2017 年 2月 图 学 学 报 February 2017

第 38 卷 第1期 JOURNAL OF GRAPHICS Vol.38 No.1

考虑余料价值的三阶段二维剪切
下料算法
陈秋莲， 宋仁坤， 崔耀东
(广西大学计算机与电子信息学院，广西 南宁 530004)

摘 要：余料再利用是企业降低成本、减少环境污染的一个重要途径。在二维剪切下料问题
中考虑余料的二次利用价值，采用束搜索优化材料利用率高、加工复杂度低的三阶段同质排样方
式。束搜索节点既考虑板材中排入的毛坯价值，又考虑余料的二次利用价值，较好地兼顾当前生
产周期的下料成本和余料在未来周期中的可用性。演示了排样方式的优化排样过程，给出了考虑
余料价值的排样方案与已有文献算法的对比，说明文中算法可有效节省板材成本、生成可用标准
余料。

关 键 词：三阶段；束搜索；余料；剪切下料
中图分类号：TP 391 DOI：10.11996/JG.j.2095-302X.2017010010
文献标识码：A 文 章 编 号：2095-302X(2017)01-0010-05

A Method for Three-Staged Two-Dimensional Guillotine Cutting with

Usable Leftover
CHEN Qiulian, SONG Renkun, CUI Yaodong
(School of Computer & Electronic Information, Guangxi University, Nanning Guangxi 530004, China)

Abstract: Reuse of leftovers is an important way for enterprises to reduce costs and environmental
pollution. The paper solves the two-dimensional guillotine cutting stock problem considering the
reuse value of the leftover. The beam search heuristic is used to generate three-staged homogenous
cutting patterns of high material utilization and low processing complexity. The nodes consider both
the value of included items and the reusability of the leftover. It makes a good balance between the
low material costs of the current production cycle and the reusability of leftovers for future. The
optimization process is demonstrated, and the computational results compared with literature. It
shows that the algorithm can effectively save plate and generate standard leftovers.

Keywords: three-staged; beam search; leftover; guillotine cutting

毛坯排样时，若板材无法完全填充，下料过 解决余料问题主要有两种途径：
程中就会产生余料。若不加以处理，余料的形状 (1) 减少余料。通过改进排样算法，尽可能填
和尺寸差异太大，难以管理和二次利用，只能作 充板材，提高材料利用率，减少损耗。
为废料处理，带来了资源浪费和环境污染。 (2) 余料再利用。聚集大余料，标准化余料生

收稿日期：2016-07-22；定稿日期：2016-09-08
基金项目：国家自然科学基金项目(61363026，71371058)
第一作者：陈秋莲(1974–)，女，广西扶绥人，副教授，博士。主要研究方向为辅助设计和优化计算。E-mail：chen-ql@foxmail.com
通信作者：崔耀东(1957–)，男，河南化州人，教授，博士，博士生导师。主要研究方向为排样优化。E-mail：ydcui@263.net
 第1期 陈秋莲，等：考虑余料价值的三阶段二维剪切下料算法 11

