CN104808661A - 一种旅游路径规划方法 - Google Patents
一种旅游路径规划方法 Download PDFInfo
- Publication number
- CN104808661A CN104808661A CN201510098619.5A CN201510098619A CN104808661A CN 104808661 A CN104808661 A CN 104808661A CN 201510098619 A CN201510098619 A CN 201510098619A CN 104808661 A CN104808661 A CN 104808661A
- Authority
- CN
- China
- Prior art keywords
- path
- ant
- pheromones
- tourism
- planning method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 241000257303 Hymenoptera Species 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 239000003016 pheromone Substances 0.000 claims description 30
- 230000003321 amplification Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明揭示了一种旅游路径规划方法,步骤1、初始化参数,建立已知环境的栅格地图,构造障碍信息的代价矩阵;步骤2:信息素的更新,对于每条可行路径,分别计算路径长度和相应的信息素增量,并对路径上相应各点的信息素进行更新;步骤3:选择路径,添加探索蚂蚁,对产生的可行路径进行有效选择;步骤4:下一时刻产生的蚂蚁路径,产生可行路径;步骤5:若未达到搜索次数上限,则跳转至步骤2,否则,输出最优解。本发明的优点在于通过添加探索蚂蚁的方法,避免算法搜索陷入局部最优;通过改进更新信息素的机制,并保留最优蚂蚁的策略,提高蚂蚁对最优路径的敏感度,提高算法的收敛速度,能够准确的规划出旅游最佳路径。
Description
技术领域
本发明涉及路径规划领域,尤其涉及一种利用蚁群算法规划旅游路径的方法。
背景技术
有效的旅游路线规划对提高旅游者行程安排的合理性、旅行社的效益最大化以及保证旅游景区规划的科学性来说,具有重要的参考价值。路径规划问题是指,在给定的环境中,搜索出一条从起始点到目标点之间的总代价最小路径,这里的代价可以是距离最短、耗时最少、安全性最高或是费用最少等。目前旅游路径大都是工作人员通过经验规划,难以保证所选择的旅游路径是最佳的。
发明内容
本发明所要解决的技术问题是实现一种通过计算机利用蚁群算法规划出最佳的旅游路径。
为了实现上述目的,本发明采用的技术方案为:一种旅游路径规划方法,
步骤1:初始化参数,建立已知环境的栅格地图,构造障碍信息的代价矩阵;
步骤2:选择路径,添加探索蚂蚁,对产生的可行路径进行有效选择;
步骤3:信息素的更新,对于每条可行路径,分别计算路径长度和相应的信息素增量,并对路径上相应各点的信息素进行更新;
步骤4:下一时刻产生的蚂蚁路径,产生可行路径;
步骤5:若未达到搜索次数上限,则跳转至步骤2,否则,输出最优解。
所述步骤1中的代价矩阵构造方法为:
其中,Vij表示从顶点i点到顶点j所花费的代价,若两点之间有障碍,则其代价为无穷大,否则为其欧式距离,Dij表示点i和点j之间的欧式距离。
所述步骤2中添加探索蚂蚁,对产生的可行路径进行路径选择的方法为:
Pi k表示蚂蚁k在点i上选择的下一个点,ηij表示点i和点j之间的道路信息,β表示道路信息对蚂蚁选择路径时所起作用的大小,τij表示点i和点j之间的信息素的量,α表示信息素对蚂蚁选择路径时所起作用的大小,allowedk表示不在蚂蚁k禁忌表中的点的集合。
所述的道路信息ηij的计算公式为ηij=1/Lengthij。
所述步骤3中的信息素的更新机制为:
其中Phroij是点i和点j之间的道路上原有信息素的量,P是信息素挥发比率,AddPhroij是本轮搜索后所有一般蚂蚁在点i和点j之间的道路上需要增加的信息素的量,ρ为第一次找到的最好路径的放大系数,是最优蚂蚁添加在点i和点j之间的道路的信息素的量。
所述信息素量可由下面的公式所得:
本发明的优点在于通过添加探索蚂蚁的方法,避免算法搜索陷入局部最优;通过改进更新信息素的机制,并保留最优蚂蚁的策略,提高蚂蚁对最优路径的敏感度,提高算法的收敛速度,能够准确的规划出旅游最佳路径。
附图说明
下面对本发明说明书中每幅附图表达的内容作简要说明:
图1基于蚁群的路径优化流程图;
图210×10栅格环境图;
图320×20栅格环境图;
图430×30栅格环境图;
图550×50栅格环境图。
具体实施方式
蚁群算法是20世纪90年代由意大利学者Dorigo等人首先提出,它是对自然界蚂蚁的觅食寻径方式进行模拟得出的一种仿生算法。多年来世界各地研究者对蚁群算法进行研究和开发,数值仿真结果表明蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值,针对基本蚁群算法收敛速度慢、易陷入局部最优化等问题,本发明设计了一种旅游路径规划方法。
如图1所示,旅游路径规划方法具体步骤如下:
步骤1:初始化参数。群体的个数num,迭代次数Iterate,道路初始信息量Iphro,信息素挥发比率为P,禁忌表长度AllowedLength等相关参数,障碍信息的代价矩阵;
代价矩阵构造方法为:
其中,Vij表示从顶点i点到顶点j所花费的代价,若两点之间有障碍,则其代价为无穷大,否则为其欧式距离。Dij表示点i和点j之间的欧式距离。
蚂蚁数量num=100,迭代次数Iterate=100;信息因子α=4,期望因子β=1;道路初始信息量Iphro=5;信息素挥发比率为P=0.5,禁忌表长度AllowedLength=10;常数=200,常数C=2,禁忌表最大长度AllowedMaxLength=10。一般蚂蚁个数M=25,探索蚂蚁个数C=75。
