一种基于行列分组遗传算法的贴片机贴装路径优化方法

技术领域

本发明涉及贴片机贴装路径优化方法，属于电器技术及电气工程领域。

背景技术

现代生活与生产中，人们大量使用各种电气设备，这些设备功能实现依赖于搭载了各类电子元器件与芯片并建立了电气连接的电路板。为了组装得到功能完整的电路板，必须用到以贴片机为核心装备的表面贴装技术。贴片机迅速地拾取电子元件、电子器件与芯片，并将其快速准确地贴装到电路板表面的各贴装点上。为了表述简便，在后文中，将“电子元件、电子器件与芯片”统称为“元件”，将“拾取与贴装”简称为“拾贴”。

当前主流的贴片机均建立在图2所示的XYZ三轴运动平台上。完成贴装任务时，图2所示的梁式贴片载具是最常使用的，在梁式贴片载具内，沿X轴方向等距安装有若干可进行吸气与吹气的吸杆，各吸杆由贴片载具内的电机驱动沿Z方向上下运动，贴片载具分别由平动导轨与固定导轨驱动在水平面内沿X与Y方向运动。借助上述运动机构，即可完成对元件的拾取、移动与贴装。在拾贴过程开始前，首先由传送带将电路板传送到位，并由压紧机构将电路板固定。随后拾贴过程开始，在供料器基座上固定安装的供料器将自动补充待供应的元件，供应到位的元件将出现在供料器前端的拾取点处，等待被拾取。

图3所示为贴片机的拾贴过程。由于吸杆个数有限且远远少于贴装点个数，贴片载具需要分多个拾取与贴装周期(拾贴周期)完成一整块电路板的贴装。一个拾贴周期内的拾贴过程可被概述如下：贴片载具首先移动到供料器基座处；贴片载具上的各吸杆依次移动到对应拾取点处进行元件拾取；待所有吸杆均完成元件拾取后，贴片载具移动到电路板处；贴片载具上的各吸杆依次移动到对应贴装点处进行元件贴装。待所有吸杆均完成元件贴装后，开始下一个拾贴周期的拾贴过程。

从信号完整性、美观性等角度出发，大量电路板的设计中会用到图2所示的阵列式元件布局。在布局了LED灯的电路板上，将LED灯、电阻、电容等布局为元件阵列的设计尤其常见。定义与X轴平行的方向为行向、与Y轴平行的方向为列向，将沿着X方向分布的Y坐标近似相等的元件视作一行，并称作“点阵行”，将沿着Y方向分布的X坐标近似相等的元件视作一列。将列数相等且各元件列的X坐标相等的“点阵行”称作“同一类型点阵行”。

对贴片机拾贴过程进行优化，可明显缩短表面贴装耗时。拾贴过程优化的一个重要目标是贴装路径长度的最小化。在拾贴过程中，各吸杆依次完成元件的贴装所移动的路径是贴装路径。专利号为202010387801.3的发明给出了通用的贴装路径优化方法，但该方法在处理包含元件阵列的电路板拾贴过程优化问题时，得到的贴装路径远非最优解。

目前研究的主要缺陷是：现有贴装路径优化算法缺少针对元件阵列的专门设计，未能保证逐行贴装元件阵列内的贴装点，会破坏阵列式元件布局的规律性，从而无法协同优化各周期路径长度，并且由于搜索空间过大，导致对最优解的搜索能力差、搜索过程耗时过长。

发明内容

本发明的目的是解决现有贴装路径优化算法缺少针对元件阵列的专门设计，未能保证逐行贴装元件阵列内的贴装点，会破坏阵列式元件布局的规律性，从而无法协同优化各周期路径长度，并且由于搜索空间过大，导致对最优解的搜索能力差、搜索过程耗时过长的问题，而提出了一种基于行列分组遗传算法的贴片机贴装路径优化方法。

