蚁群算法求解带约束火焰切割路径优化问题

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (23): 239-243.

蚁群算法求解带约束火焰切割路径优化问题

王祥雒1，范刚龙1，杨春蕾2

1.洛阳师范学院信息技术学院，河南洛阳 471022
2.河南科技大学电子信息工程学院，河南洛阳 471000

出版日期:2012-08-11 发布日期:2012-08-21

Ant colony algorithm for path optimization of NC flame cutting under thermal deformation constraint

WANG Xiangluo1, FAN Ganglong1, YANG Chunlei2

1.Academy of Information Technology, Luoyang Normal University, Luoyang, Henan 471022, China
2.School of Electronic & Information Engineering, Henan University of Science and Technology, Luoyang, Henan 471000, China

Online:2012-08-11 Published:2012-08-21

摘要/Abstract

摘要： 火焰切割路径优化的主要目的是控制切割路径不当引起的热变形误差并对路径长度寻优。通过零件位置关系动态定义切割过程中的可选打孔点集合，将热变形约束条件量化；引入虚拟结点并定义距离矩阵，将路径规划转化为动态描述的TSP问题；基于蚁群算法提出约束条件下增大解空间的方法和信息素更新策略。实验结果表明，改进后的蚁群算法能够有效控制问题的规模并且得到更高质量的解，对热变形约束条件下的数控火焰切割路径优化有较好的效果和实用性。

关键词: 热变形, 打孔点, 旅行商问题, 蚁群优化

Abstract: The path optimization for flame cutting has two primary objectives: shortening the cutting path and reducing the thermal error caused by improper path planning. Thermal deformation constraints are quantified by dynamically defining the pierce points set, which can be determined through position relations between parts. Dummy nodes are added in the distance matrix, the cutting path planning problem can be transformed to dynamic TSP. The method for expanding solution space under thermal deformation constraint and the strategy about bidirectional updating of trail pheromones is presented based on ant colony algorithm. Experimental results show that the scale of TSP is restricted efficiently and better solutions can be obtained. It is feasible to optimize the flame cutting path under thermal deformation constraint.

Key words: thermal deformation, pierce points, Traveling Salesman Problem（TSP）, ant colony optimization

王祥雒1，范刚龙1，杨春蕾2. 蚁群算法求解带约束火焰切割路径优化问题[J]. 计算机工程与应用, 2012, 48(23): 239-243.

WANG Xiangluo1, FAN Ganglong1, YANG Chunlei2. Ant colony algorithm for path optimization of NC flame cutting under thermal deformation constraint[J]. Computer Engineering and Applications, 2012, 48(23): 239-243.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[3]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[4]	张海南，游晓明，刘升，刘中强. 交互式学习的布谷鸟搜索算法[J]. 计算机工程与应用, 2020, 56(7): 147-154.
[5]	陈思远，林丕源，黄沛杰. 指针网络改进遗传算法求解旅行商问题[J]. 计算机工程与应用, 2020, 56(19): 231-236.
[6]	周克良，龚达欣，张宇龙. 区域破坏重建的蚁群优化算法[J]. 计算机工程与应用, 2020, 56(14): 62-67.
[7]	薛文艳，赵江，郝崇清，刘慧贤. 基于信息素负反馈的超启发式蚁群优化算法[J]. 计算机工程与应用, 2019, 55(4): 163-172.
[8]	刘明霞1，游晓明1，刘升2. 基于聚度的自适应动态混沌蚁群算法[J]. 计算机工程与应用, 2019, 55(3): 15-22.
[9]	胡士娟，鲁海燕，黄洋，许凯波. 求解工作量平衡多旅行商问题的改进遗传算法[J]. 计算机工程与应用, 2019, 55(17): 150-155.
[10]	陈佳，游晓明，刘升，李娟. 结合信息熵的多种群博弈蚁群算法[J]. 计算机工程与应用, 2019, 55(16): 170-178.
[11]	李娟，游晓明，刘升，陈佳. 自适应模糊蚁群系统[J]. 计算机工程与应用, 2019, 55(15): 75-81.
[12]	赵亚文，熊瑞平，乔治，梁齐齐，罗勇. 应用捕食搜索策略的改进多态蚁群算法[J]. 计算机工程与应用, 2019, 55(14): 115-121.
[13]	姚书婷，胡志华，魏晨. 多禁止时间窗约束的路径恢复问题研究[J]. 计算机工程与应用, 2019, 55(12): 265-270.
[14]	姜道银1，2，葛洪伟1，2. 基于信息交流策略的连续域蚁群优化算法[J]. 计算机工程与应用, 2019, 55(11): 153-159.
[15]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.