一种自适应并行的社区养老服务点选址优化方法及系统技术方案

本发明专利技术涉及选址优化技术领域，具体涉及一种自适应并行的社区养老服务点选址优化方法及系统，包括如下几个步骤：以老年人出行距离最短为目标，构建多约束社区养老服务点选址优化模型；利用算术优化算法求解模型，得到选址结果；利用自适应并行的算术优化算法求解模型，得到进一步优化的选址结果。其好处是：针对于算术优化算法收敛速度慢，易陷入局部最优等问题，使用自适应改变参数和多组多策略的并行机制进行改进。改进后的算法虽然在一定程度上增加了空间复杂度，但是却降低了时间复杂度，并且自适应改变参数的方法提高了算法跳出局部最优的能力，多组多策略的并行机制一定程度上保证了种群多样性，增加算法的收敛速度和提高算法的寻优精度。高算法的寻优精度。高算法的寻优精度。

【技术实现步骤摘要】
一种自适应并行的社区养老服务点选址优化方法及系统


[0001]本专利技术涉及选址优化
，具体涉及一种自适应并行的社区养老服务点选址优化方法及系统。

技术介绍

[0002]20世纪90年代以来，中国的老龄化进程加速发展。第七次人口普查结果显示，中国60岁及以上人口占比较第六次人口普查上升5.44个百分点。老龄人口的增加势必导致养老服务需求的增长，特别是社区养老，由于其便捷性以及社区融合等优势而受到老年人及老年人所在家庭的欢迎。尽管各级政府和社会力量在构建社区养老服务点方面做了大量工作，也产生了一定的成效，但是仍然存在社区养老服务点供需不平衡的问题。
[0003]目前的养老服务点选址主要以人工选址的方法为主。然而人工选址方法难以做到科学布局，有效优化，因此借助计算机技术对社区养老服务服务点布局进行科学选址十分必要。

