CN109726851A - 基于改进蚁群算法的路线规划方法、装置、终端及介质 - Google Patents
基于改进蚁群算法的路线规划方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN109726851A CN109726851A CN201811451960.4A CN201811451960A CN109726851A CN 109726851 A CN109726851 A CN 109726851A CN 201811451960 A CN201811451960 A CN 201811451960A CN 109726851 A CN109726851 A CN 109726851A
- Authority
- CN
- China
- Prior art keywords
- road
- node
- group algorithm
- route planning
- ant group
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Navigation (AREA)
Abstract
本发明属于机器学习技术领域,公开了一种基于改进蚁群算法的路线规划方法、装置、终端及介质,通过接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点,获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数,根据所述出行起点、出行终点以及各道路,构建节点矩阵,根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径,在考虑出行人文景观资源因素的同时,行程最短或距离最短,解决现有技术地图导航缺乏考虑用户出行的人文景观资源因素的技术问题。
Description
技术领域
本发明涉及机器学习技术领域,尤其涉及一种基于改进蚁群算法的路线规划方法、装置、终端及介质。
背景技术
随着互联网技术的快速发展,智能终端产品越来越多的应用软件出现在人们的生活中,例如各种电子地图,用户只需在电子地图客户端中输入出行地和目的地,就能获取到电子地图服务器端为用户规划的出行路线,为用户提供导航服务。
然而,市面上的地图导航软件大部分是基于距离最短或时间最短,而没有考虑用户出行的人文景观资源因素。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于改进蚁群算法的路线规划方法、装置、终端及介质,旨在解决现有技术地图导航缺乏考虑用户出行的人文景观资源因素的技术问题。
为实现上述目的,本发明提供了一种基于改进蚁群算法的路线规划方法,包括如下步骤:
接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
根据所述出行起点、出行终点以及各道路,构建节点矩阵;
根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
优选地,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法以及各道路的景观指数,修正所有蚂蚁在所述节点矩阵中自当前节点访问下一节点的概率,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;其中,所述改进蚁群算法为:
其中,为蚂蚁k选择j节点的概率;allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;α表示信息启发式因子;β表示期望启发式因子;i表示当前节点;j表示下一目标节点;s表示节点结合;ηij(t)表示启发函数;τij(t)表示信息素;λij为下一目标节点对应的道路的景观指数。
优选地,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法,所有蚂蚁在所述节点矩阵中自当前节点访问下一节点;
根据各道路的景观指数以及修正函数,修正当前节点至下一节点的距离,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;其中,
修正函数为:
所述改进蚁群算法为:
其中,为蚂蚁k选择j节点的概率;allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;α表示信息启发式因子;β表示期望启发式因子;i表示当前节点;j表示下一目标节点;s表示节点结合;ηij(t)表示启发函数,dij表示两个节点间的距离;τij(t)表示信息素;λij为下一目标节点对应的道路的景观指数。
优选地,所述获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数的步骤,包括:
获取所述出行起点和出行终点之间的各道路、以及所述各道路信息;
根据所述各道路信息,确定各道路的景观指数。
优选地,所述路线规划请求还包括出行主题;
相应地,所述根据所述各道路信息,确定各道路的景观指数的步骤,包括:
根据各道路信息以及所述出行主题,确定所述各道路的景观指数。
优选地,所述根据各道路信息以及所述出行主题,确定所述各道路的景观指数的步骤,包括:
根据出行主题,获取与所述出行主题对应的景点节点;
根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数。
优选地,所述根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数的步骤,包括:
根据所述出行主题对应的景点以及各道路信息,确定各道路与所述景点的最短距离;
根据各道路与所述景点的最短距离,确定各道路的景观指数。
