CN115796813B - 工程勘察信息数字化采集、管理及综合应用方法及系统 - Google Patents
工程勘察信息数字化采集、管理及综合应用方法及系统 Download PDFInfo
- Publication number
- CN115796813B CN115796813B CN202310052781.8A CN202310052781A CN115796813B CN 115796813 B CN115796813 B CN 115796813B CN 202310052781 A CN202310052781 A CN 202310052781A CN 115796813 B CN115796813 B CN 115796813B
- Authority
- CN
- China
- Prior art keywords
- task
- investigation
- iteration
- artificial
- ant
- 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.)
- Active
Links
- 238000011835 investigation Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000003016 pheromone Substances 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 241000257303 Hymenoptera Species 0.000 claims description 62
- 238000010276 construction Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002028 premature Effects 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工程勘察信息数字化采集、管理及综合应用方法及系统，属于工程信息管理技术领域，方法包括：采集工程勘察任务的环境信息；构造工程勘察任务解析图；计算勘察人员的价值权重；初始化蚁群算法参数；在蚁群算法中将各勘察人员作为人工蚂蚁，分配统一规则，放入任务起点；结合价值权重和各中间路径的信息素，按统一规则进行解码运算，求解可行解，将完成勘察任务时长最短的可行解记录为该次迭代的备选方案；更新各中间路径的信息素；在迭代次数达到改进迭代次数的情况下，对参数进行优化；在相邻两次备选方案相同或达到最大迭代次数时，停止迭代，否则，迭代次数加1，重复迭代；对比记录的备选方案，输出最优方案。
Description
技术领域
本发明属于工程信息管理技术领域，具体涉及一种工程勘察信息数字化采集、管理及综合应用方法及系统。
背景技术
目前，公司承建的工程项目的规模越来越大，对每个工程项目都要进行合理的信息采集，之后将采集到的工程信息进行分类施工，在这一过程中，投入的各种工程资源越来越多，每个工程项目都会有相应的完工时间，且每个项目都会有不同的任务要求。公司根据相应的工期和工程项目的规模会投入不同的人力资源，但是在投入人力资源的判断上，目前都是根据各工程负责人的经验判断需要投入的人力资源，由于工程项目规模越来越大，公司相应的项目人员数目很多，单纯的通过经验进行判断，存在较大误差，往往很难保证工程项目在工期内顺利完工，而且，在大多数情况下，工程项目负责人为了项目在工期内顺利完工，往往会投入很多的人力资源，造成巨大的浪费，对于需要并行完成的多个主任务，更增加了人力分配上的难度。
综上，目前对于工程项目的人力资源分配往往通过经验模分配人力资源，很难保证工程项目在工期内顺利完工，而且，为了保证工程项目的顺利完工，很多工程项目负责人会投入过多的人力资源，造成巨大的人力物力的浪费。
发明内容
本发明实施例的目的是提供一种工程勘察信息数字化采集、管理及综合应用方法及系统，能够解决现有的对于工程项目的人力资源分配往往通过经验模糊分配人力资源，很难保证工程项目在工期内顺利完工，而且，为了保证工程项目的顺利完工，很多工程项目负责人会投入过多的人力资源，造成巨大的人力物力的浪费的技术问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面
本发明实施例提供了一种工程勘察信息数字化采集、管理及综合应用方法，应用于铁路工程勘察，工程勘察信息数字化采集、管理及综合应用方法包括：
S101：针对工程勘察任务进行环境信息的数字化采集；
S102：根据采集到的环境信息构造工程勘察任务解析图，工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个中间节点之间的中间路径；
S103：根据勘察人员的历史工作情况，计算各勘察人员的价值权重；
S104：设定信息素挥发系数
、蚁群规模/>
