CN113408774A - 路线规划方法、装置、存储介质及电子设备 - Google Patents
路线规划方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113408774A CN113408774A CN202010189351.7A CN202010189351A CN113408774A CN 113408774 A CN113408774 A CN 113408774A CN 202010189351 A CN202010189351 A CN 202010189351A CN 113408774 A CN113408774 A CN 113408774A
- Authority
- CN
- China
- Prior art keywords
- path
- sub
- target
- regions
- target point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 107
- 238000012549 training Methods 0.000 claims abstract description 10
- 239000003016 pheromone Substances 0.000 claims description 46
- 238000004088 simulation Methods 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路线规划方法、装置、存储介质及电子设备，其中，方法包括：根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。通过将大量的目标点进行区域划分，得到少数量的子区域，形成子区域之间的路径规划以及每一子区域中目标点的路径规划，简化了路径规划规模，对各部分的路径规划可并行处理，以提高路径规划效率。
Description
技术领域
本发明实施例涉及物流技术领域，尤其涉及路线规划方法、装置、存储介质及电子设备。
背景技术
随着计算机技术的快速发展，电商行业和物流行业被广大用户接受，相应的，用户对物流行业的要求也越来越高。
路径规划是物流领域的关键问题，广泛应用于商品配送、仓库拣货、客户拜访、机器人移动导航等场景中。路径规划通常指在特定限制条件下，依据某些准则确定工作空间中从起点位置到终点位置的最优路径，它本质上属于组合优化的范畴。通过对组合问题的最优化决策，可以实现相关资源的合理配置，从而充分节约各种开支(能耗、时间等)，达到降本增效的目的。
路径规划问题的求解主要存在两类方法，即精确解算法与启发式算法。精确解算法一般基于严格的数学原理，理论上能保证在有限时间内获得最优解。然而，其计算量通常很大，而且随着问题规模的变大而急剧增长。启发式算法则基于一些经验规则构造解，并在求解过程中不断改进解。它通常具有较高的求解效率，且能在一定程度上保证解的质量。但是目前的启发式算法仅适用于小规模的路径规划问题，当随着问题规模的增大，求解空间的搜索量将呈现指数级提升，从而导致获得可行解的计算时间变得很长，不符合时效性要求。
发明内容
本发明实施例提供一种路线规划方法、装置、存储介质及电子设备，以实现高效地进行大规模的路径规划。
第一方面，本发明实施例提供了一种路线规划方法，包括：
根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；
根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；
根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
第二方面，本发明实施例还提供了一种路线规划装置，包括：
子区域确定模块，用于根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；
第一路径确定模块，用于根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；
目标路径确定模块，用于根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任一实施例提供的路线规划方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例提供的路线规划方法。
本发明实施例通过的技术方案，根据各目标点之间的距离和区域划分规则，得到至少两个子区域，根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径，根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。通过将大量的目标点进行区域划分，得到少数量的子区域，形成子区域之间的路径规划以及每一子区域中目标点的路径规划，简化了路径规划规模，对各部分的路径规划可并行处理，以提高路径规划效率。同时，在路径规划的过程中，通过至少一个路径评价参数作为优化目标，得到满足至少一个路径评价参数的目标路径，可实现多目标的路径规划。
附图说明
