CN116519003B - 一种路径规划方法、装置、电子设备及存储介质 - Google Patents
一种路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116519003B CN116519003B CN202310771833.7A CN202310771833A CN116519003B CN 116519003 B CN116519003 B CN 116519003B CN 202310771833 A CN202310771833 A CN 202310771833A CN 116519003 B CN116519003 B CN 116519003B
- Authority
- CN
- China
- Prior art keywords
- parameter sets
- path
- weight parameter
- point set
- iterative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012804 iterative process Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 49
- 238000004364 calculation method Methods 0.000 abstract description 16
- 230000002829 reductive effect Effects 0.000 abstract description 14
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000544061 Cuculus canorus Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种路径规划方法、装置、电子设备及存储介质,其中,该方法包括:获得地图数据中的地图特征;根据所述地图特征获得起始点集合;根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;对所述权重参数组集合进行优化更新,得到最优权重参数组;根据所述最优权重参数组对应的起点和终点构建路径。实施本申请实施例,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种路径规划方法、装置、电子设备及存储介质。
背景技术
现有技术中的车辆在行驶过程中通常会进行路径规划,在路径规划的最优解求解过程中,大多从算法到特定问题的适配度的方向上对算法进行改进,这样做可以提升算法对于某个或某批特定问题背景的全局最优路径规划问题的求解能力,但是对于算法对于其他问题背景,地图背景下的问题的普适性没有明显的提升。
预估代价值的选取对于算法的求解精度、求解速度都有很大的影响,一般表现为预估代价值大于实际代价值时,虽然算法求解精度高,但求解时间长;而当预估代价值小于实际代价值时,虽然求解时间缩短,但算法求解精度下降。因此,在求解过程中难以出现令人满意的较优解,或难以平衡求解速度与求解精度。
发明内容
本申请实施例的目的在于提供一种路径规划方法、装置、电子设备及存储介质,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
第一方面,本申请实施例提供了一种路径规划方法,所述方法包括:
获得地图数据中的地图特征;
根据所述地图特征获得起始点集合;
根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
对所述权重参数组集合进行优化更新,得到最优权重参数组;
根据所述最优权重参数组对应的起点和终点构建路径。
在上述实现过程中,通过对多个参数组进行迭代收敛、优化更新,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
进一步地,所述根据所述地图特征获得起始点集合的步骤,包括:
根据所述地图特征获得相互对应的多个起点和多个终点;
根据所述多个相互对应的多个起点和多个终点组成多个参数组;
根据所述多个参数组构建所述起始点集合。
在上述实现过程中,将多个起点和多个终点相互对应起来组成不同的路径,再将路径形成参数组,便于迭代过程中依次对多个路径进行查找、迭代,节省查找时间。
进一步地,所述根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合的步骤,包括:
对所述起始点集合中的多个参数组进行初始化,得到多个初始化参数组;
根据迭代算法分别对所述多个初始化参数组进行迭代,得到多个迭代后的初始化参数组;