、迭代次数t、改进迭代次数/>
、最大迭代次数T，初始化信息启发式参数α、期望启发式参数β和各中间路径的信息素；
S105：在蚁群算法中将各勘察人员一一对应地作为人工蚂蚁，并为人工蚂蚁分配统一规则，放入至任务起点，其中，人工蚂蚁拥有对应的勘察人员的价值权重；
S106：结合各人工蚂蚁的价值权重和各中间路径的信息素，将人工蚂蚁按统一规则进行解码运算，求解可行解，并将可行解中完成勘察任务所需时长最短的可行解记录作为该次迭代的备选方案；
S107：更新各中间路径的信息素；
S108：在迭代次数达到改进迭代次数的情况下，对参数进行优化，以避免信息素过早的影响人工蚂蚁的决策；
S109：在备选方案与上一次迭代记录的备选方案相同或者在迭代次数等于最大迭代次数的情况下，停止迭代，否则，迭代次数加1，重复S104—S108；
S110：对比每次迭代记录的备选方案，将完成勘察任务所需时长最短的一组备选方案作为最优方案，并输出最优方案。
第二方面
本发明实施例提供了一种工程勘察信息数字化采集、管理及综合应用系统，应用于铁路工程勘察，工程勘察信息数字化采集、管理及综合应用系统包括：
采集模块，用于针对工程勘察任务进行环境信息的数字化采集；
构造模块，用于根据采集到的环境信息构造工程勘察任务解析图，工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个中间节点之间的中间路径；
计算模块，用于根据勘察人员的历史工作情况，计算各勘察人员的价值权重；
设定模块，用于设定信息素挥发系数
、蚁群规模/>
、迭代次数t、改进迭代次数T*、最大迭代次数T，初始化信息启发式参数α、期望启发式参数β和各中间路径的信息素；
分配模块，用于在蚁群算法中将各勘察人员一一对应地作为人工蚂蚁，并为人工蚂蚁分配统一规则，放入至任务起点，其中，人工蚂蚁拥有对应的勘察人员的价值权重；
求解模块，用于结合各人工蚂蚁的价值权重和各中间路径的信息素，将人工蚂蚁按统一规则进行解码运算，求解可行解，并将可行解中完成勘察任务所需时长最短的可行解记录作为该次迭代的备选方案；
更新模块，用于更新各中间路径的信息素；
优化模块，用于在迭代次数达到改进迭代次数的情况下，对参数进行优化，以避免信息素过早的影响人工蚂蚁的决策；
停止模块，用于在备选方案与上一次迭代记录的备选方案相同或者在迭代次数等于最大迭代次数的情况下，停止迭代，否则，迭代次数加1，重复S104—S108；
输出模块，用于对比每次迭代记录的备选方案，将完成勘察任务所需时长最短的一组备选方案作为最优方案，并输出最优方案。
在本发明实施例中，根据数字化采集的环境信息将勘察任务划分为有顺序的多个主任务和多个子任务，然后引入价值权重的概念为勘察人员赋予不同的价值权重后，作为人工蚂蚁代入到蚁群算法中，参与到构造的勘察任务工程勘察任务解析图中进行最优方案的求解中，且在蚁群算法整个迭代过程中，对迭代参数进行优化，避免蚁群算法陷入局部最优解，避免根据经验粗略判断投入的人力资源，在接近实际情况且保证勘察任务在工期内顺利完工的同时，投入最少的人力资源，节省大量的人力物力，提高勘察任务的勘察效率。
附图说明
图1是本发明实施例提供的一种工程勘察信息数字化采集、管理及综合应用方法的流程示意图。
图2是本发明实施例提供的一种3×3勘察任务工程勘察任务解析图的示意图。
图3是本发明实施例提供的一种工程勘察信息数字化采集、管理及综合应用系统的结构示意图。
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
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供工程勘察信息数字化采集、管理及综合应用方法及系统进行详细地说明。
实施例一
参照图1，示出了本发明实施例提供的一种工程勘察信息数字化采集、管理及综合应用方法及系统的流程示意图。
本发明实施例提供的一种工程勘察信息数字化采集、管理及综合应用方法及系统，应用于铁路工程勘察，基于蚁群算法的人力资源分配包括：
S101：针对工程勘察任务进行环境信息的数字化采集。
其中，铁路线路环境信息的数字化采集按设计阶段，主要包括初测、定测、补定测。其中初测包括平面和高程控制测量、航测成图、水文勘测、断面测量等。定测和补定测包括平面和高程控制测量、地形图核补、中线中平测量、水文勘测、断面测量、跨线道路、沿线电路、钻探放孔，沿线山体结构等。
需要说明的是，对于每一个工程勘察任务，都会预先制定好建设路线，之后对制定的路径进行环境信息的采集，目前各种地理电子地图，地理侦测卫星等可以在不进行实地勘察的情况下，就能获取到预定铁路建设路线的环境信息，对于这一环境信息，预先制定好勘察任务，之后对勘察任务进行详细划分，并进行实地勘察。
参照图2，示出了本发明实施例提供的一种3×3勘察任务工程勘察任务解析图示的意图。