基于上述发明目的,本发明还提供一种基于改进蚁群算法的路线规划装置,包括:
接收模块,用于接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
获取模块,用于获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
构建模块,用于根据所述出行起点、出行终点以及各道路,构建节点矩阵;
查找模块,用于根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
基于上述发明目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于改进蚁群算法的路线规划程序,所述基于改进蚁群算法的路线规划程序配置为实现如上述的基于改进蚁群算法的路线规划方法的步骤。
基于上述发明目的,本发明还提供一种存储介质,所述存储介质上存储有基于改进蚁群算法的路线规划程序,所述基于改进蚁群算法的路线规划程序被处理器执行时实现如上述的基于改进蚁群算法的路线规划方法的步骤。
本发明通过接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点,获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数,根据所述出行起点、出行终点以及各道路,构建节点矩阵,根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径,在考虑出行人文景观资源因素的同时,行程最短或距离最短,解决现有技术地图导航缺乏考虑用户出行的人文景观资源因素的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端的结构示意图;
图2为本发明基于改进蚁群算法的路线规划方法第一实施例的流程示意图;
图3为本发明基于改进蚁群算法的路线规划方法第二实施例的流程示意图;
图4为本发明基于改进蚁群算法的路线规划方法第三实施例的流程示意图;
图5为本发明基于改进蚁群算法的路线规划方法第四实施例的流程示意图;
图6为本发明基于改进蚁群算法的路线规划装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
如图1所示,该终端可以包括:处理器1001,例如中央处理器(Central ProcessingUnit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入模块比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于改进蚁群算法的路线规划程序。
在图1所示的终端中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明终端中的处理器1001、存储器1005可以设置在终端中,所述终端通过处理器1001调用存储器1005中存储的基于改进蚁群算法的路线规划程序,并执行本发明实施例提供的基于改进蚁群算法的路线规划方法。
本发明实施例提供了一种基于改进蚁群算法的路线规划方法,参照图2,图2为本发明基于改进蚁群算法的路线规划方法第一实施例的流程示意图。
本实施例中,所述基于改进蚁群算法的路线规划方法包括如下步骤:
步骤S10:接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
需要说明的是,本实施例方法的执行主体为终端。用户输入的路线规划请求通常是用户在电子地图上输入出行的出行起点以及出行终点。
电子地图是一种可视化数字地图为背景,用文本、图片、图标、声音、动画、视频等多媒体为表现手段,以硬件设备为处理平台来展示城市、企业、旅游景点等区域综合面貌的现代信息产品。
步骤S20:获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
需要说明的是,从所述出行起点到所述出行终点可能存在若干条可以通行的路径,而每条路径都是由很多道路组成,确定从所述出行起点到所述出行终点的各道路后,然后基于各道路的景观指数,查找距离最短的路径,即目标路径,该目标路径结合了景观指数,而不仅是考虑距离问题。
人文景观可以分为文物古迹、革命活动地、现代经济、技术、文化、艺术、科学活动场所形成的景观(例如高水准的音乐厅)等、地区和民族的特殊人文景观,因此,路线规划可以根据不同的主题而定,例如红色旅游路线、艺术旅游路线、小众化的旅游路线等等。
各道路的景观指数可以是根据用户评价得到,也可以是基于街景图像分析得到,街景图像分析主要是分析绿化率,例如绿化率低的道路,一般考虑为景观指数较低的道路。街景图像的获取可以采用常规的获取方式,也可以采用例如接收采集车发送的摄像文件,从摄像文件中得到。
具体实现时,路线规划请求中通常包括出行主题,例如当出行主题为红色旅游路线时,与红色旅游路线对应的景点通常为革命活动地;根据出行的出行起点以及出行终点,确定出行起点与出行终点间对应的革命活动地景点;根据各道路与其中一个革命活动地景点的距离中最近距离,确定各道路的景观指数。若出行主题为艺术旅游路线时,与艺术旅游路线对应的景点为艺术场所;而小众旅游路线通常可以是根据例如绿化环境、山水等。
步骤S30:根据所述出行起点、出行终点以及各道路,构建节点矩阵;
具体实现时,构建节点矩阵,将出行起点、出行终点分别作为起始节点、终止节点,而再根据自起始节点到终止节点的各道路的端点,确定蚂蚁选择时的节点。例如,起点为A,终点为B,A到B可能会经过道路上C到D,则C、D作为蚂蚁可能会选择的节点。
步骤S40:根据改进蚁群算法以及各道路的景观,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
