1.基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，包括以下步骤：步骤一，获取裁剪文件，限定裁剪路径范围和样片数；步骤二，解析裁剪文件，获取独立样片点坐标并且计算相应样片的中心点坐标；步骤三，利用中心点坐标使用改进自适应杂交退火粒子群算法搜索最优裁剪顺序；步骤四，利用样片点坐标和动态规划方式确定每个样片的入刀点；步骤五，转化为G代码输出至裁剪机进行相应运动；其特征在于：其中在上述步骤一中，获取裁剪文件：根据用户自身需求对所需要的裁剪形状进行绘制，规定裁剪路径范围和样片数量；

其中在上述步骤二中，获取上述步骤一的裁剪文件原始数据：裁剪文件一般为dxf/dwg文件格式，从该文件中读取数据字符串，从原始数据字符串中读取每个样片Ni的轮廓点坐标数据(xij,yij)，并且根据每个样片的各轮廓点计算样片的中心点坐标Ci，并将原始数据分别存入样片点坐标集Nnum以及中心点坐标集Cnum中；

其中在上述步骤三中，将上述步骤二的裁剪文件原始数据利用改进自适应杂交退火粒子群优化算法获取裁剪路径样片走刀顺序；

其中在上述步骤四中，基于上述步骤三的流程确定裁剪序列，确定裁剪序列下的每个样片的入刀点；

其中在上述步骤五中，根据步骤四得到的入刀点集合，以此作为最终优化结果，在计算机上将次裁剪路径转化为G代码，输出至裁剪机上，以此进行裁剪动作，最终分析裁剪质量和效率。

2.根据权利要求1所述的基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，其特征在于：所述步骤三中，具体过程包括以下步骤：

1)设置算法初始参数，如惯性权重最大值和最小值wmax、wmin，自身加速系数的最大值和最小值c1max、c1min，社会加速系数的最大值和最小值C2max、c2min，阈值系数γ，杂交概率Pc，杂交比例Ph，最大迭代次数gmax，当前迭代次数g，粒子数目M，裁剪系统原点坐标E，sigmoid函数控制参数Kmax；

2)随机生成M个粒子，初始化粒子个体最优适应度pbest_fitness、个体极值pbest、群体最优适应度gbest_fitness和群体极值gbest，计算所有粒子的平均值适应值为

3)根据粒子群自适应参数规则调整w，c1，c2，调整规则如下：

其中： fi为当前迭代次数下的每个粒子的适应度值；

4)根据粒子群算法规则调整M个粒子的位置xij和速度vij，应用在裁剪路径优化问题上，位置即表示为裁剪序列N＝[N1，N2，N3...Nn]；速度即表示为对裁剪序列的交换序Nij＝[N1，N2]表示为裁剪序列中为N1和N2的样片顺序进行交换，更新规则如下：

5)更新个体极值pbest：根据粒子更新后的位置计算每个粒子当前迭代次序的适应度值Fi，在所提方法中适应度值为裁剪序列的路径总长度，将每个粒子每次迭代后寻找到的最短路径的裁剪序列作为个体极值pbest；

6)更新群体极值gbest：引入模拟退火算子，在每次迭代后根据蒙特卡洛准则更新群体极值，模拟退火算子的初始温度 后续每次迭代温度用降序系数μ线性递减，即T(k)＝T(k‑1)*μ，然后根据概率公式P选择更新群体极值gbest的方式，更新准则如下：

7)判断杂交条件，若粒子趋同性过强，则引入杂交变异算子增加种群多样性，利用Div判断粒子聚集程度，Div值越小，表明种群在中心周围聚集程度越高，若当Div值衰减至一定阈值，且满足杂交概率时，进行杂交算子对粒子进行更新：

8)满足上述7)杂交条件时执行杂交变异算子，产生新的种群：

9)根据新种群记录本次迭代的群体最优适应度gbest_fitness和群体极值gbest，并且同当前迭代次数之前的群体极值进行比较，若优于之前群体极值，则更新群体极值；

10)判断算法是否达到最大迭代次数或者退火温度是否低于预设值，若未达到，则返回步骤3)，且迭代次数g＝g+1；若达到，则输出群体最优适应度和群体极值，作为最佳裁剪顺序N_best＝[N1，N2，N3...Nn]，结束搜索。

3.根据权利要求2所述的基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，其特征在于：所述步骤6)中，概率公式P为：

4.根据权利要求2所述的基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，其特征在于：所述步骤8)中，pb为均匀分布的[0，1]间的随机数， 和 分别为子代位置及速度， 和 分别为父代位置和速度。

5.根据权利要求1所述的基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，其特征在于：所述步骤四中，采用禁忌搜索‑动态规划算法确定裁剪序列下的每个样片的入刀点。

6.根据权利要求1所述的基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，其特征在于：所述步骤四中，具体过程包括以下步骤：

1)设置禁忌表，将步骤三得到的裁剪序列放入该表，若下次迭代中获得的裁剪序列已存在于禁忌表中，则不执行动态规划算法，转而继续进行步骤三；

2)初始化动态规划算法，由于裁剪序列是一个封闭路径，需要利用最近邻原则选择第一个样片中距离裁剪系统原点E最近的入刀点N1j；

3)执行动态规划算法，利用步骤三得到的裁剪序列N_best＝[N1，N2，N3...Nn]，首先确定第n个样片中所有轮廓点到达第1个样片的最短空行程长度；其次，确定第n‑1个样片中所有轮廓点到第1个样片的最短空行程长度，该步骤需要用到步骤1所形成的信息；以此反复执行直到确定所有样片到第1个样片的最短空行程长度；

4)确定入刀点，根据步骤2)中的最短空行程长度从而确定每个样片的入刀点，形成入刀点集合R＝[R1，R，R3...Rn]。