技术实现思路

[0004]针对现有技术的不足，本专利技术公开了一种自适应并行的社区养老服务点选址优化方法及系统，使用自适应调整参数的方法提高了算法跳出局部最优的能力，多组多策略并行机制一定程度上保证了种群多样性，增加算法的收敛速度和提高算法的收敛精度。
[0005]本专利技术通过以下技术方案予以实现：
[0006]第一方面，本专利技术提供了一种自适应并行的社区养老服务点选址优化方法，其特征在于，包括以下步骤：
[0007]S1获取目标区域的养老服务点数据、城市水域数据和城市道路数据；
[0008]S2以S1数据计算老年人出行距离，并以最短距离为目标构建多约束社区养老服务点选址优化模型；
[0009]S3利用算术优化算法求解多约束社区养老服务点选址优化模型，得到选址结果后输出；
[0010]S4使用自适应并行的算术优化算法求解多约束社区养老服务点选址优化模型，得到选址结果后并行输出。
[0011]更进一步的，所述方法中，以最短距离为目标构建多约束社区养老服务点选址优化模型时，首先建立目标函数，具体如下：
[0012][0013]则约束条件为：
[0014]t≤0.25h
ꢀꢀꢀꢀꢀꢀ⑵
[0015][0016]其中：ω
h
，ω
uh
，α
i
∈{0，1}，i∈n
[0017]其中，n是所有需服务小区点{a1,a2,
…
,a
n
}的集合；ω
h
和ω
uh
分别表示0
‑
1决策变量，表示自理老人(1)和失能老人(0)；
[0018]和分别表示第i个需服务小区自理老人和失能老人的人口密度；
[0019]α
i
表示0
‑
1决策变量，表示从第i个需服务小区到待建服务点之间是否需要乘坐公共交通工具；
[0020](A,B)表示待建服务点的位置坐标；
[0021](a
i
,b
i
)表示第i个需服务小区位置坐标；V
i
表示第i个需服务小区附近公共交通工具的平均速度；
[0022]t表示老年人乘坐公共交通工具耗费的最长时间。
[0023]更进一步的，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，在所需服务小区周围随机选择N个待建服务点的候选点，所有候选点的坐标被扩展成一个N
×
N的矩阵，具体表示如下：
[0024][0025]更进一步的，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，建立算法中探索阶段和开发阶段的转换函数如下：
[0026][0027]其中，iter为当前迭代次数，Max_iter为最大迭代次数，Max和Min是加速函数的最大值和最小值。
[0028]更进一步的，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，探索阶段算法迭代更新函数如下：
[0029][0030][0031]其中，α是敏感参数，ε是极小的正整数，best表示当前最优值，UB和LB是划定范围的上下界，μ是控制参数，r2是[0,1]的随机数。
[0032]更进一步的，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，开发阶段算法迭代更新函数如下：
[0033][0034]其中，r3是[0,1]的随机数。
[0035]更进一步的，所述方法中，使用自适应并行的算术优化算法求解多约束社区养老
服务点选址优化模型时，通过引入自适应调整来改变敏感参数α，具体公式如下：
[0036][0037]α(iter)＝1
‑
α
′
(iter)+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0038]其中，α
max
和α
min
是敏感参数的最大值和最小值，f,f
min
,f
max
,f
avg
分别是适应度值，最小适应度值，最大适应度值和平均适应度值。
[0039]更进一步的，所述方法中，使用自适应并行的算术优化算法求解多约束社区养老服务点选址优化模型时，引入多组并行交流策略，在算法执行的开始，将整个候选点分为多个群组，每个群组按照不同的交流策略进行迭代更新，在达到一定的迭代次数每个群组互相通信，按照“优胜劣汰”的规则进行更新。
[0040]更进一步的，所述方法中，开始迭代更新时，依靠函数选择此次更新的阶段是探索还是开发，并通过使用随机数进行比较，来选择进行更新的阶段；
[0041]前期进入探索阶段进行大量的探索，找到全局最优附近的区域，为开发阶段找到全局最优解做准备；
[0042]在探索阶段利用基本算术符的“乘除”“加减”算子进行搜索，找到全局最优解。
[0043]第二方面，本专利技术提供了一种自适应并行的社区养老服务点选址优化系统，包括处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现第一方面所述的自适应并行的社区养老服务点选址优化方法。
[0044]本专利技术的有益效果为：
[0045]本专利技术针对于算术优化算法收敛速度慢，易陷入局部最优等问题，使用自适应改变参数和多组多策略的并行机制进行改进。改进后的算法虽然在一定程度上增加了空间复杂度，但是却降低了时间复杂度，并且自适应改变参数的方法提高了算法跳出局部最优的能力，多组多策略的并行机制一定程度上保证了种群多样性，防止算法陷入局部最优。改进算法，设定不同实验参数，并进行对比实验，结果表明：改进后的算法有效地提高了收敛速度并提高了算法的寻优精度。
附图说明
[0046]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应并行的社区养老服务点选址优化方法，其特征在于，包括以下步骤：S1获取目标区域的养老服务点数据、城市水域数据和城市道路数据；S2以S1数据计算老年人出行距离，并以最短距离为目标构建多约束社区养老服务点选址优化模型；S3利用算术优化算法求解多约束社区养老服务点选址优化模型，得到选址结果后输出；S4使用自适应并行的算术优化算法求解多约束社区养老服务点选址优化模型，得到并行计算寻优后的选址结果并输出。2.根据权利要求1所述的自适应并行的社区养老服务点选址优化方法，其特征在于，所述方法中，以最短距离为目标构建多约束社区养老服务点选址优化模型时，首先建立目标函数，具体如下：则约束条件为：t≤0.25h
ꢀꢀꢀꢀ⑵
其中：ω
h
，ω
uh
，α
i
∈{0，1}，i∈n其中，n是所有需服务小区点{a1,a2,
…
,a
n
}的集合；ω
h
和ω
uh
分别表示0
‑
1决策变量，表示自理老人(1)和失能老人(0)；和分别表示第i个需服务小区自理老人和失能老人的人口密度；α
i
表示0
‑
1决策变量，表示从第i个需服务小区到待建服务点之间是否需要乘坐公共交通工具；(A,B)表示待建服务点的位置坐标；(a
i
,b
i
)表示第i个需服务小区位置坐标；V
i
表示第i个需服务小区附近公共交通工具的平均速度；t表示老年人乘坐公共交通工具耗费的最长时间。3.根据权利要求1所述的自适应并行的社区养老服务点选址优化方法，其特征在于，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，在所需服务小区周围随机选择N个待建服务点的候选点，所有候选点的坐标被扩展成一个N
×
N的矩阵，具体表示如下：4.根据权利要求3所述的自适应并行的社区养老服务点选址优化方法，其特征在于，所述方法中，利用算术优化算法求解多约束社区养老服务点选址优化模型时，建立算法中探索阶段和开发阶段的转换函数如下：
其中，iter为当前迭代次数，Max_iter为最大迭代次数，Max和Min是加速函数的最大值和最小值。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：王若宾，王伟锋，耿芳东，徐琳，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：