图1为本发明实施例一提供的一种路线规划方法的流程示意图；
图2是本发明实施例一提供的一种种子目标点的示意图；
图3是本发明实施例二提供的一种路线规划方法的流程示意图；
图4是本发明实施例二提供的迭代过程中评价值的变化图；
图5是本发明实施例三提供的一种路线规划装置的结构示意图；
图6为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种路线规划方法的流程示意图，本实施例可适用于合理规划订单运输路线，以降低运输的时间成本的情况，该方法可以由本发明实施例提供的路线规划装置来执行，该路线规划装置可通过软件和/或硬件的方式实现，该路线规划装置可集成在诸如计算机或者服务器等的电子设备中。该方法具体包括如下步骤：
S110、根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域。
S120、根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径。
S130、根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
本实施例中，目标点为待访问的位置点，示例性的，在物流领域中，目标点可以是一个区域(例如城市或者行政区等)中待配送的位置。对各个目标点之间的路径进行规划，形成的目标路径可实现对每一目标点的单一次访问，且满足至少一个路径评价参数的要求。当目标点数量较大时，传统的针对每一个目标点的规划方式运算量大、规划效率差。
通过将大量目标点基于区域划分规则进行区域划分，形成多个子区域，形成子区域之间的路径规划以及每一子区域中目标点的路径规划，简化了路径规划规模，同时子区域之间的路径规划，以及每一子区域中目标点的路径规划可并行处理，以提高路径规划效率。
可选的，所述根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域，包括：获取第一种子目标点，将各目标点中与所述第一种子目标点之间距离小于所述区域划分规则中的距离阈值的目标点，划分至所述第一种子目标点对应的第一子区域；在所述第一子区域以外的目标点中，根据所述第一种子目标点确定第二种子目标点，并基于所述第二种子目标点确定属于第二子区域的目标点，其中，所述第一子区域和所述第二子区域中的目标点不重叠。
其中，目标点中的第一种子目标点可以是随机确定的，还可以是根据路径的起点确定，例如该第一种子目标点可以是起点，也可以是在距离起点预设距离内的目标点中随机选择的目标点。
例如，将第一种子目标点标记为S0，确定各个目标点与第一种子目标点S0之间的距离，将距离小于距离阈值d的目标点Pi确定为属于第一种子目标点S0对应的第一子区域R0，因此，R0＝S0+T(S0)，其中，
在确定第一子区域的基础上，可以是将第一子区域外的，与第一种子目标点S0距离最近的目标点确定为第二种子目标点，并基于上述区域划分规则确定第二子区域，并依次类推，直到将全部目标点进行划分。
示例性的，参见图2，图2是本发明实施例提供的一种种子目标点的示意图，其中，图2所对应的区域中包括1843个目标点，根据上述子区域划分方法，得到198各种子目标点，图2中每一个位置点为一个种子目标点，且每一个种子目标点对应一个子区域。
本实施例中，通过根据距离划分规则，将大量目标点换分到少数量的子区域中，在减少路径规划规模的基础上，符合最短路径的规划要求，有利于得到最短的目标路径。
需要说明的是，本实施例中的距离，可以是目标点之间的直线距离，还可以是目标点之前的行驶路程。
在对目标点进行子区域划分之后，将各子区域作为一个整体，进行子区域之间的路径规划，其中，可以是将种子目标点的位置作为对应子区域的位置。可选的，可以是基于MMMAS(Max-Min Ant System，最大最小蚂蚁算法)对各子区域进行路径规划。其中，在上述子区域的迭代规划中，通过至少一个路径评价参数作为规划路径的评价标准，例如，路径评价参数包括但不限于路径长度、访问优先级和访问总时间。其中，通过路径长度对规划的路径进行评价，即基于最短路径原则进行路径规划，以确定长度最短的目标路径。访问优先级可以是预先设置的，例如在物流行业中，访问优先级可以根据目标点的订单量和/或配送时间确定。通过访问优先级对规划的路径进行评价，以确定最贴合访问优先级的路径。本实施例基于多个路径评价参数进行路径规划，可生成满足上述至少一个路径评价参数的第一路径。
其中，第一路径为各子区域之间的路径。对于每一个子区域中的目标点，可根据各目标点的访问优先级或者路径最短规则确定第二路径。示例性的，根据子区域中的目标点的范围优先级对各目标点进行连接，可生成第二路径；或者，根据各目标点之间的距离，进行路径组合，生成长度最短的第二路径。
可选的，所述根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径，包括：将所述第一路径中上一子区域的第二路径中的末目标点与所述第一路径中下一子区域的第二路径的首目标点进行连接，生成所述目标路径。
