صنعت نساجی و پوشاک با چالش های چشم افزایی در زمینه بهره وری منابع و کاهش ضایعات مواجه است. هزینه مواد اولیه در این صنعت بین ۵۰ تا ۷۵ درصد کل هزینه های تولید را تشکیل می دهد و ضایعات ناشی از برش و دوخت می تواند بین ۱۰ تا ۱۵ درصد مواد اولیه را هدر دهد. این پژوهش به بررسی کاربرد الگوریتم های تکاملی و شبکه های عصبی گرافی در بهینه سازی الگوی دوخت و کاهش ضایعات نساجی می پردازد. روش پیشنهادی شامل یک چارچوب دو مرحله ای است: در مرحله اول، مسئله گروه بندی قطعات با استفاده از شبکه های عصبی گرافی و یادگیری تقویتی حل می شود و در مرحله دوم، چیدمان بهینه با استفاده از الگوریتم های تکاملی انجام می گیرد. نتایج پیاده سازی بر روی داده های واقعی صنعتی نشان می دهد که رویکرد ترکیبی ارائه شده می تواند زمان محاسبات را تا ۴۸ درصد کاهش داده و ضایعات مواد را تا ۷۰ درصد نسبت به روش های سنتی بهبود بخشد. همچنین، این روش با در نظر گرفتن عدم قطعیت های ناشی از تغییر شکل پارچه در فرآیند برش، راهکارهای مقاوم تری را ارائه می دهد که در محیط های تولیدی واقعی کاربردپذیری بالایی دارند.

کارشناسی طراحی پوشاک موسسه آموزش عالی هنر شیراز