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)