本实施例中的技术方案，根据各目标点之间的距离和区域划分规则，得到至少两个子区域，根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径，根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。通过将大量的目标点进行区域划分，得到少数量的子区域，形成子区域之间的路径规划以及每一子区域中目标点的路径规划，简化了路径规划规模，对各部分的路径规划可并行处理，以提高路径规划效率。同时，在路径规划的过程中，通过至少一个路径评价参数作为优化目标，得到满足至少一个路径评价参数的目标路径，可实现多目标的路径规划。
实施例二
图3是本发明实施例提供的一种路线规划方法的流程示意图，在上述实施例的基础上进行了优化，该方法具体包括：
S210、根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域。
S220、确定所述至少两个子区域之间的至少一个模拟路径，根据至少一个路径评价参数计算各模拟路径的路径评价值。
S230、根据所述路径评价值对所述至少两个子区域之间的模拟路径进行迭代优化，生成满足所述至少一个路径评价参数的至少两个子区域之间的第一路径。
S240、根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
本实施例中，建立各个子区域的迭代模型，包括路径起点，信息素矩阵和距离矩阵，其中，距离矩阵中包括任一两个子区域之间的距离，信息素矩阵中包括任一两个子区域之间的信息素，其中，模拟路径中包括一个子区域到另一个子区域之间的局部路径时，会增加该局部路径的信息素，局部路径被用次数越多，信息素越高，可用于对后续模拟路径进行辅助。需要说明的是，初始信息素矩阵可以是预先设置的。
其中，根据各子区域之间的距离和信息素，确定从起点的至少一个模拟路径。可选的，确定所述至少两个子区域之间的至少一个模拟路径，包括：对于当前子区域，根据所述当前子区域的可行子区域与所述当前子区域之间的距离和信息素，确定所述各可行子区域的概率；根据各所述可行子区域的概率确定所述当前子区域的下一子区域，已生成所述模拟路径。
本实施例中，当前子区域的可行性区域为已确定路径以外的子区域，示例性的，包括A、B、C、D、E、F六个子区域，已确定路径为A-B，当前子区域为B，则当前子区域B的可行性区域为已确定路径中包括的A和B以外的子区域，即已确定路径未经历的子区域C、D、E、F。
根据如下公式确定当前子区域i移动至可行子区域j的概率：
其中，τ(i，j)为子区域i和j之间的信息素，η(i，j)为子区域i和j之间的启发信息，该启发信息为子区域i和j之间的距离的倒数，α与β分别为信息素和启发信息的权重参数，示例性的，α可以是1，β可以是2，u为任一未经历的子区域。
根据上述概率，确定各模拟路径中当前子区域的下一子区域，示例性的，对于当前子区域为B，移动到子区域C、子区域D、子区域E、子区域F的的概率分别为PBC、PBD、PBE、PBF。。为保证算法不陷入局部最优解，确定下一子区域时采用轮盘赌算法。其中，确定下一区域的方式为：首先产生一个0到1之间的随机数η，再从待访问的子区域中选择序号较小的子区域，当待访问的子区域的概率大于随机数η时，将该待访问的子区域确定为下一子区域，当待访问的子区域的概率小于随机数η时，再根据序号较小的原则确定下一个待访问的子区域，将确定待访问的子区域的概率值进行累加，当累加的概率值大于随机数η时，将最后累加的一个待访问的子区域确定为下一子区域；若累加的概率值大于随机数仍小于随机数η时，继续确定下一个待访问的子区域，直到累加的概率值大于随机数η，确定下一子区域。示例性的，当PBC大于随机数η，则将子区域C确定为子区域B的下一子区域，若否，可以是判断PBC+PBD是否随机数η，若是，而将子区域D确定为子区域B的下一子区域。
其中，累加过程中下一个待访问的子区域可以是基于预设设置的累加顺序确定，每一个子区域可以预先设置一个序号标识，子区域的序号标识随机确定且不重复，示例性的，子区域A、B、C、D、E、F的序号标识可以是0、1、2、3、4、5，在进行概率值与随机数η的比对过程中，可以是将子区域的序号标识的排序作为子区域的累加顺序，其中排序可以是由小到大或由大到小。示例性的，待访问的子区域的序号标识为2、3、4、5，则可以是基于由小到大的顺序，先将序号标识为2的子区域的概率值与随机数进行比对，并在概率值小于随机数时，将序号标识为3的子区域作为累加的下一个待访问子区域，并以此类推。
需要说明的是，随机数η在每一步迭代以及每次选择下一子区域时都变化，以增加模拟路径的随机性，从而有利于找到全局最优解。
每一次迭代中，设置大量蚂蚁基于上述方式同时搜索可行的路径，每只蚂蚁确定一条模拟路径。通过至少一个路径评价参数对得到的多个模拟路径进行评价，以选择最优的模拟路径。可选的，模拟路径的访问优先级评价值根据所述模拟路径中各子区域的实际访问顺序和标准访问顺序的偏差值确定，具体的，可以是根据如下公式计算模拟路径的访问优先级评价值：
OBJ1＝∑kq×|k-seq[Ck]|
其中，k为当前子区域的实际访问顺序，seq[Ck]为当前子区域标准访问顺序，q为当前子区域的访问优先级指数。