成，使余料便于管理并可用于后继生产周期。
现有文献解决余料问题的处理方法多采取第
一种途径：采用复杂的排样方式，如 T 型排样方
式[1]、块排样方式[2-3]、多阶段排样方式[4-5]等，以
提高材料利用率，使加工复杂度增加换取废料减
少。由于余料再利用比较复杂，第二种途径的研
究目前主要集中在一维下料问题上[6]，而其他维度
下料问题的研究非常少。ANDRADE 等[7-8]考虑了
非剪切排样方案和二阶段排样方案中的余料价值，
采用多层次整数规划模型求解，但只能用于毛坯种
图1 3HL 排样方式
类和数量都非常少的小规模装箱和下料问题。
本文采用三阶段排样方式提高材料利用率，
在排样中同时考虑排入的毛坯和产生的余料，通 设毛坯的价值 vi  li wi 。令 l 为潜在余料的长度，
过束搜索启发式算法聚集形状规则的标准余料， 则余料的二次利用价值 Vl 可定义为
便于余料的库存管理和未来使用。束搜索采用树
clW , if l ≥ lmin
来表示解空间上的所有可能解，是一种剪枝的分 Vl   (1)
 0, otherwise
支定界法。束搜索的原理与树搜索基本相同，但
其中， lmin  min{li } 是最小毛坯长度，c 为余料的
增加分枝数的设置形成束宽度参数，用以调节求 iI
[9]
解精度和计算时间。HIFI 等 采用束搜索算法求解 价值系数，且 0<c<<1。从而毛坯与余料相比，得
二阶段排样方式，通过估计函数引导搜索方向， 以优先排样，不会因考虑余料而影响板材用量。
提高算法的效率。 从而 3HL 排样方式的价值扩展为排入的毛坯
价值和标准余料的二次利用价值之和为
1 问题描述
 m 
z P  max   ai vi  Vl  ；
考虑余料的剪切下料问题：在尺寸为 L×W 的  i 1 
板材上排样 m 种矩形毛坯，其中 i 型毛坯的长、
P  3HL 排样方式 ，0 ≤ ai ≤ ri ， ai  N (2)
宽和需求量分别为 li，wi 和 di，i=1,···,m。寻找一
其中，zP 是 3HL 排样方式的价值，l 是余料长度，
个好的排样方案，用最少的板材数量完成所有需
ai 是排样方式中包含的 i 型毛坯数量，不能超过其
求毛坯的切割，切割过程符合剪切工艺，且产生的
剩余需求量 ri，i=1,···,m。
可用余料价值大。本文的排样方案由一组考虑余料
的三阶段同质排样方式(three-staged homogenous 2 算法描述
cutting pattern with usable leftover，3HL)组成，其
可满足剪切要求，并能较好地平衡加工复杂度和 算法描述可分为：初始排样方式生成、束搜
材料利用率。 索优化 3HL 排样方式、排样方案生成。其中初
3HL 排样方式中，仅限于第一阶段切割后的 始排样方式以递推过程实现，只涉及毛坯的排样
剩余子板，可作为潜在余料。其他阶段切割产生 不考虑余料的价值；束搜索算法通过节点的全局
的碎片，不论面积大小，仅当作没有使用价值的 估计实现 3HL 排样方式的余料聚集；排样方案
废料处理。因此 3HL 排样方式可获得与板材同宽 通过 3HL 排样方式的顺序调用生成。先给出排
的规整标准余料，如图 1 所示。 样方案的求解框架，再描述所调用的排样方式
潜在余料只有在尺寸不小于某一特定最小尺 算法。
寸，至少可以排入一个毛坯时，才有可能被二次 2.1 排样方案求解框架
利用，产生二次利用价值。余料不是当前需要的 采用顺序启发式框架求解，每次使用剩余需
产品，其价值实现存在着一定风险，因此与相同 求毛坯生成一个 3HL 排样方式，直到毛坯都排完
面积的毛坯相比，余料的二次利用价值更小。假 为止。顺序生成的 3HL 排样方式组合成最终的
 12 几何设计与计算 2017 年

3HL 排样方案。排样方案的求解框架如下： 以 z*表示最好排样方式的价值，B 为精英节点

算法 1. BSF or 3HL Plan( ) 集，Bc 为子节点集，束宽度 δ 表示精英节点数量。
输入：板材尺寸、毛坯的种数、尺寸和需求量； 则束搜索优化 3HL 排样方式算法如下：
输出：3HL 排样方案。 算法 2. BSF or 3HL Pattern( )
步骤 1. 初始化毛坯价值为其面积； 输入：板材的尺寸，毛坯的种类、尺寸和剩
步骤 2. 初始化排样方案的排样方式集为空集， 余需求量；
剩余需求量 ri  di ； 输出：3HL 排样方式。
步骤 3. 调用排样方式生成算法，将排样方式 步骤 1. 生成初始排样方式，得到不同子板及
添加到排样方案中； 初始排样方式价值；
步骤 4. 更新毛坯的剩余需求量。若还存在毛 步骤 2. 初始化最好排样方式价值和子板估计
坯没有排完，则转步骤 3；否则输出排样方案。 值： z*  f ( L) ， U x  f ( x) ；
2.2 排样方式生成算法 步骤 3. B  {} ，Bc   。根节点   ((0  W ),
采用启发式束搜索结合递推技术生成排样方
( L  W )) ，价值和剩余需求分别为 z  0 ，ri  di ；
式。以递推过程生成初始排样方式，束搜索算法
步骤 4. 从 B 中取节点   (( x  W ), (( L  x) 
实现 3HL 排样方式优化。
2.2.1 初始排样方式生成 W )) ， LR  L  x ， z x  z ， ri  ri ；
三阶段同质排样中，条带只包含同类型毛坯， 步 骤 5. 若 LR  lmin 或  i  I ， ri  0 ， 则
第一阶段的切割位置只需考虑毛坯长度的倍数集 VLR  cLRW ， z*  max{z* , z x  VLR } ，转步骤 9；
合[10] ，即规范长度集 Q  {kli | 0 ≤ k ≤  ri ,  L / li   ,
步骤 6. 用 ri 和 LR 更新规范长度集 Q 和段
k  N , i  1,, m}  {L} 。条带 x  wi 中只包含 i 型毛 F (qk ) ， qk  Q ；
坯，毛坯数量为 e( x, i )  min(  x / li  , ri ) ，条带价值 步 骤 7. 剩 余 子 板 中 填 充 段 ， 产 生 子 节 点
为 v( x, i )  e( x, i )vi , x  Q 。   ((( x  qk )  W ) ， (( LR  qk )  W )) 。计算节点的
可采用文献 [11] 的递推过程，快速生成只考 局部排样方式价值，评价值和剩余需求量：
虑毛坯价值的初始排样方式：①子段从 y=0 开始 z  z x  qk  z x  F (qk ) ， z  z  U ( LR qk ) ，
向上拼接条带，递推得到段 x×W 的价值 F(x)，
r i  ri  u (qk , i ) ， qk  Q ， i  1,, m ；若 z ≥ z* ，
其包含的毛坯数量为 u ( x, i ) ， i  I ；②子板从 x=0
将子节点按评价值降序插入到 Bc 中；
开始向右拼接段，递推出新子板 x×W 的价值 f(x)，
步骤 8. 从 Bc 中取前 min{ ,| Bc |} 节点插入到
最终得到的板材价值 f(L) 即为初始排样方式的毛
坯价值，中间结果 f(x)可作为子板 x×W 的估计值。 B 的头部，清空 Bc   ；