由图2可以看出，0代表任务起点，10代表任务终点，中间节点1-9之间具有顺序关系，中间节点1、4、7为勘察任务分出来的三个主任务，主任务后边的为有完成顺序的多个子任务，实际的勘察任务可能包含有更多的主任务和子任务，图2中为了简洁，在每两个中间节点之间只画出了一条路径，实际连接两个中间节点的准确路径不止一条。
S102：根据环境信息构造工程勘察任务解析图，工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个中间节点之间的中间路径。
需要说明的是，构造的工程勘察任务解析图的目的是为了方便将勘察任务和勘察人员数据化，使得在对勘察任务分配勘察人员的过程转化为数据化的勘察人员在数据化的勘察任务中找寻最优解的过程。
在一种可能的实施方式中，S102具体包括：
S1021：将勘察任务划分为多个可并行勘察的多个主任务；
S1022：将有勘察顺序的主任务划分为的多个串联的子任务；
S1023：设置任务起点和任务终点，以勘察人员完成子任务所需的时长为边A，以各子任务为中间节点N，将任务起点与各主任务的开头连接，将任务终点与各主任务的结束节点连接，构造工程勘察任务解析图M=（N，A）。
可以理解的是，构造的工程勘察任务解析图就相当于从任务起点到任务终点之间，有多条路径可以遍历所有的中间节点到达任务终点，因为每个中间节点代表的都是勘察任务的一个子任务，当遍历完成所有的中间节点就相当于完成了勘察任务。
S103：根据历史工作情况，计算各勘察人员的价值权重。
需要说明的是，公司中对于每个勘察人员都会记录其在往届勘察任务中工作情况，将每个勘察人员的工作情况的历史记录纳入到勘察人员的价值权重，使得本发明更接近真实的勘察人员情况，价值权重相当于一个评价指标，最终将价值权重绑定到对应的勘察人员，使勘察人员在不脱离实际情况的状态下参与到后续的人力资源的分配中，增加最终结果的可靠性。
在一种可能的实施方式中，S103具体包括：
S1031：获取勘察人员的历史工作情况，历史工作情况记录有各勘察人员的评价指标，其中，评价指标包括勘察人员的技能水平值、工作速度值和工作质量值。
其中，将勘察人员的技能水平值、工作速度值和工作质量值三个维度的历史表现情况作为勘察人员的评价指标，可以提高勘察任务的完成质量和速度，保证最后分配的勘察人员拥有完成勘察任务的能力。
S1032：根据评价指标，计算各勘察人员的价值权重w：
w=p×q×z公式1
其中，
表示勘察人员的技能水平值，/>
表示勘察人员的工作速度值，
表示勘察人员的工作质量值。
需要说明的是，三个维度的评价指标计算出来的价值权重最大值为1，让各勘察人员的价值权重作为影响系数参与到后续的人力分配过程，相当于在勘察人员参数化的过程中，将勘察人员对于勘察任务有需求的各评价指标进行融合计算出价值权重，这样才能使得最终的计算考虑到三个评价指标，这样得出的结果避免了脱离实际的进行数据运算。
S104：设定信息素挥发系数
、蚁群规模/>
、迭代次数t、改进迭代次数T*、最大迭代次数T，初始化信息启发式参数α、期望启发式参数β和各中间路径的信息素。
可选地，信息素挥发系数
=0.01，蚁群规模为勘察人员的数量，迭代次数t=1，改进迭代次数T*=10，最大迭代次数T=30，信息启发式参数α=1，期望启发式参数β=6，信息素
。
S105：在蚁群算法中将各勘察人员一一对应地作为人工蚂蚁，并为人工蚂蚁分配统一规则，放入至任务起点，其中，人工蚂蚁拥有对应的勘察人员的价值权重。
可选地，统一规则为在人工蚂蚁遍历完成工程勘察任务解析图中各中间节点的情况下，允许人工蚂蚁选择已经访问过的中间节点。
需要说明的是，各勘察人员作为人工蚂蚁必须分配统一规则，若未分配统一规则，则人工蚂蚁在工程勘察任务解析图中的探索路径会变得杂乱无章，在实际应用过程中，可以根据勘察任务的实际情况改变统一规则，拥有统一规则后的人工蚂蚁将会在统一规则的约束下在工程勘察任务解析图中寻找最佳的路径完成所有中间节点的遍历。
S106：结合各人工蚂蚁的价值权重和各中间路径的信息素，将人工蚂蚁按统一规则进行解码运算，求解可行解，并将可行解中完成勘察任务所需时长最短的可行解记录作为该次迭代的备选方案。
在实际应用过程中，可行解的求解过程实际上就是放入工程勘察任务解析图中各人工蚂蚁共同遍历所有中间节点后留下的多条路径，每次迭代过程都会留下许多可行解，也就是多条路径，在多个可行解中，因为每条遍历路径的长度不同，所以每条路径所需的时间也是不同的，因此，在所有的可行解中，挑选出所需时间最短的一种可行解作为备选方案，也就是一次迭代过程中的最好的一个方案，记录的内容包括所需的时间和参与到所需时间最短的可行解中的人工蚂蚁。
在一种可能的实施方式中，S106具体包括：
S1061：结合价值权重系数，计算人工蚂蚁到达下一个中间节点的期望因数：
其中，
表示人工蚂蚁/>
从当前所处的中间节点a到达期望的中间节点b的期望因数，/>
表示第k个人工从中间节点a到中间节点b的长度，/>
表示人工蚂蚁的权重系数。