本实施例中，当前子区域的访问优先级指数根据当前子区域中各目标点的访问优先级指数确定，其中，目标点的访问优先级指数为0-1的数值，可选的，当前子区域的访问优先级指数为当前子区域中各目标点的访问优先级指数的均值。相应的，当前子区域的标准访问顺序根据当前子区域的访问优先级指数确定，其中，访问优先级与访问优先级指数正相关，访问优先级指数越高，访问优先级越高。可以是将各子区域根据访问优先级指数进行由大到小的排序，其排序结果为子区域的推荐访问顺序。示例性的，根据访问优先级指数对子区域进行排序，得到排序结果为A、B、C、D、E、F，可知子区域A、B、C、D、E、F的推荐访问顺序为0、1、2、3、4、5。当模拟路径为A-C-B-D-E-F时，可知子区域A、B、C、D、E、F的实际访问顺序为0、2、1、3、4、5，根据各子区域的实际访问顺序和推荐访问顺序之间的偏差，可得到模拟路径的访问优先级评价值，其中，访问顺序的偏差为实际访问顺序和推荐访问顺序的差值绝对值，例如，子区域A、D、E、F的顺序偏差为0，子区域B和C的偏差分别为1。需要说明的是，访问优先级评价值越小，实际访问顺序和推荐访问顺序的相似程度越高。
可选的，可根据模拟路径中任意相邻两个子区域之间的距离和得到模拟路径的路径长度，具体的，模拟路径的路径长度为OBJ2＝∑i，jdis[i][j]，其中，∑i，jdis[i][j]为模拟路径中相连的子区域i和j之间的距离。
本实施例中，可以基于任一路径评价参数对模拟路径进行评价，还可以基于两个或以上的路径评价参数对模拟路径进行评价。示例性的，以路径长度和访问优先级为例，根据模拟路径的路径长度和访问优先级的权重信息，对所述路径长度和访问优先级评价值进行加权计算，生成模拟路径的路径评价值。
示例性的，模拟路径的路径评价值可以是OBJsum＝OBJ1+ε×OBJ2，其中，ε为第二路径评价参数(例如路径长度)相对于第一路径评价参数(例如访问优先级)的权重参数。其中，ε＝σ×ε0，ε0可以是OBJ1与OBJ2的比值，例如：
本实施例中，通过一个或多个路径评价参数对模拟路径进行评价，得到各个模拟路径的路径评价值，基于路径评价值确定当前迭代中的最优模拟路径。其中，路径评价值越小，模拟路径越好。可以是将路径评价值最小的路径评价值确定为最优路径评价值，相应的，该最优路径评价值对应的模拟路径为当前迭代中的最优模拟路径。根据最优模拟路径更新信息素矩阵，以进行下一次路径的迭代优化。
可选的，根据所述路径评价值对所述至少两个子区域之间的模拟路径进行迭代优化，包括：根据当前迭代中的最优路径评价值或者历史迭代中的最优路径评价值，对各子区域间的信息素进行更新；根据更新后的信息素确定至少一个新的模拟路径，基于所述至少一个新的模拟路径迭代进行路径优化。其中，信息素的更新值可以是根据当前迭代中的最优路径评价值确定，还可以是根据历史迭代中的最优路径评价值确定。示例性的，当前迭代次数为10时，第10次迭代得到的最优路径评价值为当前迭代中的最优路径评价(OBJsum)iter，第1次至第10次迭代中的最优路径评价值为历史迭代中的最优路径评价值(OBJsum)global。
相应的，根据最优模拟路径中所经历的相连接的子区域之间的局部路径对信息素矩阵中对应元素进行更新，示例性的，当最优模拟路径为A-B-C-D，确定最优模拟路径中经历的局部路径为A-B、B-C和C-D，则信息素矩阵中的对应元素为τA，B，τB，C和τC，D。
其中，对信息素矩阵中元素进行更新可以是
或者
其中，τ为更新前的信息素，τ′为更新后的信息素。
本实施例中，在路径规划的迭代过程中，迭代前期的第一预设次数的迭代采用当前迭代最优路径更新信息素，而中后期的第二预设次数的迭代则交替采用当前迭代最优路径与历史迭代最优路径对信息素进行更新。其中，第一预设次数和第二预设次数的和为迭代总次数。示例性的，在中后期的迭代过程中第q次迭代中基于当前迭代中的最优路径评价值进行信息素的更新，在第q+1次迭代中基于历史迭代中的最优路径评价值进行信息素的更新，避免迭代过程中出现局部最优解的情况，提高路径迭代优化精准度。
可选的，对信息素矩阵的更新还包括信息素的挥发，其中，挥发系数可以是0.02，即在原信息素的基础上减去0.02倍的原信息素。
可选的，在对信息素矩阵进行更新后，根据最大信息素和最小信息素对更新后的信息素进行校正，当更新后的信息素大于最大信息素时，将更新后的信息素修改为最大信息素，当更新后的信息素小于最小信息素时，将更新后的信息素修改为最小信息素，以提高找到全局最优解的可能性。
其中，
τmin＝l×τmax，c和l为常数。
根据更新后的信息素矩阵和距离矩阵确定至少一个新的模拟路径，并重复上述步骤，以对至少一个新的模拟路径进行评价，实现路径的迭代优化，直到到达迭代次数。
示例性的，参见图4，图4是本发明实施例二提供的迭代过程中评价值的变化图，图中，第一目标可以是访问优先级评价值，第二目标可以是路径长度，总目标为路径的路径评价值。图4中总目标值随着迭代次数的增加而一直快速单调下降，即路径的路径评价值随着迭代次数的增加而减小，实现了对路径的不断优化。
本实施例提供的技术方案，通过在每一个迭代中创建多个模拟路径，根据至少一个路径评价参数对模拟路径进行评价，以确定最优评价值和最优模拟路径，以对下一次迭代进行优化，直到得到满足至少一个路径评价参数的第一路径。将第一路径和每一个子区域的第二路径得到遍历每一目标点的目标路径，解决了目标点量大时路径规划时间长的问题，提高了路径规划效率，同时生成的目标路径满足多个路径评价参数，实现了多评价目标的路径规划。