一种基于行列分组遗传算法的贴片机贴装路径优化方法具体过程为：

步骤一、获取贴片机参数以及电路板生产数据；

步骤二、将贴装点按行分组，得到点阵行；

步骤三、对贴装点的行分组结果进行染色体编码，得到染色体种群；

步骤四、将染色体解码，得到点阵行中贴装点的列分组结果，将列分组结果转化为贴装路径优化结果，计算贴装路径长度，并将其输出；

步骤五、设置遗传算法的参数以及循环条件；

步骤六、基于交叉算子操作各染色体，并通过比较择优更新贴装路径优化结果；

步骤七、基于变异算子操作各染色体，并通过比较择优更新贴装路径优化结果；

步骤八、输出最优的贴装路径优化结果。

本发明的有益效果为：

针对表现为元件阵列的电路板布局类型，本发明提出了图1中的逐行贴装方式，即在同一个拾贴周期内总是优先完成同一点阵行中贴装点的贴装，直到该行内所有贴装点均贴装完成才就近贴装其他点阵行。对采用“逐行贴装方式”的优势进行下述分析。由于梁式贴片载具内的各吸杆是沿行向布局的，即在任意时刻，所有吸杆的Y坐标总是相等的，那么对于同一类型“点阵行”，可采用反证法进行证明：在一个元件阵列中，如果访问其他点阵行的贴装点能够得到最优贴装路径，那么由于在当前点阵行内必定也有与该最优贴装点X坐标相同的贴装点p

本发明公开了一种基于行列分组遗传算法的贴片机贴装路径优化方法，该方法针对包含元件阵列的电路板，提出了可快速确定贴装顺序的逐行贴装方式，给出了贴装点的行列分组方法，在保证不丢失最优解的前提下，显著缩小了搜索空间，继而给出了与行列分组方法相适配的遗传算法编码与解码方法，分阶段地对各染色体进行所专门设计的遗传操作，能够快速稳定地得出全局近似最优解，最终显著缩短贴装路径，提升表面贴装生产效率。实验表明，本发明提供的方法可以大幅提升贴片机生产效率，与以往方法相比，在计算效率提升了12.1倍的同时，带来最大生产效率提升达60.7％。

具体来说，本发明具备如下2个创新点。(1)提出了采用与元件阵列相匹配的逐行贴装方式，并且给出了与该贴装方式相匹配的贴装点行列分组方法，在保证不丢失最优解的前提下，显著缩小了搜索空间；(2)给出了与行列分组方法相适配的遗传算法编码与解码方法，分阶段地对各染色体进行所专门设计的遗传操作，能够快速稳定地得出全局近似最优解。

附图说明

图1为采用逐行贴装方式的贴片机拾贴过程流程图；

图2为梁式贴片机贴装元件阵列的示意图；

图3为传统贴片机拾贴过程流程图；

图4为本发明贴片机贴装路径优化方法流程图；

图5为实施例采用本发明行列分组的拾贴路径示意图；

图6为实施例未采用行列分组得出的拾贴路径示意图；

图7为本发明实施例的贴装路径长度收敛曲线图。

具体实施方式

具体实施方式一：本实施方式的一种基于行列分组遗传算法的贴片机贴装路径优化方法具体过程为：

步骤一、获取贴片机参数以及电路板生产数据；

步骤二、将贴装点按行分组，得到点阵行；

步骤三、对贴装点的行分组结果进行染色体编码，得到染色体种群；

步骤四、将染色体解码，得到点阵行中贴装点的列分组结果，将列分组结果转化为贴装路径优化结果，计算贴装路径长度，并将其输出；

步骤五、设置遗传算法的参数以及循环条件；

步骤六、基于交叉算子操作各染色体，并通过比较择优更新贴装路径优化结果；

步骤七、基于变异算子操作各染色体，并通过比较择优更新贴装路径优化结果；

步骤八、输出最优的贴装路径优化结果。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一获取贴片机参数以及电路板生产数据；具体过程为：

步骤一一、获取贴片机参数；所述贴片机参数包括吸杆总数H，按照沿X轴递增的顺序对各个吸杆的索引编号为h∈[1,…,H]，吸杆间隔DI；

步骤一二、获取电路板生产数据；所述电路板生产数据包括：贴装点总数P，各贴装点的序号为p∈[1,…,P]，初始化行数为3、列数为P的数组xyn

步骤一三、按照Y坐标递增顺序对各贴装点排序：i

备注：“:”代表了以自增的方式获取这个维度的所有值，xyn

“1:1:P”表示将得到从起始量1开始递加增量1到终止量P的数组，即[1,…,P]，“P:-1:1”表示将得到从起始量P开始递加增量-1到1的数组，即[P,P-1,…,1]；由于自增(增量为1)检索的方式经常用到，可将1:1:P简写为1:P，在对数组进行索引时，若起始量为1、终止量恰好为该维度的元素个数，进一步简写，例如xyn