其中，期望因数是人工蚂蚁从所处中间节点到达下一中间节点的可能程度，这一参数将会作为各人工蚂蚁的驱动因素，帮助人工蚂蚁在每次选择下一次前往的中间节点的过程中做出决策影响，使得整个中间节点的遍历过程变得更加智能化，也有助于人工蚂蚁找到最优的遍历路径。
S1062：结合期望因数，计算处于中间节点a的人工蚂蚁下一步到达中间节点b的概率
：
其中，t表示当前的迭代次数，l表示以节点a为起始点并直接连接的所有节点，
节点a上蚂蚁k下一步允许选择的中间结点的集合。
S1063：根据概率，人工蚂蚁使用逐步决策方法遍历工程勘察任务解析图，计算各人工蚂蚁释放的信息素：
其中，L k （t）表示人工蚂蚁k在第t次迭代过程走过的总路径长度。
S1064：根据人工蚂蚁释放的信息素的大小，记录参与遍历的各人工蚂蚁和当前遍历时间作为可行解。
S1065：确定遍历时间最短的可行解记录为备选方案，其中，信息素越大，人工蚂蚁经过中间路径的遍历时间越短。
需要说明的是，每个人工蚂蚁在中间节点的遍历过程中，会根据人工蚂蚁走过的路径长度留下相应的信息素，可以理解的是，每两个中间节点之间的路径长度越短，走过的人工蚂蚁的数量就越多，相应的，这条路径上留下的信息素就越多，即路径越短，信息素越大。
S107：更新各中间路径的信息素。
在一种可能的实施方式中，S106具体为：
S1071：根据公式5更新信息素：
其中，m为走过特定的中间路径的人工蚂蚁的数量。
可以理解的是，每次迭代完成后，每条路径上都会留下上次迭代过程中各人工蚂蚁留下的信息素，而信息素作为影响人工蚂蚁趋向下一中间节点的一个影响因素，也会相应的改变。
在一种可能的实施方式中，S107之后还包括：
S107A：在整个迭代过程中，以线性规律自适应的递减人工蚂蚁的数量。
需要说明的是，较多的人工蚂蚁能够提高蚁群算法找到最优方案的速度，但是，人工蚂蚁的数目也并不是越多越好，因为过多的人工蚂蚁会增加计算机的计算时间，一般人工蚂蚁的数量与中间节点的数目相等的情况下能够平衡计算时间和最优方案之间的关系，可以理解的是，在硬件允许的情况下，可以适当增加人工蚂蚁的数量。在实际操作过程中，在迭代前期，可以保持人工蚂蚁的数目较多，这样最后得到的遍历路径多样化，可以避免太少的人工蚂蚁陷入局部最优解，在迭代后期，备选方案的时长基本稳定的情况下，不断的减少人工蚂蚁的数量，减少每次迭代所需的时间。
S108：在迭代次数达到改进迭代次数的情况下，对参数进行优化，以避免信息素过早的影响人工蚂蚁的决策。
在一种可能的实施方式中，S108具体包括：
S1081：在迭代次数t<T*的情况下，设置信息启发式参数α=1，期望启发式参数β=6；
S1082：在迭代次数t>T*的情况下，设置信息启发式参数α=6，期望启发式参数β=1。
需要说明的是，在迭代前期，人工蚂蚁的遍历路径的选择主要受到期望因素的影响，这时，设置期望启发式参数大于信息启发式参数，可以避免信息素过早的干预人工蚂蚁的路径选择，有助于人工蚂蚁在整个工程勘察任务解析图中寻优，防止信息素引导人工蚂蚁陷入局部最优解。在迭代后期，因为每次迭代过程信息素的积累，信息素会逐步主导人工蚂蚁的遍历路径的选择，这时设置信息启发式参数大于期望启发式参数，增加信息素的影响，减少迭代时间，加快蚁群算法的收敛速度。
S109：在备选方案与上一次迭代记录的备选方案相同或者在迭代次数等于最大迭代次数的情况下，结束迭代，否则，迭代次数加1，重复S104—S108。
可以理解的是，人工蚂蚁在工程勘察任务解析图路径探索的过程中，每次迭代产生的备选方案都不同，理论上来说备选方案完全相同的概率极小，一般在迭代后期，整个蚁群算法逐步稳定后，由于各人工蚂蚁在各中间路径上留下的信息素的影响，选择同一条中间路径的概率越来越大，最终两次迭代得出的备选方案相同时，就可将备选方案作为最优方案输出，结束迭代。若多次迭代未产生相同的备选方案，则蚁群算法在达到最大迭代次数时，结束迭代。
S110：对比每次迭代记录的备选方案，将完成勘察任务所需时长最短的一组备选方案作为最优方案，并输出最优方案。
可以理解的是，在蚁群算法达到预先设定的最大迭代次数的情况下，对比各个迭代过程中记录的多个备选方案，将时长最短的一组备选方案作为最优方案输出，最优方案记录有完成整个勘察任务所需的最短时长和参与本次最优方案的人工蚂蚁，最后输出的结果可以作为选择参与到勘察任务的勘察人员，最后得出的方案既保证了工程完成时间，质量，也保证了参与到勘察任务的勘察人员所具备的能力符合勘察任务的要求。
在本发明实施例中，根据数字化采集的环境信息将勘察任务划分为有顺序的多个主任务和多个子任务，然后引入价值权重的概念为勘察人员赋予不同的价值权重后，作为人工蚂蚁代入到蚁群算法中，参与到构造的勘察任务工程勘察任务解析图中进行最优方案的求解中，且在蚁群算法整个迭代过程中，对迭代参数进行优化，避免蚁群算法陷入局部最优解，避免根据经验粗略判断投入的人力资源，在接近实际情况且保证勘察任务在工期内顺利完工的同时，投入最少的人力资源，节省大量的人力物力，提高勘察任务的勘察效率。
实施例二
参照图3，示出了本发明实施例提供的一种工程勘察信息数字化采集、管理及综合应用系统的结构示意图。