实施例三
图5是本发明实施例三提供的一种路线规划装置的结构示意图，该装置包括子区域确定模块310、第一路径确定模块320和目标路径确定模块330，其中：
子区域确定模块310，用于根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；
第一路径确定模块320，用于根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；
目标路径确定模块330，用于根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
可选的，子区域确定模块310用于：
获取第一种子目标点，将各目标点中与所述第一种子目标点之间距离小于所述区域划分规则中的距离阈值的目标点，划分至所述第一种子目标点对应的第一子区域；
在所述第一子区域以外的目标点中，根据所述第一种子目标点确定第二种子目标点，并基于所述第二种子目标点确定属于第二子区域的目标点，其中，所述第一子区域和所述第二子区域中的目标点不重叠。
可选的，第一路径确定模块320包括：
模拟路径确定单元，用于确定所述至少两个子区域之间的至少一个模拟路径；
路径评价值确定单元，用于根据至少一个路径评价参数计算各模拟路径的路径评价值；
第一路径确定单元，用于根据所述路径评价值对所述至少两个子区域之间的模拟路径进行迭代优化，生成满足所述至少一个路径评价参数的至少两个子区域之间的第一路径。
可选的，所述路径评价参数包括路径长度和访问优先级；
可选的，路径评价值确定单元用于：
分别计算所述模拟路径的路径长度和访问优先级评价值；
根据所述路径长度和访问优先级的权重信息，对所述路径长度和访问优先级评价值进行加权计算，生成所述路径评价值。
可选的，所述模拟路径的访问优先级评价值根据所述模拟路径中各子区域的实际访问顺序和标准访问顺序的偏差值确定，其中，任一子区域标准访问顺序根据所述子区域中各目标点的访问优先级确定。
可选的，模拟路径确定单元用于：
对于当前子区域，根据所述当前子区域的可行子区域与所述当前子区域之间的距离和信息素，确定所述各可行子区域的概率；
根据各所述可行子区域的概率确定所述当前子区域的下一子区域，已生成所述模拟路径。
可选的，第一路径确定单元用于：
根据当前迭代中的最优路径评价值或者历史迭代中的最优路径评价值，对各子区域间的信息素进行更新；
根据更新后的信息素确定至少一个新的模拟路径，基于所述至少一个新的模拟路径迭代进行路径优化。
可选的，目标路径确定模块330用于：
将所述第一路径中上一子区域的第二路径中的末目标点与所述第一路径中下一子区域的第二路径的首目标点进行连接，生成所述目标路径，其中，任一子区域中各目标点的第二路径根据各目标点的访问优先级或者路径最短规则确定。
本发明实施例提供的路线规划装置可执行本发明任意实施例所提供的路线规划方法，具备执行路线规划方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例四提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的电子设备412的框图。图6显示的电子设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备412典型的是承担图像分类功能的电子设备。
如图6所示，电子设备412以通用计算设备的形式表现。电子设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网WideArea Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的路线规划方法。
实施例五
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的路线规划方法。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的路线规划方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的源代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的源代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机源代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。源代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种路线规划方法，其特征在于，包括：
根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；
根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；
根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