xyn

备注：举例说明sort的结果，若排序前的原数组为o

步骤一四、拾贴周期总数为

其中*号代表乘号；

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二将贴装点按行分组，得到点阵行；具体过程为：

步骤二一、赋值xyn

步骤二二、判断xyn

步骤二三、在当前未分组的贴装点中，获取能与Y坐标最小的贴装点构成点阵行的贴装点号i

其中find表示获取其后括号内数组中能满足括号内条件的元素序号；xyn

步骤二四、更新计数变量l＝l+1；初始化并赋值元数组AE{l}＝xyn

备注：由于问题的复杂性，存储数据的维度很高，以至于需要有数组中存储长度不固定的数组，此时用到以花括号{}为索引标记的数组，称其为元数组。

其中xyn

步骤二五、判断是否有N＝0，若是，执行步骤二六，若否，执行步骤二七；

步骤二六、更新计数变量N＝1，获取当前点阵行长度为M

备注：AE{l}(1,1)表示第l个点阵行中首个贴装点的X坐标；M

步骤二七、为当前点阵行划分所属的点阵行类型；

步骤二七一、初始化对点阵行类型的计数变量n＝1；

步骤二七二、若n>N，说明对已划分的点阵行类型完成了一次遍历，返回步骤二二，否则，执行步骤二七三；

步骤二七三、获取当前点阵行长度M

其中M

步骤二七四、赋值ba＝sum(|AX{n}-ax|)/M

其中AL{n}表示第n个点阵行类型中的各点阵行索引；AL{n}＝[AL{n}l]表示在AL{n}最后加上新元素l，即第n个点阵行类型中增加了第l个点阵行；

步骤二七五、判断是否有n＝N，若是，则说明当前点阵行不属于任何已划分的点阵行类型，执行步骤二七六，若否，更新计数变量n＝n+1，返回步骤二七二；

步骤二七六、更新计数变量N＝N+1，更新点阵行长度数组M

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三对贴装点的行分组结果进行染色体编码，得到染色体种群；具体过程为：

步骤三一、初始化染色体种群数为W＝40，以w为染色体索引，初始化染色体种群U{w}∈[U{1},…,U{W}]为空数组，初始化元素全为零的行数为1、列数为W的数组D，用于存储各染色体对应的贴装路径长度；初始化极大值变量inf＝100000，初始化最优贴装路径长度DTb＝inf；初始化一个子染色体数量为V＝3，以v为子染色体索引，初始化各子染色体u{v}∈[u{1},…,u{V}]为空数组；初始化染色体种群数计数w＝1；

步骤三二、得到需要跨点阵行贴装的贴装点个数；具体操作如下：

步骤三二一、初始化点阵行类型计数n＝1；初始化元素全为零的行数为1、列数为N的数组AC，用于存储各点阵行类型中所包含的点阵行个数；初始化元素全为零的行数为1、列数为N的数组K

步骤三二二、若n>N，更新NG＝NG+NJ+H，执行步骤三三，否则，执行步骤三二三；

步骤三二三、计算

其中K

步骤三二四、当前类型点阵行内需要跨行贴装的贴装点个数为nj＝M

其中AC(n)表示第n类点阵行所包含的点阵行个数；

步骤三二五、判断是否有l

步骤三二六、获取点阵行序号l＝AL{N}(l

备注：其中l＝AL{N}(l

步骤三三、得到各类型点阵行的贴装点分配顺序子染色体u{1}；具体操作如下：

步骤三三一、对应各点阵行类型n∈[1,…,N]，初始化元素全为零的行数为M

步骤三三二、若n>N，执行步骤三四，否则，执行步骤三三三；

步骤三三三、pa{n}＝randperm([1,…,M

备注：其中u为二维元数组，其中u{1}为u中的第1个元数组，u{1}{n}为u{1}中的第n个数组，即第n类点阵行的分配顺序染色体。

步骤三四、得到跨点阵行贴装顺序子染色体u{2}＝randperm([1,…,NJ])；执行步骤三五；

步骤三五、得到最后周期吸杆选择子染色体u{3}＝randperm([1,…,H])；执行步骤三六；

步骤三六、赋值U{w}＝u，以u作为输入执行步骤四，得到的输出中包含对应的贴装路径优化结果与贴装路径长度DT，D(w)＝DT；执行步骤三七；

其中u表示一个染色体，也是一组子染色体的集合，U{w}＝u表示将u存储为染色体种群中的第w个染色体；DT为染色体u对应的贴装路径长度，D(w)＝DT表示染色体种群中的第w个染色体对应的贴装路径长度为DT；

步骤三七、判断是否有DTb>D(w)；若是，则更新最优贴装路径长度DTb＝D(w)，更新最优解索引wb＝w，若否，则不做任何处理；执行步骤三八；

步骤三八、更新计数变量w＝w+1，若w>W，执行步骤五，否则，返回步骤三三。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四将染色体解码，得到点阵行中贴装点的列分组结果，将列分组结果转化为贴装路径优化结果，计算贴装路径长度，并将其输出；具体过程为：

步骤四一、进行初始化；具体操作如下：

步骤四一一、初始化并赋值贴装路径长度DT＝0、拾贴周期计数k＝0、吸杆遍历数组ah＝[1,…,H]；

步骤四一二、初始化元素全为零的行数为K、列数为H的二维数组PA，用于存储贴装点分配结果，其中的元素PA(k,h)用于存储第k个拾贴周期中由第h个吸杆贴装的贴装点号；初始化元素全为零的行数为K、列数为H的二维数组PS，用于存储贴装排序结果，其中的元素PS(k,s)用于存储第k个拾贴周期中第s个进行贴装的吸杆号；初始化元素全为1的行数为K、列数为H的二维数组PL，其中的元素PL(k,h)用于存储第k个拾贴周期中由第h个吸杆贴装的点阵行序号；初始化元素全为零的行数为K、列数为H的二维数组PM，其中的元素PM(k,h)用于存储第k个拾贴周期中由第h个吸杆贴装的贴装点在点阵行中的序号；初始化元素全为inf的行数为K、列数为H的二维数组PX，其中的元素PX(k,h)用于存储第k个拾贴周期中由第h个吸杆进行贴装时的贴片载具X坐标；初始化元素全为inf的行数为K、列数为H的二维数组PY，其中的元素PY(k,h)用于存储第k个拾贴周期中由第h个吸杆进行贴装时的贴片载具Y坐标；初始化元素全为零的行数为L、列数为H的二维数组TJ，其中的元素TJ(l,h)用于存储第l个点阵行中第h个需要跨行贴装的贴装点在该点阵行中的序号；

步骤四一三、赋值L

其中AJ(L

步骤四一四、若l>L，初始化点阵行类型计数n＝1，执行步骤四二，否则，执行步骤四一五；

步骤四一五、AJ(l)＝AJ(l-1)+aj(l-1)；更新计数变量l＝l+1，返回步骤四一四；

其中AJ(l)表示逐行地分配到第l个点阵行时已分配了的跨行贴装点个数；

步骤四二、对可填满整个周期的点阵行中的贴装点进行列分组；具体操作如下：

步骤四二一、若n>N，执行步骤四三，否则，执行步骤四二二；

步骤四二二、赋值临时染色体q

步骤四二三、判断是否有k

步骤四二四、赋值ap＝q

其中q

步骤四二五、判断是否有l

步骤四二六、更新拾贴周期计数k＝k+1；获取点阵行序号l＝AL{N}(l

其中PL(k,:)表示第k个拾贴周期中各吸杆所贴装的点阵行序号；PM(k,:)表示第k个拾贴周期中各吸杆所贴装的贴装点在点阵行中的序号；PX(k,:)表示第k个拾贴周期中各吸杆进行贴装时的贴片载具X坐标；PY(k,:)表示第k个拾贴周期中各吸杆进行贴装时的贴片载具Y坐标；PA(k,:)表示第k个拾贴周期中各吸杆所贴装的贴装点号；AE{l}(1,ap)表示按照数组ap中的顺序获取第l个点阵行中的贴装点X坐标；AE{l}(2,ap)表示按照数组ap中的顺序获取第l个点阵行中的贴装点Y坐标；AE{l}(3,ap)表示按照数组ap中的顺序获取第l个点阵行中的贴装点号；