步骤2:将蚂蚁置于起点,开始新一轮查找;
步骤3:找出一只没有搜索过路径的蚂蚁,开始路径搜索;
步骤4:选择下一路径节点:按蚂蚁类型的不同选择不同的路径选择机制,一般蚂蚁转移概率计算公式如下:
其中,Pi k表示蚂蚁k在起点为i的路径对应的终点,τij表示点i和点j之间的信息素的量,α表示信息素对蚂蚁选择路径时所起作用的大小,ηij表示点i和点j之间的道路信息,β表示道路信息对蚂蚁选择路径时所起作用的大小,allowedk表示不在蚂蚁k禁忌表中的点的集合。
旅游路径规划方法,点i和点j之间的道路信息ηij的计算公式为ηij=1/Lengthij。
添加探索蚂蚁,对产生的可行路径进行路径选择,探索蚂蚁转移概率计算公式如下:
其中,Pi k表示蚂蚁k在点i上选择的下一个点,ηij表示点i和点j之间的道路信息,β表示道路信息对蚂蚁选择路径时所起作用的大小,τij表示点i和点j之间的信息素的量,α表示信息素对蚂蚁选择路径时所起作用的大小,allowedk表示不在蚂蚁k禁忌表中的点的集合。
旅游路径规划方法,点i和点j之间的道路信息ηij的计算公式为ηij=1/Lengthij。
步骤5:判断蚂蚁是否到达终点,若已到达终点,则转步骤6;否则,转步骤4。
步骤6:判断该蚂蚁是否比当前最优蚂蚁更优。若成立,则将该蚂蚁替当前最优蚂蚁;否则,转步骤7。
步骤7:判断是否遍历完所有蚂蚁?若成立,则转步骤8,否则转步骤3。
步骤8:更新道路信息素,计算公式为:
其中Phroij是点i和点j之间的道路上原有信息素的量,P是信息素挥发比率,AddPhroij是本轮搜索后所有一般蚂蚁在点i和点j之间的道路上需要增加的信息素的量,ρ为第一次找到的最好路径的放大系数,是最优蚂蚁添加在点i和点j之间的道路的信息素的量。
旅游路径规划方法,最优蚂蚁在本次迭代中留在路径<i,j>上的信息素量可由下面的公式所得:
并判断是否达到最大迭代次数?若成立,则输出结果。否则,迭代次数增1,转步骤2。
为测试改进后的算法性能,采用栅格法对环境进行划分,设蚂蚁的活动范围是二维平面的一个有限区域,区域内分布着有限个静态障碍物。蚂蚁活动区域被划分为尺寸大小相同的栅格。在该区域内建立直角坐标系,X轴横向向右,Y轴纵向向上,假设蚂蚁运动步长为h,将X轴、Y轴以h为单位划分栅格,采用序号法,对划分好的栅格按从左到右,从上到下进行编号。序号为S的任意栅格所对应的栅格坐标为(x,y)则有其中M为栅格行数,N为栅格列数。本发明测试了多组数据,栅格规模分别为10*10,20*20,30*30,50*50(图2-5)。实验测试了每种情况下,算法的收敛速度、可行解路径长度和规划路线。本发明的方法与基本蚁群的路径规划的实验对比结果如下表所示。
表1
从表1中可以看出,在规模较小时,基本蚁群算法收敛速度与改进蚁群算法收敛速度相当,如在栅格数目为10*10时基本蚁群和改进蚁群算法平均都只需迭代两次就可得出可行解。随着问题规模的扩大,改进蚁群算法在收敛速度上的优越性逐渐体现出来,可以在较短时间内规划出质量很好的可行解。在栅格数目为20*20,、30*30时基本蚁群算法还能在设置的最大迭代次数内找到可行解,当问题规模扩大到为50*50时,基本蚁群已不能在设置的最大迭代次数内找到可行解,而改进的蚁群算法则平均在迭代40次左右就能找到可行解。从仿真结果来看,改进的蚁群算法在复杂的环境中有较高的收敛速度,能够较快的找到可行解。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种旅游路径规划方法,其特征在于:
步骤1:初始化参数,建立已知环境的栅格地图,构造障碍信息的代价矩阵;
步骤2:选择路径,添加探索蚂蚁,对产生的可行路径进行有效选择;
步骤3:信息素的更新,对于每条可行路径,分别计算路径长度和相应的信息素增量,并对路径上相应各点的信息素进行更新;
步骤4:下一时刻产生的蚂蚁路径,产生可行路径;
步骤5:若未达到搜索次数上限,则跳转至步骤2,否则,输出最优解。
2.根据权利要求1所述的旅游路径规划方法,其特征在于:所述步骤1中的代价矩阵构造方法为:
其中,Vij表示从顶点i点到顶点j所花费的代价,若两点之间有障碍,则其代价为无穷大,否则为其欧式距离,Dij表示点i和点j之间的欧式距离。
3.根据权利要求1所述的旅游路径规划方法,其特征在于:所述步骤2中添加探索蚂蚁,对产生的可行路径进行路径选择的方法为:
表示蚂蚁k在点i上选择的下一个点,ηij表示点i和点j之间的道路信息,β表示道路信息对蚂蚁选择路径时所起作用的大小,τij表示点i和点j之间的信息素的量,α表示信息素对蚂蚁选择路径时所起作用的大小,allowedk表示不在蚂蚁k禁忌表中的点的集合。
4.根据权利要求3所述的旅游路径规划方法,其特征在于:所述的道路信息ηij的计算公式为ηij=1/Lengthij。
5.根据权利要求1所述的旅游路径规划方法,其特征在于:所述步骤3中的信息素的更新机制为:
其中Phroij是点i和点j之间的道路上原有信息素的量,P是信息素挥发比率,AddPhroij是本轮搜索后所有一般蚂蚁在点i和点j之间的道路上需要增加的信息素的量,ρ为第一次找到的最好路径的放大系数,是最优蚂蚁添加在点i和点j之间的道路的信息素的量。
6.根据权利要求5所述的旅游路径规划方法,其特征在于:所述信息素量可由下面的公式所得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098619.5A CN104808661B (zh) | 2015-03-05 | 2015-03-05 | 一种旅游路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098619.5A CN104808661B (zh) | 2015-03-05 | 2015-03-05 | 一种旅游路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104808661A true CN104808661A (zh) | 2015-07-29 |