分别获得所述多个迭代后的初始化参数组对应的适应度值;
提取所述适应度值大于等于适应度阈值的多个迭代后的初始化参数组,得到所述权重参数组集合。
在上述实现过程中,对多个参数组进行初始化后再进行迭代,并分别获得其适应度值,可以使得权重参数组集合根据适应度值选取收敛较好的权重参数组,提高精度和准确度。
进一步地,所述分别获得所述多个迭代后的初始化参数组对应的适应度值的步骤,包括:
获取第一可选路径点集合和第一已遍历路径点集合;
判断所述多个迭代后的初始化参数组是否存在未迭代的初始化参数组;
若是,根据所述第一可选路径点集合和所述第一已遍历路径点集合获得所述多个迭代后的初始化参数组对应的适应度值;
若否,分别获得所述多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据第一可选路径点集合和第一已遍历路径点集合获得适应度值,可以节省时间,减小计算过程中产生的误差,避免在获得适应度值的过程中初始化参数组的精度受到影响。
进一步地,所述根据所述第一可选路径点集合和所述第一已遍历路径点集合获得所述多个迭代后的初始化参数组对应的适应度值的步骤,包括:
将所述多个迭代后的初始化参数组中的第一起点加入所述第一可选路径点集合,得到第二可选路径点集合;
获取所述第二可选路径点集合中适应度值最小的节点;
将所述适应度值最小的节点加入所述第一已遍历路径点集合,得到第二已遍历路径点集合;
查询所述第二已遍历路径点集合中是否存在所述适应度值最小的节点对应的路径数据;
若是,根据所述第二可选路径点集合获得所述多个迭代后的初始化参数组对应的适应度值;
若否,查询所述第二可选路径点集合中是否存在所述适应度值最小的节点对应的路径数据,若所述第二可选路径点集合中存在所述路径数据,根据所述第二可选路径点集合获得所述多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据适应度值最小的节点选取路径数据,可以准确地得到路径最优化的路径数据,避免在寻找最优化路径的过程中出现数据丢失的情况,进一步地提高精度。
进一步地,通过以下公式获得迭代后的初始化参数组对应的适应度值:
;
其中,F为所述适应度值,length为所述迭代后的初始化参数组在迭代过程中的平均路径长度,t为所述迭代后的初始化参数组在迭代过程中的平均求解用时。
在上述实现过程中,根据平均路径长度和平均求解用时得到适应度值,可以减小误差。
进一步地,所述对所述权重参数组集合进行优化更新,得到最优权重参数组的步骤,包括:
分别设置所述权重参数组集合中多个权重参数组的随机数;
将所述多个权重参数组的随机数与所述多个权重参数组的概率阈值进行比较,得到所述随机数小于所述概率阈值的多个权重参数组;
对所述随机数小于所述概率阈值的多个权重参数组进行优化更新,得到所述最优权重参数组。
在上述实现过程中,能够保证求得最优路径,使得最优权重参数组的预估代价值最大化的靠近实际代价值,缩短用时的同时能够保证路径的精准度。
进一步地,所述对所述随机数小于所述概率阈值的多个权重参数组进行优化更新,得到所述最优权重参数组的步骤,包括:
更新所述随机数小于所述概率阈值的多个权重参数组对应的适应度值,得到初始最优权重参数组;
获取迭代次数;
判断所述迭代次数是否达到预设迭代次数;
若是,将所述初始最优权重参数组作为所述最优权重参数组;
若否,继续更新所述随机数小于所述概率阈值的多个权重参数组对应的适应度值,得到新的初始最优权重参数组。
在上述实现过程中,根据迭代次数获得最优权重参数组,能够保证最优权重参数组的迭代完成,确保最优权重参数组的精确度。
第二方面,本申请实施例还提供了一种路径规划装置,所述装置包括:
数据获得模块,用于获得地图数据中的地图特征;还用于根据所述地图特征获得起始点集合;
迭代收敛模块,用于根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
优化更新模块,用于对所述权重参数组集合进行优化更新,得到最优权重参数组;
路径构建模块,用于根据所述最优权重参数组对应的起点和终点构建路径。
在上述实现过程中,通过对多个参数组进行迭代收敛、优化更新,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
第三方面,本申请实施例提供的一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
第四方面,本申请实施例提供的一种计算机可读存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如第一方面任一项所述的方法。
第五方面,本申请实施例提供的一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行如第一方面任一项所述的方法。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围值的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的路径规划方法的流程示意图;
图2为本申请实施例提供的路径规划装置的结构组成示意图;
图3为本申请实施例提供的电子设备的结构组成示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面结合附图和实施例,对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围值。
实施例一
图1是本申请实施例提供的路径规划方法的流程示意图,如图1所示,该方法包括:
S1,获得地图数据中的地图特征;
S2,根据地图特征获得起始点集合;
S3,根据迭代算法分别对起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
S4,对权重参数组集合进行优化更新,得到最优权重参数组;
S5,根据最优权重参数组对应的起点和终点构建路径。
在上述实现过程中,通过对多个参数组进行迭代收敛、优化更新,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
本申请实施例提供了一种基于布谷鸟-A*算法(A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法)的全局路径规划方法。
本申请实施例的方法分为两个部分,分别为算法迭代部分和适应度计算部分,这两个部分分别通过布谷鸟算法和A*算法实现。
进一步地,S2包括:
根据地图特征获得相互对应的多个起点和多个终点;
根据多个相互对应的多个起点和多个终点组成多个参数组;
根据多个参数组构建起始点集合。
在上述实现过程中,将多个起点和多个终点相互对应起来组成不同的路径,再将路径形成参数组,便于迭代过程中依次对多个路径进行查找、迭代,节省查找时间。
进一步地,S3包括:
对起始点集合中的多个参数组进行初始化,得到多个初始化参数组;
根据迭代算法分别对多个初始化参数组进行迭代,得到多个迭代后的初始化参数组;
分别获得多个迭代后的初始化参数组对应的适应度值;
提取适应度值大于等于适应度阈值的多个迭代后的初始化参数组,得到权重参数组集合。
在上述实现过程中,对多个参数组进行初始化后再进行迭代,并分别获得其适应度值,可以使得权重参数组集合根据适应度值选取收敛较好的权重参数组,提高精度和准确度。
本申请实施例中,根据算法进行初始化种群规模即初始化多个参数组。
在达到收敛条件之前,本申请实施例根据迭代次数判断,即在达到迭代次数之前,保存种群最优个体即得到权重参数组集合,防止种群最优适应度下降,然后进行进一步地迭代。
进一步地,分别获得多个迭代后的初始化参数组对应的适应度值的步骤,包括:
获取第一可选路径点集合和第一已遍历路径点集合;
判断多个迭代后的初始化参数组是否存在未迭代的初始化参数组;
若是,根据第一可选路径点集合和第一已遍历路径点集合获得多个迭代后的初始化参数组对应的适应度值;
若否,分别获得多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据第一可选路径点集合和第一已遍历路径点集合获得适应度值,可以节省时间,减小计算过程中产生的误差,避免在获得适应度值的过程中初始化参数组的精度受到影响。
进一步地,根据第一可选路径点集合和第一已遍历路径点集合获得多个迭代后的初始化参数组对应的适应度值的步骤,包括:
将多个迭代后的初始化参数组中的第一起点加入第一可选路径点集合,得到第二可选路径点集合;
获取第二可选路径点集合中适应度值最小的节点;
将适应度值最小的节点加入第一已遍历路径点集合,得到第二已遍历路径点集合;
查询第二已遍历路径点集合中是否存在适应度值最小的节点对应的路径数据;
若是,根据第二可选路径点集合获得多个迭代后的初始化参数组对应的适应度值;
若否,查询第二可选路径点集合中是否存在适应度值最小的节点对应的路径数据,若第二可选路径点集合中存在路径数据,根据第二可选路径点集合获得多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据适应度值最小的节点选取路径数据,可以准确地得到路径最优化的路径数据,避免在寻找最优化路径的过程中出现数据丢失的情况,进一步地提高精度。
若还有起点、终点组成的初始化参数组没有被迭代过,则选取一组初始化参数组,将其起点作为第一起点加入到第一可选路径点集合中;否则结束算法,输出平均路径长度和平均求解用时。
查找第二可选路径点集合中适应度值最小的节点作为当前处理节点,将这个节点加入到第一已遍历路径点集合中。分别查询该节点的路径数据,包括接续路径和左右路径,是否在第二已遍历路径点集合中,若在,判断第二可选路径点集合是否为空,若为空,则查询失败,结束搜索,若不为空,则表明终点在第二可选路径点集合中,结束遍历,输出最优路径;若不在,查询该节点是否在第二可选路径点集合中,若在,判断当前节点的路径数据是否可以更加优化,若可以,则更新该节点的父节点为当前节点,并重新获得父节点作为当前节点的适应度值,进而继续判断第二可选路径点集合是否为空,若为空,则查询失败,结束搜索,若不为空,则表明终点在第二可选路径点集合中,结束遍历,输出最优路径。
进一步地,通过以下公式获得迭代后的初始化参数组对应的适应度值:
;
其中,F为适应度值,length为迭代后的初始化参数组在迭代过程中的平均路径长度,t为迭代后的初始化参数组在迭代过程中的平均求解用时。
其适应度的组成为使用该个体对应的参数组的A*算法求解各路径起点、终点得到的平均路径长度与十倍求解该问题的平均用时的和。
在上述实现过程中,根据平均路径长度和平均求解用时得到适应度值,可以减小误差。
进一步地,S4包括:
分别设置权重参数组集合中多个权重参数组的随机数;
将多个权重参数组的随机数与多个权重参数组的概率阈值进行比较,得到随机数小于概率阈值的多个权重参数组;
对随机数小于概率阈值的多个权重参数组进行优化更新,得到最优权重参数组。
在上述实现过程中,能够保证求得最优路径,使得最优权重参数组的预估代价值最大化的靠近实际代价值,缩短用时的同时能够保证路径的精准度。
进一步地,对随机数小于概率阈值的多个权重参数组进行优化更新,得到最优权重参数组的步骤,包括:
更新随机数小于概率阈值的多个权重参数组对应的适应度值,得到初始最优权重参数组;
获取迭代次数;
判断迭代次数是否达到预设迭代次数;
若是,将初始最优权重参数组作为最优权重参数组;
若否,继续更新随机数小于概率阈值的多个权重参数组对应的适应度值,得到新的初始最优权重参数组。
在上述实现过程中,根据迭代次数获得最优权重参数组,能够保证最优权重参数组的迭代完成,确保最优权重参数组的精确度。
判断迭代结束条件,如果迭代次数达到预设迭代次数,则输出搜索得到的全局最优解及适应度值等参数,本申请实施例为将初始最优权重参数组作为最优权重参数组。
本申请实施例在一次优化更新中,更新权重参数组集合,更新后计算个体适应度即更新每个权重参数组的适应度值,将拥有较高适应度值的权重参数组保留。
对每个保留的新的权重参数组,分别设置随机数,并根据随机数与设定的概率阈值进行比较,若小于概率阈值,则根据邻近权重参数组更新该权重参数组,更新方式为取两个权重参数组在每个维度上的平均值作为新的权重参数组,取代被更新的权重参数组。
更新随机数小于概率阈值的多个权重参数组对应的适应度值,并更新多个权重参数组的信息后继续进行优化更新。
本申请实施例对于不同的地图,都可以通过选取多组路径求解来选取最合适的参数组,可以更好的适用于拥有不同路径特征的地图。同时对于不同的地图,都能求得一个相对最优的参数组,使得在路径搜索的时候可以转移部分路径分支,从而加快迭代进度,减少迭代用时。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种路径规划装置,如图2所示,该装置包括:
数据获得模块1,用于获得地图数据中的地图特征;还用于根据地图特征获得起始点集合;
迭代收敛模块2,用于根据迭代算法分别对起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
优化更新模块3,用于对权重参数组集合进行优化更新,得到最优权重参数组;
路径构建模块4,用于根据最优权重参数组对应的起点和终点构建路径。
在上述实现过程中,通过对多个参数组进行迭代收敛、优化更新,可以实现高精度的路径规划,提高路径规划的求解速度、缩短路径规划的时间,同时保证路径的精度可以达到要求,减小路径规划过程中所占用的计算空间,节约计算成本。
进一步地,数据获得模块1还用于:
根据地图特征获得相互对应的多个起点和多个终点;
根据多个相互对应的多个起点和多个终点组成多个参数组;
根据多个参数组构建起始点集合。
在上述实现过程中,将多个起点和多个终点相互对应起来组成不同的路径,再将路径形成参数组,便于迭代过程中依次对多个路径进行查找、迭代,节省查找时间。
进一步地,迭代收敛模块2还用于:
对起始点集合中的多个参数组进行初始化,得到多个初始化参数组;
根据迭代算法分别对多个初始化参数组进行迭代,得到多个迭代后的初始化参数组;
分别获得多个迭代后的初始化参数组对应的适应度值;
提取适应度值大于等于适应度阈值的多个迭代后的初始化参数组,得到权重参数组集合。
在上述实现过程中,对多个参数组进行初始化后再进行迭代,并分别获得其适应度值,可以使得权重参数组集合根据适应度值选取收敛较好的权重参数组,提高精度和准确度。
进一步地,迭代收敛模块2还用于:
获取第一可选路径点集合和第一已遍历路径点集合;
判断多个迭代后的初始化参数组是否存在未迭代的初始化参数组;
若是,根据第一可选路径点集合和第一已遍历路径点集合获得多个迭代后的初始化参数组对应的适应度值;
若否,分别获得多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据第一可选路径点集合和第一已遍历路径点集合获得适应度值,可以节省时间,减小计算过程中产生的误差,避免在获得适应度值的过程中初始化参数组的精度受到影响。
进一步地,迭代收敛模块2还用于:
将多个迭代后的初始化参数组中的第一起点加入第一可选路径点集合,得到第二可选路径点集合;
获取第二可选路径点集合中适应度值最小的节点;
将适应度值最小的节点加入第一已遍历路径点集合,得到第二已遍历路径点集合;
查询第二已遍历路径点集合中是否存在适应度值最小的节点对应的路径数据;
若是,根据第二可选路径点集合获得多个迭代后的初始化参数组对应的适应度值;
若否,查询第二可选路径点集合中是否存在适应度值最小的节点对应的路径数据,若第二可选路径点集合中存在路径数据,根据第二可选路径点集合获得多个迭代后的初始化参数组对应的适应度值。
在上述实现过程中,根据适应度值最小的节点选取路径数据,可以准确地得到路径最优化的路径数据,避免在寻找最优化路径的过程中出现数据丢失的情况,进一步地提高精度。
进一步地,迭代收敛模块2还用于通过以下公式获得迭代后的初始化参数组对应的适应度值:
;
其中,F为适应度值,length为迭代后的初始化参数组在迭代过程中的平均路径长度,t为迭代后的初始化参数组在迭代过程中的平均求解用时。
在上述实现过程中,根据平均路径长度和平均求解用时得到适应度值,可以减小误差。
进一步地,优化更新模块3还用于:
分别设置权重参数组集合中多个权重参数组的随机数;
将多个权重参数组的随机数与多个权重参数组的概率阈值进行比较,得到随机数小于概率阈值的多个权重参数组;
对随机数小于概率阈值的多个权重参数组进行优化更新,得到最优权重参数组。
在上述实现过程中,能够保证求得最优路径,使得最优权重参数组的预估代价值最大化的靠近实际代价值,缩短用时的同时能够保证路径的精准度。
进一步地,优化更新模块3还用于:
更新随机数小于概率阈值的多个权重参数组对应的适应度值,得到初始最优权重参数组;
获取迭代次数;
判断迭代次数是否达到预设迭代次数;
若是,将初始最优权重参数组作为最优权重参数组;
若否,继续更新随机数小于概率阈值的多个权重参数组对应的适应度值,得到新的初始最优权重参数组。
在上述实现过程中,根据迭代次数获得最优权重参数组,能够保证最优权重参数组的迭代完成,确保最优权重参数组的精确度。
上述的路径规划装置可实施上述实施例一的方法。上述实施例一中的可选项也适用于本实施例,这里不再详述。
本申请实施例的其余内容可参照上述实施例一的内容,在本实施例中,不再进行赘述。
实施例三
本申请实施例提供一种电子设备,包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例一的路径规划方法。
可选地,上述电子设备可以是服务器。
请参见图3,图3为本申请实施例提供的电子设备的结构组成示意图。该电子设备可以包括处理器31、通信接口32、存储器33和至少一个通信总线34。其中,通信总线34用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口32用于与其他节点设备进行信令或数据的通信。处理器31可以是一种集成电路芯片,具有信号的处理能力。
上述的处理器31可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器31也可以是任何常规的处理器等。
存储器33可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。存储器33中存储有计算机可读取指令,当计算机可读取指令由所述处理器31执行时,设备可以执行上述图1方法实施例涉及的各个步骤。
可选地,电子设备还可以包括存储控制器、输入输出单元。存储器33、存储控制器、处理器31、外设接口、输入输出单元各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或通信总线34实现电性连接。处理器31用于执行存储器33中存储的可执行模块,例如设备包括的软件功能模块或计算机程序。
输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。输入输出单元可以是,但不限于,鼠标和键盘等。
可以理解,图3所示的结构仅为示意,电子设备还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
另外,本申请实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的路径规划方法。
本申请实施例还提供一种计算机程序产品,该计算机程序产品在计算机上运行时,使得计算机执行方法实施例所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围值,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围值之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围值并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围值内,可轻易想到变化或替换,都应涵盖在本申请的保护范围值之内。因此,本申请的保护范围值应所述以权利要求的保护范围值为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种路径规划方法,其特征在于,所述方法包括:
获得地图数据中的地图特征;
根据所述地图特征获得起始点集合;
根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
对所述权重参数组集合进行优化更新,得到最优权重参数组;
根据所述最优权重参数组对应的起点和终点构建路径;
所述根据所述地图特征获得起始点集合的步骤,包括:
根据所述地图特征获得相互对应的多个起点和多个终点;
根据所述多个相互对应的多个起点和多个终点组成多个参数组;
根据所述多个参数组构建所述起始点集合;
所述根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合的步骤,包括:
对所述起始点集合中的多个参数组进行初始化,得到多个初始化参数组;
根据迭代算法分别对所述多个初始化参数组进行迭代,得到多个迭代后的初始化参数组;
分别获得所述多个迭代后的初始化参数组对应的适应度值;
提取所述适应度值大于等于适应度阈值的多个迭代后的初始化参数组,得到所述权重参数组集合;
所述分别获得所述多个迭代后的初始化参数组对应的适应度值的步骤,包括:
获取第一可选路径点集合和第一已遍历路径点集合;
判断所述多个迭代后的初始化参数组是否存在未迭代的初始化参数组;
若是,根据所述第一可选路径点集合和所述第一已遍历路径点集合获得所述多个迭代后的初始化参数组对应的适应度值;
若否,分别获得所述多个迭代后的初始化参数组对应的适应度值。
2.根据权利要求1所述的路径规划方法,其特征在于,所述根据所述第一可选路径点集合和所述第一已遍历路径点集合获得所述多个迭代后的初始化参数组对应的适应度值的步骤,包括:
将所述多个迭代后的初始化参数组中的第一起点加入所述第一可选路径点集合,得到第二可选路径点集合;
获取所述第二可选路径点集合中适应度值最小的节点;
将所述适应度值最小的节点加入所述第一已遍历路径点集合,得到第二已遍历路径点集合;
查询所述第二已遍历路径点集合中是否存在所述适应度值最小的节点对应的路径数据;
若是,根据所述第二可选路径点集合获得所述多个迭代后的初始化参数组对应的适应度值;
若否,查询所述第二可选路径点集合中是否存在所述适应度值最小的节点对应的路径数据,若所述第二可选路径点集合中存在所述路径数据,根据所述第二可选路径点集合获得所述多个迭代后的初始化参数组对应的适应度值。
3.根据权利要求1所述的路径规划方法,其特征在于,通过以下公式获得迭代后的初始化参数组对应的适应度值:
;
其中,F为所述适应度值,length为所述迭代后的初始化参数组在迭代过程中的平均路径长度,t为所述迭代后的初始化参数组在迭代过程中的平均求解用时。
4.根据权利要求1所述的路径规划方法,其特征在于,所述对所述权重参数组集合进行优化更新,得到最优权重参数组的步骤,包括:
分别设置所述权重参数组集合中多个权重参数组的随机数;
将所述多个权重参数组的随机数与所述多个权重参数组的概率阈值进行比较,得到所述随机数小于所述概率阈值的多个权重参数组;
对所述随机数小于所述概率阈值的多个权重参数组进行优化更新,得到所述最优权重参数组。
5.根据权利要求4所述的路径规划方法,其特征在于,所述对所述随机数小于所述概率阈值的多个权重参数组进行优化更新,得到所述最优权重参数组的步骤,包括:
更新所述随机数小于所述概率阈值的多个权重参数组对应的适应度值,得到初始最优权重参数组;
获取迭代次数;
判断所述迭代次数是否达到预设迭代次数;
若是,将所述初始最优权重参数组作为所述最优权重参数组;
若否,继续更新所述随机数小于所述概率阈值的多个权重参数组对应的适应度值,得到新的初始最优权重参数组。
6.一种路径规划装置,其特征在于,所述装置包括:
数据获得模块,用于获得地图数据中的地图特征;还用于根据所述地图特征获得起始点集合;
迭代收敛模块,用于根据迭代算法分别对所述起始点集合中的多个参数组进行迭代收敛,得到权重参数组集合;
优化更新模块,用于对所述权重参数组集合进行优化更新,得到最优权重参数组;
路径构建模块,用于根据所述最优权重参数组对应的起点和终点构建路径;
所述数据获得模块还用于:
根据所述地图特征获得相互对应的多个起点和多个终点;
根据所述多个相互对应的多个起点和多个终点组成多个参数组;
根据所述多个参数组构建所述起始点集合;
所述迭代收敛模块还用于:
对所述起始点集合中的多个参数组进行初始化,得到多个初始化参数组;
根据迭代算法分别对所述多个初始化参数组进行迭代,得到多个迭代后的初始化参数组;
分别获得所述多个迭代后的初始化参数组对应的适应度值;
提取所述适应度值大于等于适应度阈值的多个迭代后的初始化参数组,得到所述权重参数组集合;
获取第一可选路径点集合和第一已遍历路径点集合;
判断所述多个迭代后的初始化参数组是否存在未迭代的初始化参数组;
若是,根据所述第一可选路径点集合和所述第一已遍历路径点集合获得所述多个迭代后的初始化参数组对应的适应度值;
若否,分别获得所述多个迭代后的初始化参数组对应的适应度值。
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的路径规划方法。
8.一种计算机存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771833.7A CN116519003B (zh) | 2023-06-28 | 2023-06-28 | 一种路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771833.7A CN116519003B (zh) | 2023-06-28 | 2023-06-28 | 一种路径规划方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116519003A CN116519003A (zh) | 2023-08-01 |
CN116519003B true CN116519003B (zh) | 2023-09-01 |
Family
ID=87397988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310771833.7A Active CN116519003B (zh) | 2023-06-28 | 2023-06-28 | 一种路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116519003B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117087170B (zh) * | 2023-10-17 | 2024-03-12 | 西安空天机电智能制造有限公司 | 3d打印路径规划方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652522A (zh) * | 2016-12-30 | 2017-05-10 | 北京邮电大学 | 一种基于车速的路径规划方法 |
WO2021022637A1 (zh) * | 2019-08-06 | 2021-02-11 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及系统 |
CN115426309A (zh) * | 2022-08-12 | 2022-12-02 | 南京航空航天大学 | 一种多属性优化网络路径的搜索方法 |
CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
CN116242381A (zh) * | 2023-02-15 | 2023-06-09 | 华中师范大学深圳研究院 | 一种路径规划方法、系统、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11727812B2 (en) * | 2017-07-27 | 2023-08-15 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
-
2023
- 2023-06-28 CN CN202310771833.7A patent/CN116519003B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652522A (zh) * | 2016-12-30 | 2017-05-10 | 北京邮电大学 | 一种基于车速的路径规划方法 |
WO2021022637A1 (zh) * | 2019-08-06 | 2021-02-11 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及系统 |
CN115426309A (zh) * | 2022-08-12 | 2022-12-02 | 南京航空航天大学 | 一种多属性优化网络路径的搜索方法 |
CN116242381A (zh) * | 2023-02-15 | 2023-06-09 | 华中师范大学深圳研究院 | 一种路径规划方法、系统、电子设备及存储介质 |
CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于Maklink图和布谷鸟搜索算法的施工水域路径规划;张波菲;谢新连;何傲;;上海海事大学学报(03);10-15+34 * |
Also Published As
Publication number | Publication date |
---|---|
CN116519003A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966912B (zh) | 基于知识图谱的推荐方法、装置、计算机设备及存储介质 | |
CN116519003B (zh) | 一种路径规划方法、装置、电子设备及存储介质 | |
CN110287688B (zh) | 关联账号分析方法、装置和计算机可读存储介质 | |
CN111026978A (zh) | 位置查询方法、装置、计算机设备及存储介质 | |
CN112948674A (zh) | 基于Redis的智能推送服务的方法、装置及计算机设备 | |
CN111091287A (zh) | 风险对象识别方法、装置以及计算机设备 | |
CN111860858A (zh) | 一种模型更新参数的确定方法、确定装置及可读存储介质 | |
CN106815179B (zh) | 一种文本相似度确定方法及装置 | |
CN110968802A (zh) | 一种用户特征的分析方法、分析装置及可读存储介质 | |
CN111694992A (zh) | 一种数据处理方法和装置 | |
CN112182199A (zh) | 一种依赖包推荐方法、装置、电子设备和可读存储介质 | |
CN115130043B (zh) | 基于数据库的数据处理方法、装置、设备及存储介质 | |
CN109242168B (zh) | 确定最短路径的方法、装置、设备和计算机可读存储介质 | |
CN108376054B (zh) | 一种对标识数据进行索引的处理方法及装置 | |
US8661061B2 (en) | Data structure, data structure generation method, information processing apparatus, information processing system, and computer-readable storage medium having stored therein information processing program | |
CN110990611B (zh) | 图片缓存方法、装置、电子设备及存储介质 | |
CN114219964A (zh) | 一种神经网络架构搜索方法、装置及电子设备和存储介质 | |
CN109783052B (zh) | 数据排序方法、装置、服务器及计算机可读存储介质 | |
CN114757244A (zh) | 模型训练方法、装置、存储介质及设备 | |
CN112000709B (zh) | 一种社交媒体信息的总曝光量批量挖掘方法及装置 | |
CN117273259B (zh) | 在线课程学习路径推荐方法和装置 | |
CN112685553A (zh) | 一种在线文档查找替换的方法、装置、设备及介质 | |
CN114279456B (zh) | 图片构建/车辆定位方法、系统、终端及计算机存储介质 | |
CN115168661B (zh) | 原生图数据处理方法、装置、设备及存储介质 | |
CN110309127B (zh) | 一种数据处理方法、装置及电子设备 |
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 |