步骤四二七、判断是否有l

步骤四二八、获取点阵行序号l＝AL{N}(l

其中AL{N}(l

步骤四三、对需要跨行贴装的贴装点进行列分组；具体操作如下：

步骤四三一、赋值临时染色体q

其中aj(1)表示第一个点阵行内需要跨行贴装的贴装点个数；

步骤四三二、判断是否有k

步骤四三三、判断是否有l

步骤四三四、更新g

其中aj(l

步骤四三五、按照q

其中AJ(l

步骤四三六、判断是否有h>H，若是，更新计数变量k

步骤四三七、赋值i

其中i

步骤四四、对最后一个周期的贴装点进行列分组；具体操作如下：

步骤四四一、若H

步骤四四二、赋值临时染色体q

其中u{3}(1:H

步骤四四三、判断是否有s>H

步骤四四四、赋值i

其中i

步骤四四五、获取吸杆号h＝q

其中q

步骤四五、根据贴装点的列分组结果得到贴装路径优化结果，并计算贴装路径长度；具体操作如下：

步骤四五一、拾贴周期计数k＝1；

步骤四五二、若k>K，将DT、PA、PS输出至调用步骤四的原步骤(调用步骤四的有：步骤三六、步骤六六一、步骤六六二、步骤七六一)，否则，执行步骤四五三；

步骤四五三、首先，按照X坐标递增顺序对当前拾贴周期中的贴装点排序：i

随后，按照点阵行序号递增顺序再次对各贴装点排序：i

其中i

步骤四五四、赋值吸杆计数变量s＝2；若k＝K，H

步骤四五五、若s>H

步骤四五六、计算当前贴装坐标与先前贴装坐标之间的切比雪夫距离为dt＝max(|PX(k,s)-PX(k,s-1)|,|PY(k,s)-PY(k,s-1)|)，更新贴装路径长度DT＝DT+dt；更新计数变量s＝s+1，返回步骤四五五；

其中PX(k,s)用于存储第k个拾贴周期中由第s个吸杆进行贴装时的贴片载具X坐标；PY(k,s)存储第k个拾贴周期中由第s个吸杆进行贴装时的贴片载具Y坐标。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤五设置遗传算法的参数以及循环条件；具体过程为：

步骤五一、初始化遗传算法的交叉概率RC＝0.6、变异概率RM＝0.02，计算交叉操作次数上限IC＝RC*W，变异操作次数上限IM＝RM*W*NG，无改进搜索次数上限

步骤五二、若it>IT，说明无改进搜索次数已达上限，执行步骤八，否则，初始化交叉操作计数ic＝1，执行步骤五三；

步骤五三、若ic>IC，说明交叉操作次数已达上限，初始化变异操作计数im＝1，执行步骤五四，否则，执行步骤六；

步骤五四、若im>IM，说明变异操作次数已达上限，执行步骤五五，否则，执行步骤七；

步骤五五、得到[db,wo]＝min(D)，min表示取其后括号内数组的最小值，因此db为目前搜索到的最小贴装路径长度，wo为达成该最优贴装路径的染色体索引；判断是否有DTb>db；若是，则更新最优贴装路径长度DTb＝db，更新最优解索引wb＝wo，更新计数变量it＝0，若否，更新计数变量it＝it+1；返回步骤五二。

其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：所述步骤六基于交叉算子操作各染色体，并通过比较择优更新贴装路径优化结果；具体过程为：

步骤六一、基于轮盘赌法选出进行交叉操作的两染色体；具体操作如下：

步骤六一一、初始化元素全为零的行数为1、列数为W的数组E与SR；遍历各染色体w∈[1,…,W}，赋值E(w)＝1/D(w)，赋值各染色体的选择概率SR(w)＝E(w)/sum(E)；初始化被选中的两个染色体编号为w

其中E(w)为D(w)的倒数；

步骤六一二、判断是否有w

其中U

步骤六一三、生成选择概率sr

其中rand(1)表示在0～1之间生成一个随机数；

步骤六一四、若w

步骤六一五、更新sr＝sr+SR(w

其中SR(w

步骤六一六、若w

步骤六一七、更新sr＝sr+SR(w

步骤六二、若

步骤六三、在所选中的两染色体中，对各类型点阵行的贴装点分配顺序子染色体进行交叉操作；具体操作如下：

步骤六三一、初始化对点阵行类型的计数变量n＝1；

步骤六三二、若n>N，执行步骤六四，否则，执行步骤六三三；

步骤六三三、获取需要进行操作的两染色体片段pu

其中U

步骤六三四、以pu

步骤六四、对所选中两染色体中的跨点阵行贴装顺序子染色体与最后周期吸杆选择子染色体进行交叉操作；具体操作如下：

步骤六四一、获取需要进行操作的两染色体片段pu

其中U

步骤六四二、获取需要进行操作的两染色体片段pu

其中U

步骤六四三、执行步骤六六；

步骤六五、对输入的两染色体片段进行交叉操作；具体操作如下：

步骤六五一、进行交叉的元素个数为nc

步骤六五二、若cc

步骤六五三、查看数组pu

步骤六五四、CC＝numel(NC

步骤六五五、若cc

步骤六五六、cc

步骤六五七、pu

步骤六六、将进行交叉操作后得到的两染色体解码，计算其对应的贴装路径长度，若优于交叉操作前的结果，则将其替换到染色体种群中；具体操作如下：

步骤六六一、以u＝U

步骤六六二、以u＝U

步骤六六三、i

步骤六六四、更新染色体种群U{w

其它步骤及参数与具体实施方式一至六之一相同。

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：所述步骤七基于变异算子操作各染色体，并通过比较择优更新贴装路径优化结果；具体过程为：

步骤七一、基于轮盘赌法选出进行变异操作的染色体；具体操作如下：

步骤七一一、遍历各w∈[1,…,W}，赋值E(w)＝1/D(w)，赋值各染色体的选择概率SR(w)＝E(w)/sum(E)；初始化被选中的染色体编号为w

步骤七一二、生成选择概率sr

步骤七一三、若w

步骤七一四、更新sr＝sr+SR(w

步骤七一五、初始化临时染色体u

步骤七二、若

步骤七三、在所选中的染色体中，对各类型点阵行的贴装点分配顺序子染色体进行变异操作；具体操作如下：

步骤七三一、初始化对点阵行类型的计数变量n＝1；

步骤七三二、若n>N，执行步骤七四，否则，执行步骤七三三；

步骤七三三、获取需要进行操作的染色体片段pu

步骤七三四、以pu

步骤七四、对所选中两染色体中的跨点阵行贴装顺序子染色体与最后周期吸杆选择子染色体进行变异操作；具体操作如下：

步骤七四一、获取需要进行操作的染色体片段pu

步骤七四二、获取需要进行操作的染色体片段pu

步骤七四三、执行步骤七六；

步骤七五、对输入的染色体片段进行变异操作；具体操作如下：

步骤七五一、赋值pu

步骤七五二、若cc

步骤七五三、需要进行变异的第一个元素为

步骤七五四、判断是否有nc

步骤七五五、

步骤七五六、更新pu

步骤七六、将进行变异操作后得到的染色体解码，计算其对应的贴装路径长度，若优于变异操作前的结果，则将其替换到染色体种群中；具体操作如下：

步骤七六一、以u＝u

步骤七六二、判断是否有D

其它步骤及参数与具体实施方式一至七之一相同。

具体实施方式九：本实施方式与具体实施方式一至八之一不同的是：所述步骤八输出最优的贴装路径优化结果；具体过程为：

步骤八一、根据最优解索引wb取出最优染色体为u＝U{wb}；

步骤八二、以u作为输入执行步骤四，得到的输出中包含最优的贴装路径优化结果：最优贴装点分配结果PAb＝PA、最优贴装排序结果PSb＝PS；

步骤八三、贴片机依照最优贴装路径优化结果开展贴装生产。

其它步骤及参数与具体实施方式一至八之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例一种基于行列分组遗传算法的贴片机贴装路径优化方法具体是按照以下步骤制备的：

算例考虑一台六吸杆梁式贴片载具贴片机的贴装路径优化过程。

需要导入的电路板生产数据列于表1，其中有一类元件，共有100个贴装点。

表1电路板生产数据

对贴装点按行分组，得到8个点阵行，各点阵行所包含的贴装点索引如下：

AE{1}(3,:)＝[16151413121110987654321]

AE{2}(3,:)＝[252423222120191817]

AE{3}(3,:)＝[41403938373635343332313029282726]

AE{4}(3,:)＝[504948474645444342]

AE{5}(3,:)＝[66656463626160595857565554535251]

AE{6}(3,:)＝[757473727170696867]

AE{7}(3,:)＝[91908988878685848382818079787776]

AE{8}(3,:)＝[1009998979695949392]

其中第1、3、5、7个点阵行属于第一类点阵行，第2、4、6、8个点阵行属于第二类点阵行。使用本发明得到的最优染色体为：

u{1}{1}＝[13791215256101316111484]

u{1}{2}＝[124679835]

u{2}＝[25241311102082762123491817728155141611222319226]

u{3}＝[241365]

将最优染色体解码，对应得到点阵行分配结果PL与贴装点列分配结果PM为：

根据PL、PM、AN可得，贴装点分配结果PA与贴装排序结果PS如下：

上述贴装路径优化结果如图5所示，该最优贴装路径长度为DT

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。