具体实现时,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法以及各道路的景观指数,修正所有蚂蚁在所述节点矩阵中自当前节点访问下一节点的概率,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;所述改进蚁群算法模型为:
其中,为蚂蚁k选择j节点的概率;
allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;
α表示信息启发式因子;
β表示期望启发式因子;
i表示当前节点;
j表示下一目标节点;
s表示节点结合;
ηij(t)表示启发函数;
τij(t)表示信息素;
λij为下一目标节点对应的道路的景观指数。
改进蚁群算法通过在常规蚁群算法中引入了景观指数,以此来修正所有蚂蚁在所述节点矩阵中自当前节点访问下一节点的概率。
在另一方案中,也可以常规的蚁群算法,而节点之间的距离结合景观指数考虑,具体实现时,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法,所有蚂蚁在所述节点矩阵中自当前节点访问下一节点;
根据各道路的景观指数以及修正函数,修正当前节点至下一节点的距离,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;其中,
修正函数为:
所述改进蚁群算法为:
其中,为蚂蚁k选择j节点的概率;
allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;
α表示信息启发式因子;
β表示期望启发式因子;
i表示当前节点;
j表示下一目标节点;
s表示节点结合;
ηij(t)表示启发函数,
dij表示两个节点间的距离;
τij(t)表示信息素;
λij为下一目标节点对应的道路的景观指数。
本方案中改进蚁群算法是通过对两个节点间的距离进行修正,通过对当前节点与下一目标节点的边长(距离)结合景观指数来进行修正,修正前为dij,修改后为景观指数越高,则修正后的距离越小,被选择的概率将增大;反之,景观指数越低,则修正后的距离越大。被选择的概率将减小。
通常需要对景观指数进行处理,例如景观指数默认值为1。
改进蚁群算法是用来寻解决寻优问题的,蚁群算法的基本原理大致如下:
1、蚂蚁在路径上释放信息素;
2、碰到还没走过的路口,就随机挑选一条路走。同时,释放与路径长度有关的信息素;
3、信息素浓度与路径长度成反比,后来的蚂蚁再次碰到该路口时,就选择信息素浓度较高路径;
4、最优路径上的信息素浓度越来越大;
5、最终蚁群找到最优寻食路径。
本方案通过在基本蚁群算法中加入了景观指数λij,在蚂蚁选择下一目标节点时的选择概率会结合景观指数来选择,蚂蚁选择下一目标节点时道路的景观指数λij越大,则选择的概率越大,例如,按基本蚁群算法选择下一节点A的概率为0.8,选择下一节点B的概率为0.5,选择下一节点C的概率为0.2,而从当前节点到下一节点A之间的道路的景观指数0.1,而从当前节点到下一节点B之间的道路的景观指数为0.8,从当前节点到下一节点C之间的道路的景观指数为0.2,则采用本方案考虑景观指数后蚂蚁实际选择A、B、C的概率分别为0.08、0.4、0.04。
一般情况下,TSP问题求解中,假设蚁群算法中的每只蚂蚁具有以下特征:
每次移动,每只蚂蚁在其经过的支路(i,j)上都留下信息素。
蚂蚁选择城市的概率与城市之间的距离和当前连接支路上所包含的信息素余量有关。
为了强制蚂蚁进行合法的移动,直到一次移动完成后,才允许蚂蚁游走已访问过的城市(这可由禁忌表来控制);例如:用禁忌表tabuk(j=1,2,3,……,m)来记录蚂蚁k当前走过的城市,集合随着tabuk进化过程作动态调整。在搜索过程中,蚂蚁根据各条路径上的信息量以及路径的启发信息来计算状态转移概率。
结合到本方案中,表示在t时刻蚂蚁k考虑景观指数后由当前节点i转移到目标访问节点j的状态转移概率,
τij(t)为t时刻边(i,j)上的信息量;
allowedk={C-tabuk}表示蚂蚁k下一步允许选择的节点;
α为信息启发式因子,表示轨迹的相对重要性;
β为期望启发式因子,反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度;
dij表示两节点间的距离,其取值范围可量化为(1~10)。
优选地,在本方案中,也可以是考虑景观指数后,将dij经过修正,例如修正后的同一道路景观指数越大,修正后的dij’越小,被选择可能性将增大。
进一步地,为了保证最终获得的路线是最优的,本方案会根据实际情况进行改进蚁群算法的迭代,直至迭代次数达到预设的迭代次数(可调,如,50次、100次等),然后将最后一次获取的路径作为最终的目标路径,即结合了景观指数,且距离最短的路径。
本发明通过接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点,获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数,根据所述出行起点、出行终点以及各道路,构建节点矩阵,根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径,在考虑出行人文景观资源因素的同时,行程最短或距离最短,解决现有技术地图导航缺乏考虑用户出行的人文景观资源因素的技术问题。
参考图3,图3为本发明基于改进蚁群算法的路线规划方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S20,包括:
步骤S201:获取所述出行起点和出行终点之间的各道路、以及所述各道路信息;
需要说明的是,用户输入的路线规划请求通常是用户在电子地图上输入出行的出行起点以及出行终点。各道路信息可以是各道路绿化信息,也可以是用户的评价信息,也可以是道路的街景图像。