CN104808661B CN104808661B (zh) | 2017-04-05 |
Family
ID=53693580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510098619.5A Active CN104808661B (zh) | 2015-03-05 | 2015-03-05 | 一种旅游路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104808661B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096733A (zh) * | 2015-08-07 | 2015-11-25 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105160122A (zh) * | 2015-09-08 | 2015-12-16 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105607646A (zh) * | 2016-02-05 | 2016-05-25 | 哈尔滨工程大学 | 一种障碍环境下有必经点的uuv航路规划方法 |
CN108710969A (zh) * | 2018-04-23 | 2018-10-26 | 华南师范大学 | 一种旅游智能路径规划方法 |
CN111459047A (zh) * | 2020-03-04 | 2020-07-28 | 北京空间飞行器总体设计部 | 一种月面巡视器运动控制决策支持系统 |
CN111504322A (zh) * | 2020-04-21 | 2020-08-07 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
CN113326980A (zh) * | 2021-05-25 | 2021-08-31 | 汕头大学 | 一种改进蚁群算法的区域景点单程路线多目标规划方法 |
US11248921B2 (en) * | 2018-10-15 | 2022-02-15 | Ford Global Technologies, Llc | Method and apparatus for tunable multi-vehicle routing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040143560A1 (en) * | 2003-01-20 | 2004-07-22 | Chun Bao Zhu | Path searching system using multiple groups of cooperating agents and method thereof |
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
US20120084000A1 (en) * | 2010-10-01 | 2012-04-05 | Microsoft Corporation | Travel Route Planning Using Geo-Tagged Photographs |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
-
2015
- 2015-03-05 CN CN201510098619.5A patent/CN104808661B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040143560A1 (en) * | 2003-01-20 | 2004-07-22 | Chun Bao Zhu | Path searching system using multiple groups of cooperating agents and method thereof |
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
US20120084000A1 (en) * | 2010-10-01 | 2012-04-05 | Microsoft Corporation | Travel Route Planning Using Geo-Tagged Photographs |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
Non-Patent Citations (4)
Title |
---|
刘倩 等: "改进蚁群算法在景区路径规划中的应用研究", 《信息技术与信息化》 * |
徐锋 等: "改进蚁群算法在旅游路线规划中的应用研究", 《计算机工程与应用》 * |
王沛栋: "改进蚁群算法及在路径规划问题的应用研究", 《中国博士学位论文全文数据库信息科技辑》 * |
胡军国 等: "一种改进蚁群算法研究和旅游景区路径规划问题求解", 《计算机应用研究》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096733A (zh) * | 2015-08-07 | 2015-11-25 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105096733B (zh) * | 2015-08-07 | 2018-01-19 | 王红军 | 一种基于栅格地图的环境特征表示与识别的方法 |
CN105160122A (zh) * | 2015-09-08 | 2015-12-16 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105160122B (zh) * | 2015-09-08 | 2018-02-23 | 王红军 | 一种基于栅格地图的环境特征的相似性度量方法 |