工程勘察信息数字化采集、管理及综合应用系统30包括：
采集模块301，用于针对工程勘察任务进行环境信息的数字化采集；
构造模块302，用于根据采集到的环境信息构造工程勘察任务解析图，工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个中间节点之间的中间路径；
计算模块303，用于根据勘察人员的历史工作情况，计算各勘察人员的价值权重；
设定模块304，用于设定信息素挥发系数
、蚁群规模/>
、迭代次数t、改进迭代次数T*、最大迭代次数T，初始化信息启发式参数α、期望启发式参数β和各中间路径的信息素；
分配模块305，用于在蚁群算法中将各勘察人员一一对应地作为人工蚂蚁，并为人工蚂蚁分配统一规则，放入至任务起点，其中，人工蚂蚁拥有对应的勘察人员的价值权重；
求解模块306，用于结合各人工蚂蚁的价值权重和各中间路径的信息素，将人工蚂蚁按统一规则进行解码运算，求解可行解，并将可行解中完成勘察任务所需时长最短的可行解记录作为该次迭代的备选方案；
更新模块307，用于更新各中间路径的信息素；
优化模块308，用于在迭代次数达到改进迭代次数的情况下，对参数进行优化，以避免信息素过早的影响人工蚂蚁的决策；
停止模块309，用于在备选方案与上一次迭代记录的备选方案相同或者在迭代次数等于最大迭代次数的情况下，停止迭代，否则，迭代次数加1，重复S104—S108；
输出模块310，用于对比每次迭代记录的备选方案，将完成勘察任务所需时长最短的一组备选方案作为最优方案，并输出最优方案。
在一种可能的实施方式中，构造模块302，具体包括：
第一划分子模块，用于将环境信息划分为多个可并行勘察的多个主任务；
第二划分子模块，用于将有勘察顺序的主任务划分为的多个串联的子任务；
构造子模块，设置任务起点和任务终点，以勘察人员完成子任务所需的时长为边A，以各子任务为中间节点N，将任务起点与各主任务的开头连接，将任务终点与各主任务的结束节点连接，构造工程勘察任务解析图M=（N，A）。
在一种可能的实施方式中，计算模块303，具体包括：
获取子模块，用于获取勘察人员的历史工作情况，历史工作情况记录有各勘察人员的评价指标，其中，评价指标包括勘察人员的技能水平值、工作速度值和工作质量值；
第一计算子模块，用于根据评价指标，计算各勘察人员的价值权重w：
w=p×q×z公式1
其中，
表示勘察人员的技能水平值，/>
表示勘察人员的工作速度值，
表示勘察人员的工作质量值。
可选地，信息素挥发系数
=0.01，蚁群规模为勘察人员的数量，迭代次数t=1，改进迭代次数T*=10，最大迭代次数T=30，信息启发式参数α=1，期望启发式参数β=6，信息素
。
可选地，统一规则为在人工蚂蚁遍历完成工程勘察任务解析图中各中间节点的情况下，允许人工蚂蚁选择已经访问过的中间节点。
在一种可能的实施方式中，求解模块306，具体包括：
第二计算子模块，用于结合价值权重系数，计算人工蚂蚁到达下一个中间节点的期望因数：
其中，
表示人工蚂蚁/>
从当前所处的中间节点a到达期望的中间节点b的期望因数，/>
表示第k个人工蚂蚁从中间节点a到中间节点b的长度，
表示人工蚂蚁的权重系数；
第三计算子模块，用于结合期望因数，计算处于中间节点a的人工蚂蚁下一步到达中间节点b的概率
：/>
其中，t表示当前的迭代次数，l表示以节点a为起始点并直接连接的所有节点，
节点a上蚂蚁k下一步允许选择的中间结点的集合；
第四计算子模块，用于根据概率，人工蚂蚁使用逐步决策方法遍历工程勘察任务解析图，计算各人工蚂蚁释放的信息素：
其中，L k （t）表示人工蚂蚁k在第t次迭代过程走过的总路径长度；
第一记录子模块，用于根据人工蚂蚁释放的信息素的大小，记录参与遍历的各人工蚂蚁和当前遍历时间作为可行解；
第二记录子模块，用于确定遍历时间最短的可行解记录为备选方案，其中，信息素越大，人工蚂蚁经过中间路径的遍历时间越短。
在一种可能的实施方式中，更新模块307，具体包括：
更新子模块，用于根据公式5更新信息素：
其中，m为走过特定的中间路径的人工蚂蚁的数量。
在一种可能的实施方式中，工程勘察信息数字化采集、管理及综合应用系统30还包括：
递减模块311，用于在整个迭代过程中，以线性规律自适应的递减人工蚂蚁的数量。
在一种可能的实施方式中，优化模块308，具体包括：
第一设置子模块，用于在迭代次数t<T*的情况下，设置信息启发式参数α=1，期望启发式参数β=6；
第二设置子模块，用于在迭代次数t>T*的情况下，设置信息启发式参数α=6，期望启发式参数β=1。
本发明实施例提供的工程勘察信息数字化采集、管理及综合应用系统30能够实现上述方法实施例中实现的各个过程，为避免重复，这里不再赘述。
在本发明实施例中，根据数字化采集的环境信息将勘察任务划分为有顺序的多个主任务和多个子任务，然后引入价值权重的概念为勘察人员赋予不同的价值权重后，作为人工蚂蚁代入到蚁群算法中，参与到构造的勘察任务工程勘察任务解析图中进行最优方案的求解中，且在蚁群算法整个迭代过程中，对迭代参数进行优化，避免蚁群算法陷入局部最优解，避免根据经验粗略判断投入的人力资源，在接近实际情况且保证勘察任务在工期内顺利完工的同时，投入最少的人力资源，节省大量的人力物力，提高勘察任务的勘察效率。