2.根据权利要求1所述的方法，其特征在于，所述根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域，包括：
获取第一种子目标点，将各目标点中与所述第一种子目标点之间距离小于所述区域划分规则中的距离阈值的目标点，划分至所述第一种子目标点对应的第一子区域；
在所述第一子区域以外的目标点中，根据所述第一种子目标点确定第二种子目标点，并基于所述第二种子目标点确定属于第二子区域的目标点，其中，所述第一子区域和所述第二子区域中的目标点不重叠。
3.根据权利要求1所述的方法，其特征在于，所述根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径，包括：
确定所述至少两个子区域之间的至少一个模拟路径，根据至少一个路径评价参数计算各模拟路径的路径评价值；
根据所述路径评价值对所述至少两个子区域之间的模拟路径进行迭代优化，生成满足所述至少一个路径评价参数的至少两个子区域之间的第一路径。
4.根据权利要求1或3所述的方法，其特征在于，所述路径评价参数包括路径长度和访问优先级，其中，根据至少一个路径评价参数计算各模拟路径的路径评价值；
分别计算所述模拟路径的路径长度和访问优先级评价值；
根据所述路径长度和访问优先级的权重信息，对所述路径长度和访问优先级评价值进行加权计算，生成所述路径评价值。
5.根据权利要求4所述的方法，其特征在于，所述模拟路径的访问优先级评价值根据所述模拟路径中各子区域的实际访问顺序和标准访问顺序的偏差值确定，其中，任一子区域标准访问顺序根据所述子区域中各目标点的访问优先级确定。
6.根据权利要求3所述的方法，其特征在于，所述确定所述至少两个子区域之间的至少一个模拟路径，包括：
对于当前子区域，根据所述当前子区域的可行子区域与所述当前子区域之间的距离和信息素，确定所述各可行子区域的概率；
根据各所述可行子区域的概率确定所述当前子区域的下一子区域，已生成所述模拟路径。
7.根据权利要求6所述的方法，其特征在于，根据所述路径评价值对所述至少两个子区域之间的模拟路径进行迭代优化，包括：
根据当前迭代中的最优路径评价值或者历史迭代中的最优路径评价值，对各子区域间的信息素进行更新；
根据更新后的信息素确定至少一个新的模拟路径，基于所述至少一个新的模拟路径迭代进行路径优化。
8.根据权利要求1所述的方法，其特征在于，所述根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径，包括：
将所述第一路径中上一子区域的第二路径中的末目标点与所述第一路径中下一子区域的第二路径的首目标点进行连接，生成所述目标路径，其中，任一子区域中各目标点的第二路径根据各目标点的访问优先级或者路径最短规则确定。
9.一种路线规划装置，其特征在于，包括：
子区域确定模块，用于根据各目标点之间的距离和区域划分规则，将所述目标点划分为至少两个子区域；
第一路径确定模块，用于根据至少一个路径评价参数对所述至少两个子区域之间的模拟路径进行迭代训练，确定满足所述至少一个路径评价参数的至少两个子区域之间的第一路径；
目标路径确定模块，用于根据任一子区域中各目标点的第二路径和所述至少两个子区域之间的第一路径，生成所述各目标点之间目标路径。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的路线规划方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的路线规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010189351.7A CN113408774A (zh) | 2020-03-17 | 2020-03-17 | 路线规划方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010189351.7A CN113408774A (zh) | 2020-03-17 | 2020-03-17 | 路线规划方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113408774A true CN113408774A (zh) | 2021-09-17 |
Family
ID=77677439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010189351.7A Pending CN113408774A (zh) | 2020-03-17 | 2020-03-17 | 路线规划方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113408774A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
| CN116308798A (zh) * | 2023-03-22 | 2023-06-23 | 广东博众智能科技投资有限公司 | 一种股票指标绘制方法、装置、设备及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08329041A (ja) * | 1995-05-29 | 1996-12-13 | Toshiba Corp | 経路決定装置及び方法 |
