有编排方案，建立综合评价体系对最佳编排方案进行选择，所述的综合评价体系的评价内容包括：
5.根据权利要求1所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S3中，用三角模糊数综合评价方法计算各缝制组合指标的权重，并建立评价函数，具体包含
6.根据权利要求1所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S4中，设置改进蚁群算法参数：信息启发因子α、期望值启发因子β和局部挥发系数ρ，将基础部件作为所有蚂蚁的第一个访问部件，根据约束条件确定下一个部件的选择范围allowed。
7.根据权利要求6所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S5中，通过改进蚁群算法求出最优的部件编排方案，建立详细的数学模型，具体包括以下步骤：
8.根据权利要求7所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤S53中，当缝制组合完后，蚂蚁选择的部件数据为服装的全部部件个数后进行信息素浓度全局更新，所述的信息素浓度全局更新包括局部信息素浓度更新以及全局信息素浓度更新，其中，
9.根据权利要求6所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，所述的全局信息素浓度更新公式为：
10.根据权利要求9所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，根据目标函数计算当前迭代的最佳缝制组合，然后依次进行信息素浓度全局更新、allowed清零、迭代次数NC＝NC+1，当到达最大迭代次数后，输出最优的缝制编排方案。
...【技术特征摘要】
1.一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，本方法具体包括以下步骤：
2.根据权利要求1所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤s1中，所述的服装组成部件从服装制造执行系统中获取，并基于邻接表的拓扑排序求出部件的缝制组合数量。
3.根据权利要求2所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在制造执行系统中得到了一件服装的完整部件组成信息，即：s＝{s1，s2，s3…，sn}，并获取服装部件的紧前关系和约束条件后画出有向无环图dag，通过基于邻接表的拓扑排序输出所有编排方案的可能结果。
4.根据权利要求3所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤s2中，基于s1中的所有编排方案，建立综合评价体系对最佳编排方案进行选择，所述的综合评价体系的评价内容包括：
5.根据权利要求1所述的一种基于多目标改进蚁群算法的服装工艺智能编排方法，其特征在于，在步骤s3中，用三角模糊数综合评价方法计算各缝制组合指标的权重，并建立评价函数，具体包含以下步骤：
6.根据权利要求1所述的一种基于多目标改进蚁群算法的服...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。