本发明实施例中的虚拟系统可以是系统，也可以是终端中的部件、集成电路、或芯片。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种工程勘察信息数字化采集、管理及综合应用方法，其特征在于，应用于铁路工程勘察，所述工程勘察信息数字化采集、管理及综合应用方法包括：
S101：针对工程勘察任务进行环境信息的数字化采集；
S102：根据采集到的所述环境信息构造工程勘察任务解析图，所述工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个所述中间节点之间的中间路径；
S103：根据勘察人员的历史工作情况，计算各所述勘察人员的价值权重；
S104：设定信息素挥发系数 
、蚁群规模/>
、迭代次数t、改进迭代次数/>
、最大迭代次数T，初始化信息启发式参数/>
、期望启发式参数/>
和各所述中间路径的信息素；
S105：在蚁群算法中将各所述勘察人员一一对应地作为人工蚂蚁，并为所述人工蚂蚁分配统一规则，放入至所述任务起点，其中，所述人工蚂蚁拥有对应的所述勘察人员的价值权重；
S106：结合各所述人工蚂蚁的所述价值权重和各所述中间路径的所述信息素，将所述人工蚂蚁按所述统一规则进行解码运算，求解可行解，并将所述可行解中完成所述勘察任务所需时长最短的可行解记录作为该次迭代的备选方案；
S107：更新各所述中间路径的所述信息素；
S108：在所述迭代次数达到所述改进迭代次数的情况下，对所述信息启发式参数和所述期望启发式参数进行优化，以避免所述信息素过早的影响所述人工蚂蚁的决策；
S109：在所述备选方案与上一次迭代记录的备选方案相同或者在所述迭代次数等于所述最大迭代次数的情况下，停止迭代，否则，所述迭代次数加1，重复S104—S108；
S110：对比每次迭代记录的所述备选方案，将完成所述勘察任务所需时长最短的一组备选方案作为最优方案，并输出所述最优方案。
2.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S102具体包括：
S1021：将所述环境信息划分为多个可并行勘察的多个主任务；
S1022：将有勘察顺序的所述主任务划分为的多个串联的子任务；
S1023：设置所述任务起点和所述任务终点，以所述勘察人员完成所述子任务所需的时长为边A，以各所述子任务为所述中间节点N，将所述任务起点与各所述主任务的开头连接，将所述任务终点与各所述主任务的结束节点连接，构造所述工程勘察任务解析图M=（N，A）。
3.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S103具体包括：
S1031：获取所述勘察人员的历史工作情况，所述历史工作情况记录有各所述勘察人员的评价指标，其中，所述评价指标包括所述勘察人员的技能水平值、工作速度值和工作质量值；
S1032：根据所述评价指标，计算各所述勘察人员的所述价值权重w：
w=p×q×z公式1
其中，
表示所述勘察人员的技能水平值，/>
表示所述勘察人员的工作速度值，/>
表示所述勘察人员的工作质量值。
4.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述信息素挥发系数
，所述蚁群规模为所述勘察人员的数量，所述迭代次数t=1，所述改进迭代次数/>
，所述最大迭代次数T=30，信息启发式参数/>
，期望启发式参数/>
，所述信息素/>
。
5.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述统一规则为在所述人工蚂蚁遍历完成所述工程勘察任务解析图中各所述中间节点的情况下，允许所述人工蚂蚁选择已经访问过的所述中间节点。
6.根据权利要求4所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S106具体包括：
S1061：结合所述价值权重系数，计算所述人工蚂蚁到达下一个所述中间节点的期望因数：
其中，
表示所述人工蚂蚁/>
从当前所处的所述中间节点a到达期望的所述中间节点b的所述期望因数，/>
表示第k个所述人工蚂蚁从所述中间节点a到所述中间节点b的长度，/>
表示所述人工蚂蚁的所述权重系数；
S1062：结合所述期望因数，计算处于所述中间节点a的所述人工蚂蚁下一步到达所述中间节点b的概率
：
其中，t表示当前的所述迭代次数，l表示以节点a为起始点并直接连接的所有节点，
表示节点a上蚂蚁k下一步允许选择的所述中间节点的集合；
S1063：根据所述概率，所述人工蚂蚁使用逐步决策方法遍历所述工程勘察任务解析图，计算各所述人工蚂蚁释放的信息素：
其中，