步骤S202:根据所述各道路信息,确定各道路的景观指数。
具体实现时,根据所述各道路信息,确定各道路的景观指数,可以是根据各道路绿化信息、人文信息综合考虑确定各道路的景观指数,也可以是结合用户的评价信息对各道路的景观指数进行修正,也可以是结合道路的街景图像分析道路的绿化率、人文信息等来确定景观指数,也可以同时考虑以上信息综合分析各道路的景观指数。
参考图4,图4为本发明基于改进蚁群算法的路线规划方法第三实施例的流程示意图。
基于上述第二实施例,所述路线规划请求还包括出行主题,在本实施例中,所述步骤S202,具体包括:
步骤S2021:根据各道路信息以及所述出行主题,确定所述各道路的景观指数;
需要说明的是,所述出行主题可以为例如红色旅游路线、艺术旅游路线、小众化的旅游路线等等,也可以是用户自定义,定义不同的主题,以及与该主题对应的景点。景观指数也跟随出行主题变化而变化,例如出行主题要求山多,则离山靠近的道路的景观指数会相应的高些。
另外,所述各道路的景观指数也可以包括道路安全历史评价,通过获取用户对道路安全的评价,来修正道路的景观指数;也可以包括通过获取街景图像,通过分析街景图像来确定绿化率等,以此判断景观指数;也可以是街景图像和道路安全评价结合起来,综合考虑景观指数。
参考图5,图5为本发明基于改进蚁群算法的路线规划方法第四实施例的流程示意图。
基于上述第三实施例,在本实施例中,所述步骤S2021,具体包括:
步骤S2021a:根据出行主题,获取与所述出行主题对应的景点节点;
需要说明的是,通常出行主题与景点具有对应关系或映射关系,也可以是用户自定义的,例如红色旅游路线,对应的景点可能有西安八路军西安办事处纪念馆、西安事变纪念馆、延安市洛川县洛川会议旧址纪念馆、枣园旧址、杨家岭旧址、王家坪旧址、凤凰山旧址、清凉山旧址、瓦窑堡会议旧址、“四八”烈士陵园、子长县子长烈士纪念馆、南泥湾革命旧址。
步骤S2021b:根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数。
具体实现时,所述根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数,包括:
根据所述出行主题对应的景点以及各道路信息,确定各道路与所述景点的最短距离;
根据各道路与所述景点的最短距离,确定各道路的景观指数。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于改进蚁群算法的路线规划程序,所述基于改进蚁群算法的路线规划程序被处理器执行时实现如上文所述的基于改进蚁群算法的路线规划方法的步骤。
参照图6,图6为本发明基于改进蚁群算法的路线规划装置第一实施例的结构框图。
如图6所示,本发明实施例提出的基于改进蚁群算法的路线规划装置包括:
接收模块601,用于接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
需要说明的是,本实施例方法的执行主体为终端。用户输入的路线规划请求通常是用户在电子地图上输入出行的出行起点以及出行终点。
电子地图是一种可视化数字地图为背景,用文本、图片、图标、声音、动画、视频等多媒体为表现手段,以硬件设备为处理平台来展示城市、企业、旅游景点等区域综合面貌的现代信息产品。
获取模块602,用于获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
需要说明的是,从所述出行起点到所述出行终点可能存在若干条可以通行的路径,而每条路径都是由很多道路组成,确定从所述出行起点到所述出行终点的各道路后,然后基于各道路的景观指数,查找距离最短的路径,即目标路径,该目标路径结合了景观指数,而不仅是考虑距离问题。
人文景观可以分为文物古迹、革命活动地、现代经济、技术、文化、艺术、科学活动场所形成的景观(例如高水准的音乐厅)等、地区和民族的特殊人文景观,因此,路线规划可以根据不同的主题而定,例如红色旅游路线、艺术旅游路线、小众化的旅游路线等等。
构建模块603,用于根据所述出行起点、出行终点以及各道路,构建节点矩阵;
具体实现时,构建节点矩阵,将出行起点、出行终点分别作为起始节点、终止节点,而再根据自起始节点到终止节点的各道路的端点,确定蚂蚁选择时的节点。例如,起点为A,终点为B,A到B可能会经过道路上C到D,则C、D作为蚂蚁可能会选择的节点。
查找模块604,用于根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
本发明通过接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点,获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数,根据所述出行起点、出行终点以及各道路,构建节点矩阵,根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径,在考虑出行人文景观资源因素的同时,行程最短或距离最短,解决现有技术地图导航缺乏考虑用户出行的人文景观资源因素的技术问题。
本发明基于改进蚁群算法的路线规划装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于改进蚁群算法的路线规划方法,其特征在于,包括如下步骤:
接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
根据所述出行起点、出行终点以及各道路,构建节点矩阵;
根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