2.2.2 束搜索优化 3HL 排样方式 步骤 9. 若 B   ，则终止并输出最优排样方

束搜索算法通过初始排样方式价值对劣节点 式；否则转步骤 4 继续迭代。
的过滤和节点的全局估计引导搜索方向，优化得
到 3HL 排 样 方 式 。 节 点 用 子 板 对 ((x×W) ， 3 实验结果
(( L  x)  W ))表示，其中 (x×W)为已填充的子板，
本文算法采用 Visual Studio 2010 C#编码，在
由段组成，价值为 zx，是所包含的段价值之和。
计算机(3.30 GHz Intel，32 GB RAM)上运行。取束
(( L  x)  W ) 为未填充子板，其估计值为 f ( L  x) 。
宽度   3 ，价值系数 c  0.05 。
对非叶子节点，则其估计值为： z  z x  f ( L  x) ， 3.1 排样方式的优化演示
每层上只保留估计值较大的少部分精英节点作进 板材尺寸为 510×200，待排毛坯 7 种，需求量
一步的分支，其他非叶子节点直接放弃，不再回 均为 18，允许旋转方向。毛坯尺寸分别为：20×10，
溯 [9] 。 对 无 法 继 续 分 支 的 叶 子 节 点 ， 其 价 值 为 26×25，30×20，40×25，50×5，101×5，103×10。
z  z x  V( L x ) 。 图 2 为优化前后的排样方式图，初始排样方
 第1期 陈秋莲，等：考虑余料价值的三阶段二维剪切下料算法 13

式占用的包络矩形为 466×200 。束搜索优化后的 VASSILIADISM[12]采用二叉树生成的普通剪切排

3HL 排样方式仅为 387×200，可用余料集中在板 样方式占用的包络矩形为 405×200，废料数量为
材右侧，形成了与板材同宽的标准余料尺寸为 38 块。3HL 排样方式的废料数量更少，可用标准
123×200 ，废料数 量仅 为 8 块。 同样的 算例 ， 余料更大。

(a) 初始排样方式(466×200)

(b) 束搜索优化的排样方式(387×200)

图2 排样方式的优化过程

3.2 排样方案的比较 得可行解。

将本文 3HL 排样方案分别与文献[5]的 3NE 排
样方案、3E 排样方案，及文献[13]的 3E 排样方案
作比较。3NE 和 3E 都是三阶段排样方案，3NE 对
条带中的毛坯没有限制，3E 限制条带中的毛坯宽
度相同，两者都是 3HL 排样方案的超集，不考虑
余料可用性。表 1 给出了 20 道中大规模实例的结
果对比，其中 Z3HL 为本文 3HL 排样方案的板材用
量，ZS3E，ZP3E 和 ZS3NE 分别为 Silva-3E，Puchinger-3E
及 Silva-3NE 的板材用量。L3HL 和 T 分别为本文的
余料长度和计算时间(s)。表中符号“ ”表示没有获
3HL 排样方案在所有算例上的板材用量均比
Silva 及 Puchinger 采用的整数规划算法获得的 3E
及 3NE 排样方案更少或者持平。如果将没有返回
可行解的算例的板材用量计作较大值，则 3HL 排
样方案、Silva-3E、Puchinger-3E 和 Silva-3NE 的总
板材用量比为：214 张 vs 230 张 vs 228 张 vs 225
张。本文的 3HL 排样方案与 Silva 及 Puchinger 的
三阶段排样方案相比，明显节省了板材的用量，而
且可生成形状规则、面积大的可用余料。且平均计
算时间为 1.69 s，说明本文算法具有较高的时间效率。
 14 几何设计与计算 2017 年