表示所述人工蚂蚁k在第t次迭代过程走过的总路径长度；
S1064：根据所述人工蚂蚁释放的信息素的大小，记录参与遍历的各所述人工蚂蚁和当前遍历时间作为可行解；
S1065：确定所述遍历时间最短的所述可行解记录为所述备选方案，其中，所述信息素越大，所述人工蚂蚁经过所述中间路径的遍历时间越短。
7.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S107具体为：
S1071：根据公式5更新所述信息素：
其中，m为走过所述中间路径的所述人工蚂蚁的数量。
8.根据权利要求1所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S107之后还包括：
S107A：在整个迭代过程中，以线性规律自适应的递减所述人工蚂蚁的数量。
9.根据权利要求4所述的工程勘察信息数字化采集、管理及综合应用方法，其特征在于，所述S108具体包括：
S1081：在所述迭代次数
的情况下，设置所述信息启发式参数/>
=1，所述期望启发式参数/>
=6；
S1082：在所述迭代次数t>T*的情况下，设置所述信息启发式参数
=6，所述期望启发式参数/>
=1。
10.一种工程勘察信息数字化采集、管理及综合应用系统，其特征在于，应用于铁路工程勘察，所述工程勘察信息数字化采集、管理及综合应用系统包括：
采集模块，用于针对工程勘察任务进行环境信息的数字化采集；
构造模块，用于根据采集到的所述环境信息构造工程勘察任务解析图，所述工程勘察任务解析图包括任务起点、多个中间节点、任务终点和每两个所述中间节点之间的中间路径；
计算模块，用于根据勘察人员的历史工作情况，计算各所述勘察人员的价值权重；
设定模块，用于设定信息素挥发系数
、蚁群规模/>
、迭代次数t、改进迭代次数/>
、最大迭代次数T，初始化信息启发式参数α、期望启发式参数β和各所述中间路径的信息素；
分配模块，用于在蚁群算法中将各所述勘察人员一一对应地作为人工蚂蚁，并为所述人工蚂蚁分配统一规则，放入至所述任务起点，其中，所述人工蚂蚁拥有对应的所述勘察人员的价值权重；
求解模块，用于结合各所述人工蚂蚁的所述价值权重和各所述中间路径的所述信息素，将所述人工蚂蚁按所述统一规则进行解码运算，求解可行解，并将所述可行解中完成所述勘察任务所需时长最短的可行解记录作为该次迭代的备选方案；
更新模块，用于更新各所述中间路径的所述信息素；
优化模块，用于在所述迭代次数达到所述改进迭代次数的情况下，对所述信息启发式参数和所述期望启发式参数进行优化，以避免所述信息素过早的影响所述人工蚂蚁的决策；
停止模块，用于在所述备选方案与上一次迭代记录的备选方案相同或者在所述迭代次数等于所述最大迭代次数的情况下，停止迭代，否则，所述迭代次数加1，重复S104—S108；
输出模块，用于对比每次迭代记录的所述备选方案，将完成所述勘察任务所需时长最短的一组备选方案作为最优方案，并输出所述最优方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310052781.8A CN115796813B (zh) | 2023-02-03 | 2023-02-03 | 工程勘察信息数字化采集、管理及综合应用方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310052781.8A CN115796813B (zh) | 2023-02-03 | 2023-02-03 | 工程勘察信息数字化采集、管理及综合应用方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115796813A CN115796813A (zh) | 2023-03-14 |
| CN115796813B true CN115796813B (zh) | 2023-05-23 |
Family
ID=85429568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310052781.8A Active CN115796813B (zh) | 2023-02-03 | 2023-02-03 | 工程勘察信息数字化采集、管理及综合应用方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115796813B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117268402B (zh) * | 2023-11-17 | 2024-01-30 | 黑龙江哲讯信息技术有限公司 | 一种基于5g通信技术的无人机勘察路径规划方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583672B (zh) * | 2017-09-28 | 2021-12-24 | 中国石油化工股份有限公司 | 风险探井勘探决策方法及系统 |