2.如权利要求1所述的基于改进蚁群算法的路线规划方法,其特征在于,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法以及各道路的景观指数,修正所有蚂蚁在所述节点矩阵中自当前节点访问下一节点的概率,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;其中,所述改进蚁群算法为:
其中,为蚂蚁k选择j节点的概率;allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;α表示信息启发式因子;β表示期望启发式因子;i表示当前节点;j表示下一目标节点;s表示节点结合;ηij(t)表示启发函数;τij(t)表示信息素;λij为下一目标节点对应的道路的景观指数。
3.如权利要求1所述的基于改进蚁群算法的路线规划方法,其特征在于,所述根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径的步骤,包括:
根据改进蚁群算法,所有蚂蚁在所述节点矩阵中自当前节点访问下一节点;
根据各道路的景观指数以及修正函数,修正当前节点至下一节点的距离,直至蚂蚁访问完所有节点;
计算每个蚂蚁经过的路径长度,将自所述出行起点至所述出行终点的最短路径作为目标路径;其中,
修正函数为:
所述改进蚁群算法为:
其中,为蚂蚁k选择j节点的概率;allowedk表示蚂蚁k接下来可能会挑选的目的节点集合;α表示信息启发式因子;β表示期望启发式因子;i表示当前节点;j表示下一目标节点;s表示节点结合;ηij(t)表示启发函数,dij表示两个节点间的距离;τij(t)表示信息素;λij为下一目标节点对应的道路的景观指数。
4.如权利要求1所述的基于改进蚁群算法的路线规划方法,其特征在于,所述获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数的步骤,包括:
获取所述出行起点和出行终点之间的各道路、以及所述各道路信息;
根据所述各道路信息,确定各道路的景观指数。
5.如权利要求4所述的基于改进蚁群算法的路线规划方法,其特征在于,所述路线规划请求还包括出行主题;
相应地,所述根据所述各道路信息,确定各道路的景观指数的步骤,包括:
根据各道路信息以及所述出行主题,确定所述各道路的景观指数。
6.如权利要求5所述的基于改进蚁群算法的路线规划方法,其特征在于,所述根据各道路信息以及所述出行主题,确定所述各道路的景观指数的步骤,包括:
根据出行主题,获取与所述出行主题对应的景点节点;
根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数。
7.如权利要求6所述的基于改进蚁群算法的路线规划方法,其特征在于,所述根据所述出行主题对应的景点节点以及各道路信息,确定所述各道路的景观指数的步骤,包括:
根据所述出行主题对应的景点以及各道路信息,确定各道路与所述景点的最短距离;
根据各道路与所述景点的最短距离,确定各道路的景观指数。
8.一种基于改进蚁群算法的路线规划装置,其特征在于,包括:
接收模块,用于接收用户输入的路线规划请求,所述路线规划请求包括出行起点和出行终点;
获取模块,用于获取所述出行起点和出行终点之间的各道路、以及所述各道路的景观指数;
构建模块,用于根据所述出行起点、出行终点以及各道路,构建节点矩阵;
查找模块,用于根据改进蚁群算法以及各道路的景观指数,在所述节点矩阵中搜索自所述出行起点至所述出行终点的最短路径,作为目标路径。
9.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于改进蚁群算法的路线规划程序,所述基于改进蚁群算法的路线规划程序配置为实现如权利要求1至7中任一项所述的基于改进蚁群算法的路线规划方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于改进蚁群算法的路线规划程序,所述基于改进蚁群算法的路线规划程序被处理器执行时实现如权利要求1至7任一项所述的基于改进蚁群算法的路线规划方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811451960.4A CN109726851A (zh) | 2018-11-30 | 2018-11-30 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
PCT/CN2018/122838 WO2020107584A1 (zh) | 2018-11-30 | 2018-12-21 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811451960.4A CN109726851A (zh) | 2018-11-30 | 2018-11-30 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109726851A true CN109726851A (zh) | 2019-05-07 |
Family
ID=66295376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811451960.4A Pending CN109726851A (zh) | 2018-11-30 | 2018-11-30 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109726851A (zh) |
WO (1) | WO2020107584A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168801A (zh) * | 2016-04-12 | 2016-11-30 | 江苏理工学院 | 智能语音导游机器人的路径寻优方法 |