表1 本文排样方案与 Silva 及 Puchinger 的三阶段排样方案比较

ID Z3HL ZS3E ZP3E ZS3NE L3HL T(s) ID Z3HL ZS3E ZP3E ZS3NE L3HL T(s)

ATP30 9 9 9  853 0.72 ATP40 15  16  101 2.08

ATP31 14  15 15 342 7.92 ATP41 12 12 13 12 427 0.92

ATP32 13 14 13 14 258 0.89 ATP42 15 17 16 16 41 2.91

ATP33 13 13 14 13 152 1.82 ATP43 13 15 14 14 219 3.00

ATP34 6 6 6 6 535 0.63 ATP44 9 9 10 10 112 1.15

ATP35 8 8 8 8 587 0.75 ATP45 8 8 9 9 85 0.78

ATP36 8 8 8 8 322 0.43 ATP46 11 12 12 12 0 1.98

ATP37 11 15 12 12 0 2.92 ATP47 13 14 14 13 243 1.58

ATP38 11 12 12 11 604 1.39 ATP48 8 9 9 9 0 0.66

ATP39 12 12 12 12 338 0.91 ATP49 5 6 6 6 46 0.37

one-dimensional cutting stock problem with usable

4 结 束 语 leftovers –A survey [J]. European Journal of Operational
Research, 2013, 236(2): 395-402.
本文采用束搜索生成考虑余料的二维剪切下 [7] ANDRADE R, BIRGIN E G, MORABITO R. Two-stage
料问题的排样方案，有效地节省板材用量，而且 two-dimensional guillotine cutting stock problems with

生成的标准余料面积大、形状规则，便于余料的 usable leftover [J]. International Transactions in

库存管理和后期的二次利用。未来将考虑在多生
产周期的下料问题中使用余料。
参 考 文 献
[1] CUI Y D, YANG Y L. A recursive branch-and-bound
algorithm for constrained homogenous T-shape cutting
patterns [J]. Mathematical and Computer Modelling,
2011, 54(5-6): 1320-1333.
[2] 潘卫平, 陈秋莲, 崔耀东, 等. 基于匀质条带的矩形
件最优三块布局算法[J]. 图学学报, 2015, 36(1): 7-11.
[3] 季君. 基于同形块的剪切下料布局算法研究[D]. 北
京: 北京交通大学, 2012.
[4] VANDERBECK F. A nested decomposition approach to
a three-stage two-dimensional cutting-stock problem [J].
Management Science, 2001, 47(6): 864-879.
[5] SILVA E, ALVELOS F, VALÉRIO DE CARVALHO J M.
An integer programming model for two- and three-stage
two-dimensional cutting stock problems [J]. European
Journal of Operational Research, 2010, 205(3): 699-708.
[6] CHERRI A C, ARENALES M N, YANASSE H H. The
Operational Research, 2016, 23(1-2): 121-145.
[8] ANDRADE R, BIRGIN E G, MORABITO R, et al. MIP
models for two-dimensional non-guillotine cutting
problems with usable leftovers [J]. Journal of the
Operational Research Society, 2014, 65(11): 1649-1663.
[9] HIFI M, M’HALLAH R, SAADI T. Algorithms for the
constrained two-staged two-dimensional cutting problem [J].
Informs Journal on Computing, 2008, 20(2): 212-221.
[10] CUI Y D. Heuristic and exact algorithms for generating
homogenous constrained three-staged patterns [J].
Computers & Operations Research, 2008, 35: 212-225.
[11] CHEN Q L, CUI Y D, CHEN Y. Sequential value
correction heuristic for the two-dimensional cutting stock
problem with three-staged homogenous patterns [J].
Optimization Methods & Software, 2016, 31(1): 68-87.
[12] VASSILIADISM V S. Two-dimensional stock cutting
and rectangle packing: binary tree model representation
for local search optimization methods [J]. Journal of
Food Engineering, 2005, 70: 257-268.
[13] PUCHINGER J, RAIDL G R. Models and algorithms for
three-stage two-dimensional bin packing [J]. European
Journal of Operational Research, 2007, 183(3): 1304-1327.