一种行程规划方法及系统技术方案

本申请实施例公开了一种行程规划方法及系统，所述方法通过将预设的种群大小为NP个方案根据小生境策略分为M组，将所述M组重组为一组有序的交配池；将交配池中的亲本方案进行配对，在配对后进行交叉操作产生子代方案；对待变异方案执行变异算子，所述待变异方案是根据突变率确定的子代方案；对无效方案执行修复策略，所述无效方案是根据总时间约束确定的子代方案；执行替换操作确定进入下一代的子代方案；重复迭代，当满足结束条件时，确定出每个组的目标子代方案。采用小生境策略保证方案多样性，同时考虑不同用户需求，提供多种符合需求的行程方案。

A travel planning method and system

【技术实现步骤摘要】
一种行程规划方法及系统
本申请实施例涉及计算机
，具体涉及一种行程规划方法及系统。
技术介绍
自动行程规划是旅游业中至关重要的问题。传统上，行程规划通常是由游客以手动方式完成的。通过网络上搜索旅行的相关信息，例如景点、两个景点之间路途的交通时间等，他们对这些信息进行整合，投入精力计划行程。无疑，互联网给游客提供了便利。然而随着旅游业的发展，互联网上信息的不断增多，游客不断被这些丰富的旅游信息淹没。这导致他们需要花费大量的时间和精力对行程进行规划。在现有的技术中，大多数方法都是基于一些强有力的假设，或者对模型进行简化，存在着局限性。一方面，这些方法的计划目标由开发人员预先限定。另一方面，大多数的方法都专注于一日游的行程规划，并且大多数的方法只能给出一种行程规划方案。而实际生活中，游客在旅行时往往会选择在一个城市停留几天。这些因素影响着自动行程规划的求解质量。如何使得行程规划更加智能，是亟待解决的问题。
技术实现思路
为此，本申请实施例提供一种行程规划方法及系统，考虑不同用户需求，提供多种符合其需求的行程方案。为了实现上述目的，本申请实施例提供如下技术方案：根据本申请实施例的第一方面，提供了一种行程规划方法，所述方法包括：将预设的种群大小为NP个方案根据小生境策略分为M组，将所述M组重组为一组有序的交配池；将交配池中的亲本方案进行配对，在配对后进行交叉操作产生子代方案；对待变异方案执行变异算子，所述待变异方案是根据突变率确定的子代方案；r>对无效方案执行修复策略，所述无效方案是根据总时间约束确定的子代方案；执行替换操作确定进入下一代的子代方案；重复迭代，当满足结束条件时，确定出每个组的目标子代方案。可选地，所述种群内的每个个体的基因编码为：S＝{s1,s2,...,sD}；其中，一个方案由D天行程组成；sd(d＝1，2，...，D)代表第d天的时间表；假设每天都有游客离开并返回同一家酒店；则一天时间表sd是一个序列：其中nd是在第d天行程中访问的兴趣点POI数，h为酒店；方案中的每个基因为POI索引或占位符；占位符表示没有访问。可选地，所述兴趣点POI网络模型信息建模如下：POI网络模型是一个有向完整图G＝(V,E,X)；V＝{v1,v2,...,vN}是N个POI的顶点集；每个顶点vi与四个属性相关联：建议参观时间duration(vi)，评分score(vi)，类别category(vi)和地理位置；E＝{(vi→vj)|vi,vj∈V,vi≠vj}是连接两个不同顶点的一组边集；集合中的每个(vi→vj)表示从vi到vj的连接，所述连接表示两个POI之间的交通时间transit(vi→vj)。可选地，所述将预设的种群大小NP根据小生境策略分为M组，包括：所述将预设的种群大小NP根据小生境策略分为M组；在所述种群NP中将适应值最大的个体确定为组长；计算所述组长和未处理个体之间的相似度；将NP/M个与组长相似的个体标记为已处理的一组；以组为单位，将每个组的所有个体附加到交配池。可选地，所述组长和未处理个体之间的相似度按照如下公式计算：其中，SI是访问边集大小占总访问边集大小的比值，J1和J2分别是个体S1和S2的边集，|J1∩J2|是J1和J2的交集大小，表示S1和S2的共同访问边数，|J1∪J2|是J1和J2的并集大小，表示S1和S2的总访问边缘，SI的取值范围为[0，1]。可选地，对于交配池中的每一组中的个体，以概率cr进行交叉操作，所述交叉操作包括如下步骤：对于待交叉的方案P1和P2，随机生成两个交换点；所述两个交换点中包括一个非零基因，以使得两个方案的等位基因建立一对一的映射关系；将方案P1位于两个交换点间的等位基因传递到子代方案O1，对于子代方案O1中的剩余位置，将方案P2的等位基因传递给子代方案O1；在所述传递过程中，检查方案P2的等位基因是否存在于子代方案O1中，若存在，则根据映射关系进行相应的替换，若不存在，则传递等位基因。可选地，所述对待变异方案执行变异算子，包括：对于待变异方案，以概率mr进行变异操作；所述变异操作为随机选择突变位点，并用未访问的兴趣点POI替换。可选地，所述对无效方案执行修复策略，具体包括如下步骤：对于最小化中转时间，删除消耗时间最长的POI，其中消耗时间为中转时间与POI建议参观时间的和；所述中转时间为游客从一个POI到另一个POI所花费的交通时间；对于最大化平均POI评分，删除评分最低的POI；对于最大化多样性，删除所选方案POI集合中POI个数最多的类型中的POI；采用迭代扩增策略对行程解进行检测和增强，并且最小化惩罚项；对于一个方案中的每个访问的POI，根据POI中转时间选择未访问的POI作为插入候选对象；将所述插入候选对象插入当前访问的POI的左侧或右侧；在扩增时，对满足总时间约束的方案进行跟踪，将其中所生成的最佳方案插入子代。根据本申请实施例的第二方面，提供了一种行程规划系统，所述系统包括：小生境模块，用于将预设的种群大小为NP个方案根据小生境策略分为M组，将所述M组重组为一组有序的交配池；交叉模块，用于将交配池中的亲本方案进行配对，在配对后进行交叉操作产生子代方案；变异模块，用于对待变异方案执行变异算子，所述待变异方案是根据突变率确定的子代方案；修复模块，用于对无效方案执行修复策略，所述无效方案是根据总时间约束确定的子代方案；替换模块，用于执行替换操作确定进入下一代的子代方案；输出模块，用于重复迭代，当满足结束条件时，确定出每个组的目标子代方案。可选地，所述种群内的每个个体的基因编码为：S＝{s1,s2,...,sD}；其中，一个方案由D天行程组成；sd(d＝1，2，...，D)代表第d天的时间表；假设每天都有游客离开并返回同一家酒店；则一天时间表sd是一个序列：其中nd是在第d天行程中访问的兴趣点POI数，h为酒店；方案中的每个基因为POI索引或占位符；占位符表示没有访问。可选地，所述兴趣点POI网络模型信息建模如下：POI网络模型是一个有向完整图G＝(V,E,X)；V＝{v1,v2,...,vN}是N个POI的顶点集；每个顶点vi与四个属性相关联：建议参观时间duration(vi)，评分score(vi)，类别category(vi)和地理位置；E＝{(vi→vj)|vi,vj∈V,vi≠vj}是连接两个不同顶点的一组边集；集合中的每个(vi→vj)表示从vi到vj的连接，所述连接表示两个POI之间的交通时间transit(vi→vj)。可选地，所述小生境模块具体用于：所述将预设的种群大小NP根据小生境策略分为M组；在所述种群NP中将适应值最大的个体确定为组长；计算所述组长和未处理个体之间的相似度；将NP/M个与组长相似的个体标记为已处理的一组；以组为单位，将每个组的本文档来自技高网...

【技术保护点】
1.一种行程规划方法，其特征在于，所述方法包括：/n将预设的种群大小为NP个方案根据小生境策略分为M组，将所述M组重组为一组有序的交配池，NP和M为大于1的整数；/n将交配池中的亲本方案进行配对，在配对后进行交叉操作产生子代方案；/n对待变异方案执行变异算子，所述待变异方案是根据突变率确定的子代方案；/n对无效方案执行修复策略，所述无效方案是根据总时间约束确定的子代方案；/n执行替换操作确定进入下一代的子代方案；/n重复迭代，当满足结束条件时，确定出每个组的目标子代方案。/n

【技术特征摘要】
1.一种行程规划方法，其特征在于，所述方法包括：
将预设的种群大小为NP个方案根据小生境策略分为M组，将所述M组重组为一组有序的交配池，NP和M为大于1的整数；
将交配池中的亲本方案进行配对，在配对后进行交叉操作产生子代方案；
对待变异方案执行变异算子，所述待变异方案是根据突变率确定的子代方案；
对无效方案执行修复策略，所述无效方案是根据总时间约束确定的子代方案；
执行替换操作确定进入下一代的子代方案；
重复迭代，当满足结束条件时，确定出每个组的目标子代方案。


2.如权利要求1所述的方法，其特征在于，所述种群内的每个个体的基因编码为：S＝{s1,s2,...,sD}；
其中，一个方案由D天行程组成；sd(d＝1，2，...，D)代表第d天的时间表；
假设每天都有游客离开并返回同一家酒店；则一天时间表sd是一个序列：其中nd是在第d天行程中访问的兴趣点POI数，h为酒店；方案中的每个基因为POI索引或占位符；占位符表示没有访问。


3.如权利要求2所述的方法，其特征在于，所述兴趣点POI网络模型信息建模如下：
POI网络模型是一个有向完整图G＝(V,E,X)；
V＝{v1,v2,...,vN}是N个POI的顶点集；每个顶点vi与四个属性相关联：建议参观时间duration(vi)，评分score(vi)，类别category(vi)和地理位置；
E＝{(vi→vj)|vi,vj∈V,vi≠vj}是连接两个不同顶点的一组边集；
集合中的每个(vi→vj)表示从vi到vj的连接，所述连接表示两个POI之间的交通时间transit(vi→vj)。


4.如权利要求1所述的方法，其特征在于，所述将预设的种群大小NP根据小生境策略分为M组，包括：
所述将预设的种群大小NP根据小生境策略分为M组；
在所述种群NP中将适应值最大的个体确定为组长；
计算所述组长和未处理个体之间的相似度；
将NP/M个与组长相似的个体标记为已处理的一组；
以组为单位，将每个组的所有个体附加到交配池。


5.如权利要求4所述的方法，其特征在于，所述组长和未处理个体之间的相似度按照如下公式计算：



其中，SI是访问边集大小占总访问边集大小的比值，J1和J2分别是个体S1和S2的边集，|J1∩J2|是J1和J2的交集大小，表示S1和S2的共同访问边数，|J1∪J2|是J1和J2的并集大小，表示S1和S2的总访问边缘，SI的取值范围为[0，1]。


6.如权利要求1所述的方法，其特征在于，对于交配池中的每一组中的个体，以概率cr进行交叉操作，所述交叉操作包括如下步骤：
对于待交叉的方案P1和P2，随机生成两个交换点；所述两个交换点中包括一个非零基因，以使得两个方案的等位基因建立一对一的映射关系；
将方案P1位于两个交换点间的等位基因传递到子代方案O1，对于子代方案O1中的剩余位置，将方案P2的等位基因传递给子代方案O1；在所述传递过程中，检查方案P2的等位基因是否存在于子代方案O1中，若存在，则根据映射关系进行相应的替换，若不存在，则传递等位基因。


7.如权利要求1至3任一项所述的方法，其特征在于，所述对待变异方案执行变异算子，包括：
对于待变异方案，以概率mr进行变异操作；所述变异操作为随机选择突变位点，并用未访问的兴趣点POI替换。


8.如权利要求1至3任一项所述的方法，其特征在于，所述对无效方案执行修复策略，具体包括如下步骤：
对于最小化中转时间，删除消耗时间最长的POI，其中消耗时间为中转时间与POI建议参观时间的和；所述中转时间为游客从一个POI到另一个POI所花费的交通时间；
对于最大化平均POI评分，删除评分最低的POI；
对于最大化多样性，删除所选方案POI集合中POI个数最多的类型中的POI；
采用迭代扩增策略对行程解进行检测和增强，并且最小化惩罚项；
对于一个方案中的每个访问的POI，根据POI中转时间选择未访问的POI作为插入候选对象；
将所述插入候选对象插入当前访问的POI的左侧或右侧；
在扩增时，对满足总时间约束的方案进行跟踪，将其中所生成的最佳方案...

【专利技术属性】
技术研发人员：龚月姣，赵森华，黄婷，詹志辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44