| JP2002152252A (ja) * | 2000-11-08 | 2002-05-24 | Nec Corp | 経路計算装置及びそれに用いる経路計算方法並びにその制御プログラムを記録した記録媒体 |
| CN108573325A (zh) * | 2018-04-16 | 2018-09-25 | 哈尔滨工业大学 | 物流配送路径优化方法及终端设备 |
| CN108592929A (zh) * | 2018-03-26 | 2018-09-28 | 海南掌控科技有限公司 | 一点与多点之间路径规划的方法及运输配送系统 |
| CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
| CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
| CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
| CN109615122A (zh) * | 2018-11-27 | 2019-04-12 | 拉扎斯网络科技（上海）有限公司 | 配送范围的生成方法、装置、电子设备和存储介质 |
| CN109909657A (zh) * | 2019-04-02 | 2019-06-21 | 北京无线电测量研究所 | 一种天线阵面的自动焊接路径规划方法 |
| CN109936136A (zh) * | 2019-04-24 | 2019-06-25 | 广东电网有限责任公司 | 一种配电网接线线路的规划方法、装置及设备 |
| CN110334391A (zh) * | 2019-05-23 | 2019-10-15 | 明阳智慧能源集团股份公司 | 一种多维度约束风电场集电线路自动规划方法 |
| CN110426052A (zh) * | 2019-07-05 | 2019-11-08 | 中国平安财产保险股份有限公司 | 路径获取方法、系统、设备及计算机可读存储介质 |
| CN110570115A (zh) * | 2019-09-03 | 2019-12-13 | 上海百胜软件股份有限公司 | 处理大规模订单高效分配的方法和系统 |
| CN110659752A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 用于确定移动路径的方法和装置 |
-
2020
- 2020-03-17 CN CN202010189351.7A patent/CN113408774A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08329041A (ja) * | 1995-05-29 | 1996-12-13 | Toshiba Corp | 経路決定装置及び方法 |
| JP2002152252A (ja) * | 2000-11-08 | 2002-05-24 | Nec Corp | 経路計算装置及びそれに用いる経路計算方法並びにその制御プログラムを記録した記録媒体 |
| CN108592929A (zh) * | 2018-03-26 | 2018-09-28 | 海南掌控科技有限公司 | 一点与多点之间路径规划的方法及运输配送系统 |
| CN108573325A (zh) * | 2018-04-16 | 2018-09-25 | 哈尔滨工业大学 | 物流配送路径优化方法及终端设备 |
| CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
| CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
| CN110659752A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 用于确定移动路径的方法和装置 |
| CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
| CN109615122A (zh) * | 2018-11-27 | 2019-04-12 | 拉扎斯网络科技（上海）有限公司 | 配送范围的生成方法、装置、电子设备和存储介质 |
| CN109909657A (zh) * | 2019-04-02 | 2019-06-21 | 北京无线电测量研究所 | 一种天线阵面的自动焊接路径规划方法 |
| CN109936136A (zh) * | 2019-04-24 | 2019-06-25 | 广东电网有限责任公司 | 一种配电网接线线路的规划方法、装置及设备 |
| CN110334391A (zh) * | 2019-05-23 | 2019-10-15 | 明阳智慧能源集团股份公司 | 一种多维度约束风电场集电线路自动规划方法 |
| CN110426052A (zh) * | 2019-07-05 | 2019-11-08 | 中国平安财产保险股份有限公司 | 路径获取方法、系统、设备及计算机可读存储介质 |
| CN110570115A (zh) * | 2019-09-03 | 2019-12-13 | 上海百胜软件股份有限公司 | 处理大规模订单高效分配的方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 熊有伦等: "《机器人学 建模、控制与视觉》", 华中科技大学出版社, pages: 224 - 226 * |
| 陈浩等: ""一种改进的蚁群算法"", 《重庆文理学院学报(自然科学版)》, vol. 27, no. 1, pages 28 - 31 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
| CN116308798A (zh) * | 2023-03-22 | 2023-06-23 | 广东博众智能科技投资有限公司 | 一种股票指标绘制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | TRec: an efficient recommendation system for hunting passengers with deep neural networks | |
| JP7392668B2 (ja) | データ処理方法および電子機器 | |
| Moradi | The new optimization algorithm for the vehicle routing problem with time windows using multi-objective discrete learnable evolution model | |
| US9710751B2 (en) | Parallel tree based prediction | |
| KR102342678B1 (ko) | 개인화 컨텐츠 추천을 위한 실시간 그래프기반 임베딩 구축 방법 및 시스템 | |
| CN110647902A (zh) | 对象的熵聚类 | |
| CN114048331A (zh) | 一种基于改进型kgat模型的知识图谱推荐方法及系统 | |
| CN111460234B (zh) | 图查询方法、装置、电子设备及计算机可读存储介质 | |
| CN112488386B (zh) | 基于分布熵多目标粒子群的物流车辆配送规划方法及系统 | |
| Ay et al. | FC-Kmeans: Fixed-centered K-means algorithm | |
| CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
| CN113408774A (zh) | 路线规划方法、装置、存储介质及电子设备 | |
| Kalita et al. | Bi-objective corridor allocation problem using a permutation-based genetic algorithm hybridized with a local search technique | |
| CN113222520A (zh) | 一种基于蚁群算法的货物优化配送方法及系统 | |
| CN112925821A (zh) | 基于MapReduce的并行频繁项集增量数据挖掘方法 | |
| CN111325254B (zh) | 构建条件关系网络、进行条件业务处理的方法及装置 | |
| US9324026B2 (en) | Hierarchical latent variable model estimation device, hierarchical latent variable model estimation method, supply amount prediction device, supply amount prediction method, and recording medium | |
| CN112508177A (zh) | 一种网络结构搜索方法、装置、电子设备及存储介质 | |
| Han et al. | Path regeneration decisions in a dynamic environment | |
| Liu et al. | Interactive reinforced feature selection with traverse strategy | |
| CN111078760A (zh) | 货源搜索方法、装置、设备及存储介质 | |
| WO2016174725A1 (ja) | 計算機及びニューラルネットワークを用いた演算方法 | |
| CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
| CN115409070A (zh) | 离散数据序列临界点的确定方法、装置以及设备 | |
| JP5555238B2 (ja) | ベイジアンネットワーク構造学習のための情報処理装置及びプログラム |
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 |