一種用于雕刻機的軌跡優(yōu)化方法
【專利摘要】本發(fā)明提供了一種用于雕刻機的軌跡優(yōu)化方法，包括步驟：(1)將給定加工軌跡轉(zhuǎn)化成廣義旅行商模型；(2)采用改進(jìn)蟻群算法求解對應(yīng)的廣義旅行商模型，得到最短路徑及其所對應(yīng)的加工軌跡順序。本發(fā)明通過將軌跡數(shù)據(jù)轉(zhuǎn)化為可以進(jìn)行算法優(yōu)化的數(shù)學(xué)模型后，采用改進(jìn)的蟻群算法對軌跡數(shù)據(jù)進(jìn)行優(yōu)化，解決了對給定軌跡的排序優(yōu)化問題，加快收斂速度的同時也保證了最優(yōu)解的精度，具有靈活實用的特點，大大提高了雕刻機的加工效率。
【專利說明】
一種用于雕刻機的軌跡優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及了一種用于雕刻機的軌跡優(yōu)化方法，包括對給定軌跡的處理方法與對 處理后的軌跡的優(yōu)化方法。
【背景技術(shù)】
[0002] 雕刻機就是用機器代替人工進(jìn)行雕刻的設(shè)備，其相當(dāng)于一種鉆、銑結(jié)合的加工設(shè) 備。市面上的雕刻機都是直接執(zhí)行由CAM軟件生成的雕刻軌跡，其加工效率深受CAM軟件生 成的加工軌跡的質(zhì)量的影響，而這些CAM軟件通常是由專業(yè)的軟件公司開發(fā)，雕刻機的生產(chǎn) 商難以通過CAM改變加工軌跡的質(zhì)量。因此，雕刻機系統(tǒng)在執(zhí)行加工軌跡時，先對加工軌跡 進(jìn)行優(yōu)化處理就顯得非常有必要了。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供了一種用于雕刻機的軌跡優(yōu)化方法，包括對給定軌跡的處理 方法與對處理后的軌跡的優(yōu)化方法。其中對給定軌跡的處理方法解決了將軌跡數(shù)據(jù)轉(zhuǎn)化為 可以進(jìn)行算法優(yōu)化的數(shù)學(xué)模型問題，對處理后的軌跡的優(yōu)化方法解決了對給定軌跡的排序 優(yōu)化問題。本發(fā)明具有靈活實用的特點，旨在大大提高了上述雕刻機系統(tǒng)的加工效率。
[0004] 本發(fā)明的目的通過下述技術(shù)方案來實現(xiàn)：
[0005] -種用于雕刻機的軌跡優(yōu)化方法，包括步驟：
[0006] (1)將給定加工軌跡轉(zhuǎn)化成廣義旅行商模型；
[0007] (2)采用改進(jìn)蟻群算法求解對應(yīng)的廣義旅行商模型，得到最短路徑及其所對應(yīng)的 加工軌跡順序。
[0008] 進(jìn)一步地，所述步驟(1)具體包括：
[0009] (11)將所有給定加工軌跡的上插補點作為廣義旅行商模型中的"城市"，每條軌跡 作為"城市群"進(jìn)行保存并編號；
[0010] (12)計算各個城市之間的距離，并根據(jù)各城市之間的距離求取各城市的鄰域；
[0011] (13)對當(dāng)前城市到這些鄰域城市的信息素進(jìn)行初始化。（信息素濃度的大小表征 路徑的遠(yuǎn)近)進(jìn)行加強。
[0012] 進(jìn)一步地，所述步驟(2)具體包括：
[0013] (21)初始化改進(jìn)蟻群算法中的各個參數(shù)，包括:螞蟻數(shù)目m、傳統(tǒng)蟻的比例p、城市 群數(shù)N g_P、循環(huán)總次數(shù)N、前期階段循環(huán)次數(shù)為初始時刻各路徑信息素含量τ。、信息啟發(fā) 因子α、期望啟發(fā)因子β、信息素強度Q、揮發(fā)系數(shù)Ρ;
[0014] (22)初始化蟻群，每只螞蟻k隨機選擇一個城市群，然后在該城市郡中隨機選擇一 個城市作為出發(fā)點，將該城市加入到螞蟻路徑path k中，而將螞蟻所在的城市群中的所有城 市加入到禁忌表tabuk中；
[0015] (23)每只螞蟻根據(jù)自身所屬的蟻種與所處的階段，計算所有可達(dá)城市的轉(zhuǎn)移概 率，并以輪盤賭法則選擇下一個可達(dá)的城市，并將其加入到螞蟻路徑path k中，將螞蟻所在 的城市群中的所有城市加入到禁忌表tabuk中；
[0016] (24)計算每只螞蟻的路徑中的空行程，選擇本次迭代中空行程最短的螞蟻作為最 優(yōu)螞蟻并與歷次迭代中的最優(yōu)螞蟻作比較，選擇其中最優(yōu)螞蟻，更新各路徑上的信息素，并 進(jìn)行下一次迭代；
[0017] (25)如果迭代次數(shù)為N，則結(jié)束算法，輸出最優(yōu)結(jié)果，否則重復(fù)步驟（23)與步驟 (24)。
[0018] 進(jìn)一步地，步驟(24)中所述更新各路徑上的信息素的更新規(guī)則為:將最優(yōu)螞蟻的 路徑定義為最優(yōu)路徑，若為最優(yōu)路徑，則對該路徑上的信息素進(jìn)行增強，而其他路徑上的信 息素則根據(jù)揮發(fā)因子進(jìn)行一定程度上的揮發(fā)。
[0019] 進(jìn)一步地，所述信息素的增強或揮發(fā)由如下公式確定：
[0022]其中，T^(t+n)表示在t+n時刻在路徑（i，j)上的信息素的量，pe[0，l)為揮發(fā)系 數(shù)，1-P為信息素的殘留系數(shù)，Δ τij (t)為本次循環(huán)中路徑（i，j)上的信息素增量，Pathmin為 最優(yōu)螞蟻路徑，Q為信息素強度，L為本次循環(huán)中最優(yōu)螞蟻所走路徑的總長度，由于采用Ant-Cycle模型且僅對最優(yōu)路徑時行更新，所以Δ Tlj(t)的計算公式如第二條公式所示，Q可以影 響算法的收斂速度。
[0023] 進(jìn)一步地，步驟(23)中所述蟻種包括傳統(tǒng)蟻、叛逆蟻與反叛蟻，所述傳統(tǒng)蟻為可達(dá) 城市的搜索范圍為當(dāng)前城市的鄰域均為其可達(dá)城市的螞蟻;所述叛逆蟻為可達(dá)城市的搜索 范圍為除當(dāng)前螞蟻禁忌表中城市之外的所有城市；如果當(dāng)前城市的鄰域中沒有可選的城 市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市的搜索范圍變?yōu)槌?dāng)前螞蟻禁忌表中城市之外的 所有城市;所述所處的階段包括前期階段和后期階段，當(dāng)?shù)螖?shù)小于Μ時為前期階段，大 于等于Μ為后期階段。
[0024] 進(jìn)一步地，所述步驟(23)中計算所有可達(dá)城市的轉(zhuǎn)移概率具體包括步驟：
[0025] 若螞蟻為傳統(tǒng)蟻，則當(dāng)前城市的鄰域均為其可達(dá)城市，其轉(zhuǎn)移概率計算公式為：
[0027] 城市i的鄰域為υ(υ，τ、α)加強后的t時刻城市i與j之間的信息表濃度，ru偽路 徑（i，j)自身的啟發(fā)信息，其值通常取陽=1/屯，其中屯是城市i和j之間的距離；
[0028] 若當(dāng)前城市的鄰域中沒有可選的城市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市的范 圍變?yōu)槌?dāng)前螞蟻禁忌表中城市之外的所有城市，其轉(zhuǎn)移概率的計算公式為：
[0030]若當(dāng)前螞蟻為叛逆蟻，則其可達(dá)城市的搜索范圍為除當(dāng)前螞蟻禁忌表中城市之外 的所有城市，其轉(zhuǎn)移概率的計算公式為：
[0032] 其中，allowedk為第k只螞蟻的允許轉(zhuǎn)移城市，即除tabuk之外的所有城市，Tij(t) 為t時刻城市i與j之間的未進(jìn)行加強的信息表濃度；
[0033] 當(dāng)所有螞蟻都?xì)v遍完所有城市群，則算法完成一次迭代。
[0034] 進(jìn)一步地，所述步驟(23)還包括：
[0035]若螞蟻所處的階段為前期階段時，根據(jù)公式：
[0037]對轉(zhuǎn)移概率進(jìn)行放大，其中K⑴、⑴為放大前與放大后的轉(zhuǎn)移概率，
，是一個隨算法循環(huán)次數(shù)變化的系數(shù)，第11(116[0，1^))次循環(huán)時 &取值為&11， 則有：
[0039]即算法迭代次數(shù)小于Y，如果大于等于Y則不對轉(zhuǎn)移概率進(jìn)行放大，以加快算法 的收斂速度。
[0040]相比現(xiàn)有技術(shù)，本發(fā)明通過將軌跡數(shù)據(jù)轉(zhuǎn)化為可以進(jìn)行算法優(yōu)化的數(shù)學(xué)模型后， 采用改進(jìn)的蟻群算法對軌跡數(shù)據(jù)進(jìn)行優(yōu)化，解決了對給定軌跡的排序優(yōu)化問題，加快收斂 速度的同時也保證了最優(yōu)解的精度，具有靈活實用的特點，大大提高了雕刻機的加工效率。
【附圖說明】
[0041] 圖1是本發(fā)明中雕刻機系統(tǒng)加工時產(chǎn)生空行程的示意圖。
[0042] 圖2是本發(fā)明中執(zhí)行加工軌跡的雕刻機的示意圖。
【具體實施方式】
[0043]下面將結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實施方式不 限于此。
[0044] 將在CAM軟件中生成的雕刻機加工軌跡輸入到上位機中，上位機的對加工軌跡的 處理方式如下：
[0045] -種用于雕刻機的軌跡優(yōu)化方法，包括步驟：
[0046] (1)將所有加工軌跡的上插補點作為廣義旅行商模型中的"城市"，存放于一個列 表(list)數(shù)據(jù)結(jié)構(gòu)中，將根據(jù)其所在列表中的序號進(jìn)行編號；
[0047] (2)計算各個城市之間的距離，并存放于矩陣mat_dist中，矩陣中的元素 mat_dist (i，j)表示城市i與城市j之間的歐氏距離，其中i，j為（1)中的城市的編號，并根據(jù)各城市之 間的距離求取各城市的鄰域，即距離當(dāng)前城市距離最短的若干個城市，并將這些城市的編 號存放于當(dāng)前城市的list_neighborhood列表中；
[0048] (3)對當(dāng)前城市到這些鄰域城市的信息素濃度(信息素濃度的大小表征路徑的遠(yuǎn) 近)進(jìn)行加強；
[0049] (4)初始化改進(jìn)蟻群算法中的各個參數(shù)，包括:螞蟻數(shù)目m，傳統(tǒng)蟻的比例p，城市群 數(shù)^^_，循環(huán)總次數(shù)N，前期階段循環(huán)次數(shù)為Y，初始時刻各路徑信息素含量τ。，信息啟發(fā)因 子α，期望啟發(fā)因子β，信息素強度Q，揮發(fā)系數(shù)Ρ;
[0050] (5)初始化蟻群，每只螞蟻k隨機選擇一個城市群，然后在該城市郡中隨機選擇一 個城市作為出發(fā)點，將該城市加入到螞蟻路徑pathk中，而將螞蟻所在的城市群中的所有城 市加入到禁忌表tabuk中；
[0051] (6)每只螞蟻根據(jù)自身所屬的蟻種與所處的階段，計算所有可達(dá)城市的轉(zhuǎn)移概率， 并以輪盤賭法則選擇下一個可達(dá)的城市，并將其加入到螞蟻路徑pathk中，而將螞蟻所在的 城市群中的所有城市加入到禁忌表tabuk中，所述蟻種包括傳統(tǒng)蟻、叛逆蟻與反叛蟻，所述 傳統(tǒng)蟻為可達(dá)城市的搜索范圍為當(dāng)前城市的鄰域均為其可達(dá)城市的螞蟻;所述叛逆蟻為可 達(dá)城市的搜索范圍為除當(dāng)前螞蟻禁忌表中城市之外的所有城市;如果當(dāng)前城市的鄰域中沒 有可選的城市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市的搜索范圍變?yōu)槌?dāng)前螞蟻禁忌表中 城市之外的所有城市;所述所處的階段包括前期階段和后期階段，當(dāng)?shù)螖?shù)小于Y時為 前期階段，大于等于Μ為后期階段，計算所有可達(dá)城市的轉(zhuǎn)移概率具體包括步驟：
[0052] (6.1)如果螞蟻為傳統(tǒng)蟻，則當(dāng)前城市的鄰域均為其可達(dá)城市，其轉(zhuǎn)移概率計算公 式為：
[0054] 城市i的鄰域為UCi)，·^ ij(t)加強后的t時刻城市i與j之間的信息表濃度;nij為路 徑（i，j)自身的啟發(fā)信息，其值通常取陽=1/屯，其中屯城市i，j之間的距離；
[0055] (6.2)若當(dāng)前城市的鄰域中沒有可選的城市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市 的范圍變?yōu)槌?dāng)前螞蟻禁忌表中城市之外的所有城市，其轉(zhuǎn)移概率的計算公式為：
[0057] (6.3)若當(dāng)前螞蟻為叛逆蟻，則其可達(dá)城市的搜索范圍為除當(dāng)前螞蟻禁忌表中城 市之外的所有城市，其轉(zhuǎn)移概率的計算公式為：
[0059] 其中allowedk為第k只螞蟻的允許轉(zhuǎn)移城市，即除tabuk之外的所有城市，Tij(t)為 t時刻城市i與j之間的未進(jìn)行加強的信息表濃度；
[0060] (6.4)若螞蟻所處的階段為前期階段（即算法迭代次數(shù)小于Y，如果大于等于Y則 不對轉(zhuǎn)移概率進(jìn)行放大），為加快算法的收斂速度，可根據(jù)公式：
[0062]轉(zhuǎn)移概率進(jìn)行放大，其中 < ⑴ < (〇為放大前與放大后的轉(zhuǎn)移概率，
,是一個隨算法循環(huán)次數(shù)變化的系數(shù)，第11(116[0少/))次循環(huán)時 &取值為&11， 則有：
[0064] (6.5)當(dāng)所有螞蟻都?xì)v遍完所有城市群，則算法完成一次迭代；
[0065] (7)計算每只螞蟻的路徑中的空行程，選擇本次迭代中空行程最短的螞蟻作為最 優(yōu)螞蟻并與歷次迭代中的最優(yōu)螞蟻作比較，選擇其中最優(yōu)螞蟻，并更新各路徑上的信息素， 如果為最優(yōu)路徑（即最優(yōu)螞蟻的路徑），則對該路徑上的信息素進(jìn)行增強，而其他路徑上的 信息素則根據(jù)揮發(fā)因子進(jìn)行一定程度上的揮發(fā)，T^(t+n)表示在t+n時刻在路徑（i，j)上的 信息素的量，其更新規(guī)則如下：
[0068] 其中，pe[0，l)為揮發(fā)系數(shù)，Ι-p為信息素的殘留系數(shù)，ATlj(t)為本次循環(huán)中路徑 (i，j)上的?目息素增量，Pathmin為最優(yōu)媽路徑。由于米用Ant-Cycle模型且僅對最優(yōu)路徑時 行更新，所以A T^(t)的計算公式如第二條公式所示，Q為信息素強度，其可以影響算法的收 斂速度，L為本次循環(huán)中最優(yōu)螞蟻所走路徑的總長度；
[0069] (8)如果迭代次數(shù)等于N，則結(jié)束算法，輸出最優(yōu)結(jié)果，否則重復(fù)步驟(6)至(7)。
[0070] 上位機軟件處理完軌跡后，得到已進(jìn)行最優(yōu)排序的加工軌跡，將這些軌跡輸入到 如圖2所示的雕刻機的控制器中，控制器根據(jù)加工軌跡，輸出控制脈沖到伺服電機的驅(qū)動器 中，驅(qū)動器驅(qū)動伺服電機轉(zhuǎn)動，電機拖動與其相連的三坐標(biāo)運動平臺中的線性模組，帶動固 連在三坐標(biāo)運動平臺的電主軸的進(jìn)給運動，以對工件進(jìn)行雕刻加工。附圖2中，1為雕刻機的 機身，2為用于切削工件的電主軸，其末端安裝有刀具，3為三坐標(biāo)運動平臺，4為交流伺服電 機。
[0071] 如圖1所示，本實施例中，當(dāng)?shù)窨虣C系統(tǒng)執(zhí)行第i條加工軌跡時，刀具會下降距離cU 到當(dāng)前加工軌跡起點處，當(dāng)?shù)毒邎?zhí)行到軌跡的末點時，刀具會自動提升距離^，然后移動距 離ΠΗ到下一條軌跡的起點上方，準(zhǔn)備加工下一條軌跡。上述三個過程中刀具的移動距離(CU， Γι，ΠΗ)為加工過程中產(chǎn)生的空行程Llnvalld，對于所有i，cU，ri均保持不變，則執(zhí)行所有軌跡 (共η條)產(chǎn)生的空行程
。調(diào)整給定軌跡的加工順序，可以改變HU， 所以采用優(yōu)化算法：
?即可以求得加工過程中的最短空行程min Linvalld。 將每條軌跡上的點視為一個城市，每條軌跡視為一個城市群，則可將求解minLinvalld問題轉(zhuǎn) 化為求解廣義旅行商問題。
[0072] 本實施例將給定的軌跡分成兩類，一類為封閉的多邊形，另一類為開放的多段線， 將軌跡對應(yīng)廣義旅行商模型中的城市群，而軌跡上的每個插補點對應(yīng)每個城市群的城市， 因為有兩類軌跡，所以有兩類城市群，開放的多段線軌跡所對應(yīng)的城市群中，必須且僅能選 擇其中的首末兩個城市，而封閉多邊形軌跡所對應(yīng)的城市群中，可以任意選取一個城市（只 能一個城市），歷遍所有城市群所形成的回路即為雕刻機加工時產(chǎn)生的空行程，最短路徑所 對應(yīng)的加工軌跡順序即為最優(yōu)的加工軌跡順序。
[0073] 采用改進(jìn)的蟻群算法時，如果軌跡為封閉多邊形，則每只螞蟻經(jīng)過該軌跡對應(yīng)的 城市群時，任選其中一個城市即可，如果軌跡為開放的多段線，則每只螞蟻經(jīng)過該軌跡對應(yīng) 的城市時，必須且僅可選擇軌跡首末兩點所對應(yīng)的城市，計算每只螞蟻所經(jīng)過的城市的總 路程，用于判斷螞蟻的優(yōu)劣，總路程越短，則螞蟻越優(yōu)。
[0074] 本實施例螞蟻分為傳統(tǒng)蟻、叛逆蟻與反叛蟻，三種螞蟻在搜索路徑中的下一個城 市時，分別采用不同的搜索范圍，有局部搜索，也有全局搜索，因部分螞蟻只會在當(dāng)前城市 的鄰域中搜索下一個城市，這樣會大大減少搜索所有城市所帶來的時間浪費，在加快算法 收斂速度的同時也保證了算法最優(yōu)解的精度。
[0075] 另外，整個優(yōu)化過程分為兩個階段，當(dāng)?shù)螖?shù)小于Y時為前期階段，大于等于Y為后 期階段，在前期階段，為了加快收斂，
[0076] 對轉(zhuǎn)移概率進(jìn)行放大，在后期階段，為了防止算法的過快收斂而陷于局部最優(yōu)，則 采用正常的轉(zhuǎn)移概率，此措施在保證算法快速收斂的同時也保證了算法最優(yōu)解的準(zhǔn)確性。
[0077] 本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明 的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出 其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發(fā)明的 精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù) 范圍之內(nèi)。
【主權(quán)項】
1. 一種用于雕刻機的軌跡優(yōu)化方法，其特征在于，包括步驟： (1) 將給定加工軌跡轉(zhuǎn)化成廣義旅行商模型； (2) 采用改進(jìn)蟻群算法求解對應(yīng)的廣義旅行商模型，得到最短路徑及其所對應(yīng)的加工 軌跡順序。2. 根據(jù)權(quán)利要求1所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:所述步驟（1)具體 包括： (11) 將所有給定加工軌跡的上插補點作為廣義旅行商模型中的"城市"，每條軌跡作為 "城市群"進(jìn)行保存并編號； (12) 計算各個城市之間的距離，并根據(jù)各城市之間的距離求取各城市的鄰域； (13) 對當(dāng)前城市到這些鄰域城市的信息素進(jìn)行加強。3. 根據(jù)權(quán)利要求1所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:所述步驟(2)具體 包括： (21) 初始化改進(jìn)蟻群算法中的各個參數(shù)，包括:螞蟻數(shù)目m、傳統(tǒng)蟻的比例p、城市群數(shù) Ngr_、循環(huán)總次數(shù)N、前期階段循環(huán)次數(shù)為初始時刻各路徑信息素含量τ。、信息啟發(fā)因子 α、期望啟發(fā)因子β、信息素強度Q、揮發(fā)系數(shù)Ρ; (22) 初始化蟻群，每只螞蟻k隨機選擇一個城市群，然后在該城市郡中隨機選擇一個城 市作為出發(fā)點，將該城市加入到螞蟻路徑pathk中，而將螞蟻所在的城市群中的所有城市加 入到禁忌表tabuk中； (23) 每只螞蟻根據(jù)自身所屬的蟻種與所處的階段，計算所有可達(dá)城市的轉(zhuǎn)移概率，并 以輪盤賭法則選擇下一個可達(dá)的城市，并將其加入到螞蟻路徑pathk中，而將螞蟻所在的城 市群中的所有城市加入到禁忌表tabuk中； (24) 計算每只螞蟻的路徑中的空行程，選擇本次迭代中空行程最短的螞蟻作為最優(yōu)螞 蟻并與歷次迭代中的最優(yōu)螞蟻作比較，選擇其中最優(yōu)螞蟻，更新各路徑上的信息素，并進(jìn)行 下一次迭代； (25) 如果迭代次數(shù)為N，則結(jié)束算法，輸出最優(yōu)結(jié)果，否則重復(fù)步驟(23)與步驟(24)。4. 根據(jù)權(quán)利要求3所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:步驟(24)中所述更 新各路徑上的信息素的更新規(guī)則為:將最優(yōu)螞蟻的路徑定義為最優(yōu)路徑，若為最優(yōu)路徑，則 對該路徑上的信息素進(jìn)行增強，而其他路徑上的信息素則根據(jù)揮發(fā)因子進(jìn)行一定程度上的 揮發(fā)。5. 根據(jù)權(quán)利要求4所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:所述信息素的增強 或揮發(fā)由如下公式確定：其中，Tij(t+n)表不在t+n時刻在路徑（i，j)上的彳目息素的量，pe [0，1)為揮發(fā)系數(shù)，1-P 為信息素的殘留系數(shù)，為本次循環(huán)中路徑（i，j)上的信息素增量，Pathmin為最優(yōu)螞 蟻路徑，Q為信息素強度，L為本次循環(huán)中最優(yōu)螞蟻所走路徑的總長度。6. 根據(jù)權(quán)利要求3所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:步驟(23)中所述蟻 種包括傳統(tǒng)蟻、叛逆蟻與反叛蟻，所述傳統(tǒng)蟻為可達(dá)城市的搜索范圍為當(dāng)前城市的鄰域均 為其可達(dá)城市的螞蟻;所述叛逆蟻為可達(dá)城市的搜索范圍為除當(dāng)前螞蟻禁忌表中城市之外 的所有城市;如果當(dāng)前城市的鄰域中沒有可選的城市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市 的搜索范圍變?yōu)槌?dāng)前螞蟻禁忌表中城市之外的所有城市;所述所處的階段包括前期階段 和后期階段，當(dāng)?shù)螖?shù)小于Μ時為前期階段，大于等于Μ為后期階段。7. 根據(jù)權(quán)利要求6所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:所述步驟(23)中計 算所有可達(dá)城市的轉(zhuǎn)移概率具體包括步驟： 若螞蟻為傳統(tǒng)蟻，則當(dāng)前城市的鄰域均為其可達(dá)城市，其轉(zhuǎn)移概率計算公式為：城市i的鄰域為U(i)，T、(t)加強后的t時刻城市i與j之間的信息表濃度，ru偽路徑（i， j)自身的啟發(fā)信息，其值通常取ru尸1/屯，其中屯是城市i和j之間的距離； 若當(dāng)前城市的鄰域中沒有可選的城市，則傳統(tǒng)蟻轉(zhuǎn)化為反叛蟻，其可達(dá)城市的范圍變 為除當(dāng)前螞蟻禁忌表中城市之外的所有城市，其轉(zhuǎn)移概率的計算公式為：若當(dāng)前螞蟻為叛逆蟻，則其可達(dá)城市的搜索范圍為除當(dāng)前螞蟻禁忌表中城市之外的所 有城市，其轉(zhuǎn)移概率的計算公式為：其中，allowedk為第k只螞蟻的允許轉(zhuǎn)移城市，即除tabuk之外的所有城市，Tij(t)為t時 刻城市i與j之間的未進(jìn)行加強的信息表濃度； 當(dāng)所有螞蟻都?xì)v遍完所有城市群，則算法完成一次迭代。8. 根據(jù)權(quán)利要求3所述的用于雕刻機的軌跡優(yōu)化方法，其特征在于:所述步驟(23)還包 括： 若螞蟻所處的階段為前期階段時，根據(jù)公式：對轉(zhuǎn)移概率進(jìn)行放大，其中乂⑴、為放大前與放大后的轉(zhuǎn)移概率， "ε『-λ/^/2,0)，是一個隨算法循環(huán)次數(shù)變化的系數(shù)，第))次循環(huán)時a取值為an， 則有：
【文檔編號】G06Q10/04GK105868858SQ201610200900
【公開日】2016年8月17日
【申請日】2016年3月31日
【發(fā)明人】張鐵, 蘇杰汶
【申請人】華南理工大學(xué)