| CN109191004B (zh) * | 2018-09-25 | 2022-04-01 | 中国人民解放军空军工程大学 | 一种多无人机测绘任务分配方法和装置 |
| CN111026126A (zh) * | 2019-12-27 | 2020-04-17 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇全局路径多目标规划方法 |
| CN111708369B (zh) * | 2020-07-17 | 2021-07-23 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
| CN115560772A (zh) * | 2022-09-22 | 2023-01-03 | 福建（泉州）哈工大工程技术研究院 | 一种基于改进蚁群算法的全局规划路径方法 |
-
2023
- 2023-02-03 CN CN202310052781.8A patent/CN115796813B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115796813A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108846517B (zh) | 一种分位数概率性短期电力负荷预测集成方法 | |
| US6321230B1 (en) | Binary tree with override nodes for representing a time-varying function in an enterprise model | |
| CN115796813B (zh) | 工程勘察信息数字化采集、管理及综合应用方法及系统 | |
| CN104123214A (zh) | 基于运行时数据的任务执行进度度量和展示的方法及系统 | |
| CN108876019A (zh) | 一种基于大数据的用电负荷预测方法及系统 | |
| CN109583625A (zh) | 一种揽件量预测方法、系统、设备及存储介质 | |
| CN108960493A (zh) | 玻璃材料性能的预测模型建立及预测方法、装置 | |
| CN103440309A (zh) | 一种资源环境模型组合建模的自动语义识别与推荐方法 | |
| CN115759499A (zh) | 一种基于优化算法的路径规划方法、装置、设备及介质 | |
| CN102780583A (zh) | 物联网业务描述、组合和服务质量评估的方法 | |
| Wang et al. | Discussion on the prediction of engineering cost based on improved BP neural network algorithm | |
| US10678967B2 (en) | Adaptive resource reservoir development | |
| Siddig et al. | Adaptive partition-based SDDP algorithms for multistage stochastic linear programming with fixed recourse | |
| CN114997414A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN116415199B (zh) | 基于审计中间表的业务数据离群分析方法 | |
| CN116523476A (zh) | 一种信息系统集成项目管理系统及管理方法 | |
| CN111507503A (zh) | 供水管网参数确定方法及装置 | |
| CN115907675A (zh) | 基于云计算和大数据的工程造价评估分析智能管理系统 | |
| CN116320033A (zh) | 一种资源调度优化方法及装置 | |
| CN103218458B (zh) | 推荐方法及推荐服务器 | |
| Petzold et al. | Workflow management and generalisation services | |
| CN109472072B (zh) | 基于河流模拟的季节性河流与地下水间相互作用预测方法 | |
| Engels et al. | An exact analysis and comparison of manual picker routing heuristics | |
| JP7247051B2 (ja) | 計画策定支援装置及び方法 | |
| CN111585793B (zh) | 一种网络服务优化组合方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |