一种基于改进蚁群算法的路径确定方法及系统技术方案
【技术实现步骤摘要】
一种基于改进蚁群算法的路径确定方法及系统
本专利技术涉及数据处理
，特别涉及一种基于改进蚁群算法的路径确定方法及系统。
技术介绍
目前广泛采用层次分析的方法对部分因素进行分析，确定最优运输路径，该方法能够在一定程度上优化了运输路径。但是其也存在许多无法克服的缺点，具体缺点如下：第一，该方法没有对不同情况下的各个因素先进行重要性分析，导致路径优化不精确。第二，其主要针对的对象为安全运输的保护及事故处理，范围较小。第三，仅针对部分因素进行分析，分析的风险因素不全面。第四，使用的具体优化算法计算过程复杂，不切合实际需要，不适宜推广。因此，如何克服上述缺点，能够在各种不同情况下，全面分析各种风险因素，做出最正确的判断，获取最优化的运输路径，是本领域技术人员需要解决的技术问题。
技术实现思路
本专利技术的目的是提供一种基于改进蚁群算法的路径确定方法及系统，能够全面分析影响因素，对影响因素分级处理有利于加强用户主要考虑因素的重要性；且蚁群优化算法有利于根据信息浓度获取最佳路径。为解决上述技术问题，本专利技术提供一种基于改进蚁群算法的路径确定方法，所述方法包括：获取输入的预定...
【技术保护点】
一种基于改进蚁群算法的路径确定方法，其特征在于，所述方法包括：获取输入的预定参数数据；其中，所述预定参数数据包括起始位置信息、目的位置信息以及主要考虑的影响因素；根据所述起始位置信息和所述目的位置信息，获取从起始位置到目的位置是全部路段；根据所述主要考虑的影响因素，确定各个影响因素的级别并确定各个级别影响因素的基本系数；根据所述全部路段中各个路段对应的每个子因素状态，确定各个路段对应的每个子因素的子系数；其中，影响因素具有对应的子因素；利用所述子系数以及所述基本系数，计算所述全部路段中各个路段对应的安全程度数值；利用改进蚁群算法计算出满足安全条件的路径，并输出符合要求的路径作为运输路径。
【技术特征摘要】
1.一种基于改进蚁群算法的路径确定方法，其特征在于，所述方法包括：获取输入的预定参数数据；其中，所述预定参数数据包括起始位置信息、目的位置信息以及主要考虑的影响因素；根据所述起始位置信息和所述目的位置信息，获取从起始位置到目的位置是全部路段；根据所述主要考虑的影响因素，确定各个影响因素的级别并确定各个级别影响因素的基本系数；根据所述全部路段中各个路段对应的每个子因素状态，确定各个路段对应的每个子因素的子系数；其中，影响因素具有对应的子因素；利用所述子系数以及所述基本系数，计算所述全部路段中各个路段对应的安全程度数值；利用改进蚁群算法计算出满足安全条件的路径，并输出符合要求的路径作为运输路径。2.根据权利要求1所述的方法，其特征在于，利用所述子系数以及所述基本系数，计算所述全部路段中各个路段对应的安全程度数值，包括：利用公式计算所述全部路段中各个路段对应的安全程度数值R；其中，P1为一级影响因素的基本系数，P2为二级影响因素的基本系数，P3为三级影响因素的基本系数，m为一级影响因素下子因素个数，n为二级影响因素下子因素个数，p三级影响因素下子因素个数，Ak为一级影响因素下子因素的子系数，Bj为二级影响因素下子因素的子系数，Cq三级影响因素下子系数的子系数。3.根据权利要求1所述的方法，其特征在于，利用改进蚁群算法计算出满足安全条件的路径，包括：初始化所述改进蚁群算法预定参数；将每个蚂蚁的目的位置分别记录到对应的禁忌表中，当所有蚂蚁均访问到所述目的位置时，确定各个蚂蚁的完整路径；并利用信息浓度公式进行信息浓度控制；选择所述禁忌表中安全程度数值最高的路径；依次更新全局信息素以及局部信息素，并清空禁忌表；将迭代次数加1，并判断迭代过程是否结束；若是，则确定各个完整路径的安全程度系数。4.根据权利要求3所述的方法，其特征在于，所述信息浓度公式具体为：其中，Q为当前路径的信息浓度，λ为可调参数，以控制信息浓度。5.根据权利要求4所述的方法，其特征在于，依次更新全局信息素以及局部信息素，包括：利用公式τij＝(1-ρ)*τij(t-1)+ρ*Δτij更新全局信息素；利用公式τij(n+1)＝(1-ξ)*τij(n)+ξτ0更新局局信息素；其中，τij为由i到j的路径的信息素强度，ρ为路径上信息素数量的蒸发系数，Δτij为本次循环之后在i到j的路径上留下的信息增量，τ0为常数，初始化时该路径上的信息的浓度，ξ为可调参数。6.根据权利要求1-5任一项所述的方法，其特征在于，获取输入的预定参数数据；其中，所述预定参数数据包括起始位置信息、目的位置信息以及主要考虑的影响因素之后，还...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。