一种采用运筹学与控制论方法求解最优路径规划的方法技术

本发明专利技术公开了一种采用运筹学与控制论方法求解最优路径规划的方法，包括通过数学模型构建最优路径规划模型，并通过控制方法控制最优路径规划过程中数据搜索速度，通过故障诊断方法实现最优路径规划异常数据信息监测，通过优化求解方法实现最优路径规划信息输出；其中最优路径规划模型为蚁群算法模型；控制方法为PID模糊控制方法；故障诊断方法为具有路径对比功能的诊断模型；优化求解方法为通过数据函数模型的路径优化方法。该方法通过蚁群算法模型实现最佳路径搜索，通过PID模糊控制方法实现数据信息控制，通过路径优化方法实现最优路径规划的优化和处理，提高了最优路径规划能力。力。力。

【技术实现步骤摘要】
一种采用运筹学与控制论方法求解最优路径规划的方法


[0001]本专利技术涉及运筹学与控制论
，具体涉及一种采用运筹学与控制论方法求解最优路径规划的方法。

技术介绍

[0002]运筹学与控制论是以数学和计算机为主要工具，从系统和信息处理的观点出发，研究解决社会、经济、金融、军事、生产管理、计划决策等各种系统的建模、分析、规划、设计、控制及优化问题。数学是研究现实世界中数量关系和空间形式的科学，是一切科学和技术的基础，也被称为是“整理宇宙秩序”的一门科学。科学技术的日新月异以及现代计算机技术的高速发展，使得数学在科学技术，人类社会发展中的地位越来越显得重要。“数学科学对经济竞争力生死攸关，数学科学是关键的，普适的培养能力的技术”和“高新技术的本质是数学技术”，已日益成为人们的共识。因此要科教兴国就必须发展数学教育，振兴数学科学。数学与其它学科的相互作用相互促进以及新的应用领域的出现，使人们充分认识到发展应用数学的迫切性与重要性。
[0003]该学科虽然在多种学科中均由应用，但是在数据信息处理过程中，尤其是大量的节点数据信息，如何实现大量数据信息的最佳路径检索仍旧是面临的难题，如何实现最优路径规划的控制与求解仍是亟待解决的问题。

技术实现思路

[0004]针对上述技术的不足，本专利技术公开一种采用运筹学与控制论方法求解最优路径规划的方法，通过蚁群算法模型实现最佳路径搜索，通过PID模糊控制方法实现数据信息控制，通过路径优化方法实现最优路径规划的优化和处理，提高了最优路径规划能力。
[0005]为了实现上述技术效果，本专利技术采用以下技术方案：
[0006]一种采用运筹学与控制论方法求解最优路径规划的方法，其中所述方法包括：通过数学模型构建最优路径规划模型，并通过控制方法控制最优路径规划过程中数据搜索速度，通过故障诊断方法实现最优路径规划异常数据信息监测，通过优化求解方法实现最优路径规划信息输出；
[0007]其中最优路径规划模型为蚁群算法模型；
[0008]控制方法为PID模糊控制方法；
[0009]故障诊断方法为具有路径对比功能的诊断模型；
[0010]优化求解方法为通过数据函数模型的路径优化方法。
[0011]作为本专利技术进一步的技术方案，所述蚁群算法模型蚁群算法模型包括以下步骤：
[0012]步骤一、初始化；将获取的最优路径数据信息进行初始化，总群数据信息记作为y(t)，设y(t)＝y
max
，蚂蚁最优路径元素所有元素初始化为0，然后随机选择蚂蚁最优路径元素的起始位置；其中设置寻找信息因子其中为寻找信息因子的最小值，
为寻找信息因子的最大值，启发因子其中β
min
为启发因子的最小值，β
max
为启发因子的最大值，寻找信息素浓度挥发因子ρ∈[ρ
min
,ρ
max
]；ρ
min
表示寻找信息素浓度挥发因子的最小值，ρ
max
为寻找信息素浓度挥发因子的最大值；
[0013]步骤二、将m只蚂蚁最优路径元素随机放置在N个位置，设蚂蚁最优路径元素寻找路径的循环次数为N
c
，按N
c
+1的顺序进行循环；最优路径更新函数记作为：
[0014][0015]式(1)中，i表示蚂蚁最优路径元素循环次数，ρ(iN)表示在循环次数为 N的情况下进行第i次蚂蚁最优路径元素循环时的最优路径更新信息；ρ
min
表示寻找信息素浓度挥发最小因子；ρ(i(N+1))表示循环次数为N+1的情况下进行第i次蚂蚁最优路径元素循环时的最优路径更新信息；其中最优路径元素搜索过程中的寻找信息因子函数表示为：
[0016][0017]式(2)中，表示在进行N+1寻找信息因子时间的数据更新输出， i表示蚂蚁最优路径元素进行的i循环，表示最佳寻找信息因子；其中启发因子表示函数为：
[0018][0019]式(3)中，β
max
表示蚂蚁最优路径元素循环过程中的最大启发因子，β
min
表示蚂蚁最优路径元素循环过程中的最小启发因子，β(iN)表示在循环次数为N 的情况下进行第i次蚂蚁最优路径元素循环时的启发因子数据信息；
[0020]步骤三、通过PID模糊控制方法控制蚂蚁最优路径，根据以下公式的状态转移概率公式计算蚂蚁最优路径选择位置j的概率；则有：
[0021][0022]式(4)中，δ为蚂蚁最优路径的能见度因数，δ
is
表示在i次循环下，路径为s时的蚂蚁最优路径的能见度因数，能见度因数表示不同位置之间的距离的倒数，r
ij
(t)表示在i次循环下，选择位置j时信息释放浓度，r
is
(t)表示在i次循环下，路径为s时的信息浓度，α为信息素浓度相对重要参数，β为能见度因数相对重要指数，Node为与位置i直接相连并且蚂蚁最优路径元素尚未走过的位置的集合；
[0023]步骤四、选择蚂蚁最优路径元素具有最大状态转移概率的位置，将蚂蚁最优路径元素移动到所述具有最大状态转移概率的位置，并将最优位置存储，存储个数记作为k；
[0024]步骤五、判断，如果访问完蚂蚁最优路径元素集合中的所有位置，令k＜m，其中m为蚂蚁最优路径元素位置的个数，则通过k+1执行循环操作，如果未访问完集合中的所有位置，则更新每条路径上的信息量；
[0025]步骤六、检查终止条件，检查是否满足终止条件，所述终止条件为蚂蚁最优路径选
择位置j的概率大于93％，如果满足所述终止条件，则进行进一步操作；
[0026]步骤七、判断是否形成新的群体，如果所述终止条件为蚂蚁最优路径选择位置j的概率小于93％，则要形成新的群体，则重新对信息素矩阵进行更新，更新的方法是重新计算最小数据矩阵D；
[0027]步骤八、判断是否满足终止遗传条件，当满足终止遗传条件时，所述终止遗传条件为所述蚂蚁最优路径选择位置j的概率大于93％，则输出计算结果。
[0028]作为本专利技术进一步的技术方案，用PID模糊控制计算最优路径速度控制，控制方法为：
[0029]计算周期内最优路径速度，利用积分方程控制函数为：
[0030][0031]式(5)中，Q
d
、Q
c
均是诊断最优搜索路径数据流量，Q
d
表示诊断最优搜索路径数据流量理论值，Q
c
表示诊断最优搜索路径数据流量实际值，I
d
、I
c
均是积分等效数据流量，I
d
表示诊断周期内数据流量波动理论值，σ
c
表示诊断周期内数据流量波动实际值d
o
、σ
c
均是诊断周期内数据流量波动，d
o
表示诊断周期内数据流量波动理论值，σ
c
表示诊断周期内数据流量波动实际值，T本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用运筹学与控制论方法求解最优路径规划的方法，其特征在于：所述方法包括：通过数学模型构建最优路径规划模型，并通过控制方法控制最优路径规划过程中数据搜索速度，通过故障诊断方法实现最优路径规划异常数据信息监测，通过优化求解方法实现最优路径规划信息输出；其中最优路径规划模型为蚁群算法模型；控制方法为PID模糊控制方法；故障诊断方法为具有路径对比功能的诊断模型；优化求解方法为通过数据函数模型的路径优化方法。2.根据权利要求1所述的采用运筹学与控制论方法求解最优路径规划的方法，其特征在于：所述蚁群算法模型蚁群算法模型包括以下步骤：步骤一、初始化；将获取的最优路径数据信息进行初始化，总群数据信息记作为y(t)，设y(t)＝y
max
，蚂蚁最优路径元素所有元素初始化为0，然后随机选择蚂蚁最优路径元素的起始位置；其中设置寻找信息因子其中为寻找信息因子的最小值，为寻找信息因子的最大值，启发因子其中β
min
为启发因子的最小值，β
max
为启发因子的最大值，寻找信息素浓度挥发因子ρ∈[ρ
min
,ρ
max
]；ρ
min
表示寻找信息素浓度挥发因子的最小值，ρ
max
为寻找信息素浓度挥发因子的最大值；步骤二、将m只蚂蚁最优路径元素随机放置在N个位置，设蚂蚁最优路径元素寻找路径的循环次数为N
c
，按N
c
+1的顺序进行循环；最优路径更新函数记作为：式(1)中，i表示蚂蚁最优路径元素循环次数，ρ(iN)表示在循环次数为N的情况下进行第i次蚂蚁最优路径元素循环时的最优路径更新信息；ρ
min
表示寻找信息素浓度挥发最小因子；ρ(i(N+1))表示循环次数为N+1的情况下进行第i次蚂蚁最优路径元素循环时的最优路径更新信息；其中最优路径元素搜索过程中的寻找信息因子函数表示为：式(2)中，表示在进行N+1寻找信息因子时间的数据更新输出，i表示蚂蚁最优路径元素进行的i次循环，表示最佳寻找信息因子；其中启发因子表示函数为：式(3)中，β
max
表示蚂蚁最优路径元素循环过程中的最大启发因子，β
min
表示蚂蚁最优路径元素循环过程中的最小启发因子，β(iN)表示在循环次数为N的情况下进行第i次蚂蚁最优路径元素循环时的启发因子数据信息；步骤三、通过PID模糊控制方法控制蚂蚁最优路径，根据以下公式的状态转移概率公式计算蚂蚁最优路径选择位置j的概率；则有：
式(4)中，δ为蚂蚁最优路径的能见度因数，δ
is
表示在i次循环下，路径为s时的蚂蚁最优路径的能见度因数，能见度因数表示不同位置之间的距离的倒数，r
ij
(t)表示在i次循环下，选择位置j时信息释放浓度，r
is
(t)表示在i次循环下，路径为s时的信息浓度，α为信息素浓度相对重要参数，β为能见度因数相对重要指数，Node为与位置i直接相连并且蚂蚁最优路径元素尚未走过的位置的集合；步骤四、选择蚂蚁最优路径元素具有最大状态转移概率的位置，将蚂蚁最优路径元素移动到所述具有最大状态转移概率的位置，并将最优位置存储，存储个数记作为k；步骤五、判断，如果访问完蚂蚁最优路径元素集合中的所有位置，令k＜m，其中m为蚂蚁最优路径元素位置的个数，则通过k+1执行循环操作，如果未访问完集合中的所有位置，则更新每条路径上的信息量；步骤六、检查终止条件，检查是否满足终止条件，所述终止条件为蚂蚁最优路径选择位置j的概率大于93％，如果满足所述终止条件，则进行进一步操作；步骤七、判断是否形成新的群体，如果所述终止条件为蚂蚁最优路径选择位置j的概率小于93％，则要形成新的群体，则重新对信息素矩阵进行更新，更新的方法是重新计算最小数据矩阵D；步骤八、判断是否满足终止遗传条件，当满足终止遗传条件时，所述终止遗传条件为所述蚂蚁最优路径选择位置j的概率大于93％，则输出计算结果。3.根据权利要求1所述的...

【专利技术属性】
技术研发人员：桂迪宇，高阳，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：