CN105607646A (zh) * | 2016-02-05 | 2016-05-25 | 哈尔滨工程大学 | 一种障碍环境下有必经点的uuv航路规划方法 |
CN105607646B (zh) * | 2016-02-05 | 2018-06-26 | 哈尔滨工程大学 | 一种障碍环境下有必经点的uuv航路规划方法 |
CN108710969A (zh) * | 2018-04-23 | 2018-10-26 | 华南师范大学 | 一种旅游智能路径规划方法 |
US11248921B2 (en) * | 2018-10-15 | 2022-02-15 | Ford Global Technologies, Llc | Method and apparatus for tunable multi-vehicle routing |
CN111459047A (zh) * | 2020-03-04 | 2020-07-28 | 北京空间飞行器总体设计部 | 一种月面巡视器运动控制决策支持系统 |
CN111459047B (zh) * | 2020-03-04 | 2021-04-06 | 北京空间飞行器总体设计部 | 一种月面巡视器运动控制决策支持系统 |
CN111504322A (zh) * | 2020-04-21 | 2020-08-07 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
CN111504322B (zh) * | 2020-04-21 | 2021-09-03 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
CN113326980A (zh) * | 2021-05-25 | 2021-08-31 | 汕头大学 | 一种改进蚁群算法的区域景点单程路线多目标规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104808661B (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104808661A (zh) | 一种旅游路径规划方法 | |
CN109947098A (zh) | 一种基于机器学习策略的距离优先最佳路径选择方法 | |
Brezina Jr et al. | Solving the travelling salesman problem using the ant colony optimization | |
CN102778229B (zh) | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 | |
CN105551244B (zh) | 一种动态路径规划方法 | |
CN104731963B (zh) | 一种基于车联网的网格化路径推荐方法及系统 | |
CN106503789A (zh) | 基于迪杰斯特拉和最大最小蚁群的无环最短路径搜索方法 | |
CN105574708A (zh) | 一种行程规划的方法及装置 | |
CN104751250A (zh) | 一种基于蚁群方法的最优路径寻找方法 | |
CN106289287B (zh) | 一种基于选线经验的车载端多目标最短路径计算方法 | |
CN106845703B (zh) | 一种考虑转向延误的城市路网时变k最短路径搜索方法 | |
CN111695668A (zh) | 一种基于反向学习的蚁群算法优化方法 | |
CN115759499A (zh) | 一种基于优化算法的路径规划方法、装置、设备及介质 | |
CN102496187A (zh) | 一种基于三角形网格的追踪等值线至边界及断层的方法 | |
CN107121146A (zh) | 基于路链深度的最优路径规划方法 | |
CN105205266A (zh) | 一种基于优化算法的预应力索杆结构初始构形的设计方法 | |
CN104616084A (zh) | 一种装配序列规划方法 | |
CN112461240A (zh) | 一种无人机避障路径规划方法及系统 | |
CN103294823B (zh) | 基于文化蚁群系统的轨道交通多模式最优换乘查询方法 | |
CN111340303A (zh) | 基于新型混合蛙跳算法的旅行商路线规划方法 | |
CN106658570A (zh) | 基于二次栅格划分的移动sink信息收集路径构建方法 | |
Widiartha et al. | Traveling salesman problem using multi-element genetic algorithm | |
CN116907490A (zh) | 一种基于冲突搜索的多机器人路径规划方法 | |
CN114690728B (zh) | 一种用于物料快速运输的双向可调agv路径规划方法 | |
CN115409237A (zh) | 一种基于ca算法的输电线路路径评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220125 Address after: 401120 floor 17, building 8, No. 2, Huizhu Road, Yubei District, Chongqing Patentee after: Chongqing Tourism cloud Information Technology Co.,Ltd. Address before: 241000 Wuhu Road, Yijiang District, Anhui, Patentee before: ANHUI NORMAL University |
|
OL01 | Intention to license declared | ||
OL01 | Intention to license declared |