CN106779212A (zh) * | 2016-12-13 | 2017-05-31 | 南京邮电大学 | 一种基于改进蚁群算法的城市旅游路线规划方法 |
JP2017161315A (ja) * | 2016-03-08 | 2017-09-14 | 国立大学法人京都大学 | 最適飛行網の生成方法及びシステム |
CN109726852A (zh) * | 2018-11-30 | 2019-05-07 | 平安科技(深圳)有限公司 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106225788B (zh) * | 2016-08-16 | 2019-04-19 | 上海理工大学 | 基于路径拓展蚁群算法的机器人路径规划方法 |
-
2018
- 2018-11-30 CN CN201811451960.4A patent/CN109726851A/zh active Pending
- 2018-12-21 WO PCT/CN2018/122838 patent/WO2020107584A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017161315A (ja) * | 2016-03-08 | 2017-09-14 | 国立大学法人京都大学 | 最適飛行網の生成方法及びシステム |
CN106168801A (zh) * | 2016-04-12 | 2016-11-30 | 江苏理工学院 | 智能语音导游机器人的路径寻优方法 |
CN106779212A (zh) * | 2016-12-13 | 2017-05-31 | 南京邮电大学 | 一种基于改进蚁群算法的城市旅游路线规划方法 |
CN109726852A (zh) * | 2018-11-30 | 2019-05-07 | 平安科技(深圳)有限公司 | 基于改进蚁群算法的路线规划方法、装置、终端及介质 |
Non-Patent Citations (1)
Title |
---|
蔡炜麟: "古村落游览路径生成模型的研究和应用", 《中国优秀硕士学位论文全文数据库 信息科学辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|
WO2020107584A1 (zh) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6671406B2 (ja) | 自動的に決定された出発点と選択された目的地との間のナビゲーション案内 | |
CN112766607B (zh) | 出行路线的推荐方法、装置、电子设备及可读存储介质 | |
CN108932331B (zh) | 一种地图数据更新方法、装置及系统 | |
CN109726852A (zh) | 基于改进蚁群算法的路线规划方法、装置、终端及介质 | |
US9797740B2 (en) | Method of determining trajectories through one or more junctions of a transportation network | |
US8874366B2 (en) | First waypoint distance | |
CN111044056A (zh) | 基于道路匹配的定位方法、芯片子系统及电子设备 | |
US20080097688A1 (en) | Route generation based upon activity criteria | |
US20110177845A1 (en) | Method and apparatus for customizing map presentations based on mode of transport | |
US20100057346A1 (en) | Intelligent Travel Routing System and Method | |
US9250075B2 (en) | Generating travel time data | |
CN108806320A (zh) | 反向寻车方法、装置及计算机可读存储介质 | |
CN107766377B (zh) | 一种监控数据查询方法及装置 | |
CN107155342A (zh) | 用于3d地图的虚拟相机 | |
KR101741942B1 (ko) | 빅데이터 기반 스마트 관광정보 제공 장치 및 방법 | |
CN111060119B (zh) | 基于街景图视觉要素评分的城市慢行出行导航方法和系统 | |
US8639023B2 (en) | Method and system for hierarchically matching images of buildings, and computer-readable recording medium | |
CN108399778A (zh) | 群体智能拥堵提示方法、系统及计算机可读存储介质 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN113935547A (zh) | 最优效用的定制化旅游景区线路规划系统 | |
CN108959373A (zh) | 足迹点生成方法及装置 | |
CN115112136A (zh) | 出行路径规划方法和出行路径推荐方法 | |
CN110095134A (zh) | 一种以用户的偏好为核心的路径规划和导航的方法及系统 | |
CN110383262B (zh) | 可游戏性服务应用编程接口 | |
JP2007520687A (ja) | 地図検索サービス提供方法およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |