Презентация, подготовленная для выступления на XII международной научно-технической конференции «Системный анализ и информационные технологии», НТУУ «КПИ», Киев, 25—29 мая 2010 г.
презентация с авторским шаблоном и заметками Levinaga
Эволюционный подход к оптимизации раскроя рулонных материалов
1. «Эволюционный подход к оптимизации
раскроя рулонных материалов»
Виктор Балабанов
аспирант кафедры «Автоматизированные системы управления»
Донецкий национальный технический университет
XII международная научно-техническая конференция
«Системный анализ и информационные технологии»
НТУУ «КПИ», Киев, 25—29 мая 2010 г.
2. Продольный раскрой рулонов
• Используются специализированные линии продольной
резки, также называемые слиттерами:
• Все резы выполняются от края до края, параллельно
боковой кромке исходной полосы.
5. Задача рационального раскроя
• Относится к NP-полным задачам дискретной оптимизации
комбинаторного типа;
• Впервые формализована в терминах целочисленного
линейного программирования Л. В. Канторовичем в 1939 г.
Z = min ∑ xk
k
∑a
k
ik xk ≥ d i
xk ∈ Ζ +
i ∈ { , , m} k ∈ { , , P}
1 1
6. Методы решения
• Точные (на основе общей схемы метода ветвей и границ,
метод отсечений, динамическое программирование);
• Приближенные эвристические (отложенная генерация
столбцов, последовательные эвристические процедуры,
конструктивные эвристики);
• Приближенные метаэвристические (имитация отжига,
поиск с запретами, GRASP, эволюционные, муравьиные и
роевые алгоритмы).
8. Повышение технологичности планов раскроя
План раскроя I План раскроя II
1 Сравнение планов
I II
2
рулоны 6 6
3 потери 4,5% 4,5%
переналадки 3 1
1
9. Многокритериальная задача
• Первый критерий Z1: минимизировать потери материала в
отход;
• Второй критерий Z2: за счет многократного использования
раскройных карт сократить общее число уникальных карт
в плане раскроя;
• Может быть сформулирована как задача целочисленного
нелинейного программирования;
• Для упрощения решения возможно сведение к
однокритериальной задаче посредством скаляризации:
Z * = C1Z1 + C2 Z 2
10. Математическая формулировка
Z = (Z1 , Z 2 ); Z1 = min ∑∑ Tik
Wi − ∑ a jk w j ; Z 2 = min ∑ δ ∑ Tik
k i j k i
∑∑ T
k i
ik a jk Li ≥ l j
1, если рулон i кроится по способу k
Tik =
0, в противном случае
1, если ∑i Tik > 0
δ ∑ Tik =
i 0, в противном случае
i ∈ { , , m} j ∈ { , , n} k ∈ { , , K }
1 1 1
11. Эволюционные алгоритмы
• Предложены в середине 1960-х годов и реализуют
некоторые базовые идеи эволюционной теории Дарвина,
заимствуется соответствующая терминология;
• Решения оптимизационной задаче представляются в виде
последовательностей фиксированной или переменной
длины, часто используются иерархические структуры;
• На каждой итерации алгоритм работает с одним или
несколькими решениями;
• Целевая функция определяет «приспособленность»
решений;
• Существуют различные модификации: ЭП, ЭС, ГА, ГП.
12. Генетический алгоритм
начало А
инициализировать
мутация
начальную популяцию
Б
отсортировать хромосомы сформировать новую
по приспособленности популяцию
нет
селекция останов Б
да
выдать
скрещивание
решения
А конец
14. Инициализация начальной популяции
• Поиск ведется на ограниченном множестве раскройных
карт, удовлетворяющих заданному набору требований;
• Для генерации раскройной карты необходимо решить
задачу рюкзачного типа:
Z ' = max ∑ w j x j
j
∑w x
j
j j ≤ Wi
• Из полученных в результате решения вспомогательной
задачи раскройных карт последовательно составляется
план раскроя;
• План раскроя преобразуется в хромосому, которая затем
добавляется в начальную популяцию.
18. Тестирование
• Тестовые задачи формировались с учетом промышленных
объемов выпуска электросварных труб;
• Реализованный подход позволяет находить планы раскроя,
удовлетворяющие требованиям реального производства;
• Время, затраченное на поиск решения, обычно находится в
пределах одной-двух минут для Intel(R) Core(TM)2 Duo
T5800 @ 2.00 GHZ и 2 GB RAM;
• Эффективность гибридного генетического алгоритма в
значительной степени зависит от качества раскройных
карт, генерируемых при помощи вспомогательной
процедуры.
19. Направления дальнейших исследований
• Реализация генетического алгоритма для поиска Парето-
оптимальных решений многокритериальной задачи;
• Разработка полноценного пользовательского интерфейса;
• Внедрение системы планирования на ДМЗ;
• Релиз свободно распространяемой программной
библиотеки с открытым исходным кодом, снабженной
документацией и примерами;
• Предложенный подход может быть использован для
решения родственных задач рациональной упаковки и
размещения, календарного планирования и т.д.