【技术实现步骤摘要】
本专利技术属于计算机人工智能，具体涉及一种基于改进浣熊算法的能耗旅行商计算方法。
技术介绍
1、旅行商问题(tsp)是组合优化领域中一个很经典的问题，它涉及搜索一条正好穿过每个节点一次并且具有最短路径长度的路线。随着当今社会的环境与能源危机问题愈来愈严峻，全球变暖与能源紧缺成为人们越来越关注的问题。世界上的许多国家如中国、挪威、瑞典、荷兰、英国等，电动汽车的普及率逐年上升。电动汽车在减少有害污染物和应对气候变化方面很有效，但它们也有其缺点，例如行驶里程有限以及充电不方便。对于电动汽车来说，电量消耗一方面决定了电力成本，但更重要的是，还决定了电动汽车的行驶里程，从而决定了为了防止电动汽车搁浅而必须进行充电的最新可能时刻。因此，对于电动汽车的路径优化不仅要考虑路径最短，同时也要考虑电量消耗这一要素。本文在传统tsp现有工作的基础上，以降低电动汽车在路径规划中的电量消耗为目标，建立了最小电量消耗旅行商问题(mpctsp)模型。
2、mpctsp与tsp同属于np-hard问题，即在某些情况下，找到最优解是一个耗时的过程。解决此类复杂优化问题的传统方法采用两种主要策略：精确算法和元启发式算法。精确算法基于枚举，可以优化求解np-hard问题，例如，分枝定界或整数规划公式，但它们通常受到问题规模的限制。另一方面，元启发式算法利用特定问题的知识和精心设计的方法和参数来找到接近最优的解，如粒子群算法、蚁群算法、遗传算法、麻雀搜索算法等。它们往往存在着容易陷入最优解以及迭代速度慢的问题。长鼻浣熊优化算法(coa)是最近几年提出的一种
技术实现思路
1、本专利技术的目的在于提供一种基于改进浣熊算法的能耗旅行商计算方法，针对电动扫路机在多园区间的遍历问题，以降低电动扫路机在遍历路径规划中的电量消耗为目标，建立了电量消耗旅行商问题(pctsp)的数学模型，并通过实验验证了模型的有效性。针对pctsp的特点，提出了一种改进浣熊算法进行求解。基于粒子群算法对算法中浣熊的捕食策略进行改进，进而扩大搜索空间；同时引入局部最优解与全局最优解，加快算法寻优速度；引入变邻域搜索策略对算法中浣熊躲避天敌的策略进行改进，防止算法陷入局部最优解。
2、为实现上述目的，本专利技术的技术方案是：一种基于改进浣熊算法的能耗旅行商计算方法，包括以下步骤：
3、步骤s1、获取由园区坐标点构成的无向图g，并根据园区日常平均垃圾质量与园区之间的距离建立最小电量消耗旅行商的数学模型；
4、步骤s2、根据建立的最小电量消耗旅行商的数学模型的实时园区数据，采用改进长鼻浣熊优化算法，对参数和长鼻浣熊种群进行初始化；
5、步骤s3、根据长鼻浣熊种群最优位置更新鬣蜥的位置；
6、步骤s4、根据鬣蜥的位置和基于粒子群算法改进的长鼻浣熊捕食策略更新种群中长鼻浣熊的速度和位置，并计算长鼻浣熊的个体最优位置；
7、步骤s5、根据基于贪心变邻域搜索算法改进的长鼻浣熊躲避天敌策略更新长鼻浣熊逃离天敌后的速度和位置，并计算长鼻浣熊的种群最优位置；
8、步骤s6、判断算法是否达到最大迭代次数，若是则完成求解；若否则执行步骤s3。
9、在本专利技术一实施例中，已知n个待清扫园区中任意两个园区之间的距离以及各个园区的日常平均垃圾质量，求一条路径恰好经过每个园区且每个园区只经过一次的回路，使得环卫车总电量消耗最小；最小电量消耗旅行商问题mpctsp的优化目标是确定环卫车在工作过程中电量消耗最小的路线，该问题的数学模型为：
10、给定路线图表，即无向图g＝(n,a)，其中
11、n＝{0}∪nc
12、n表示顶点集，0表示环卫车的初始和最终顶点，nc是环卫车要清扫的n个园区的顶点集合；
13、b＝{{i,j}i,j∈n,i≠j}
14、b为对应边集；
15、目标函数：
16、
17、决策变量：
18、
19、其中ei,j为环卫车从i园区行驶至j园区的耗电量，决策变量xi,j表示从i行驶至j则取1，其他情况取0；
20、基于车辆质量、速度和物理环境来确定能耗，进而来确定机械功率；其次，机械功率被转换为电动机提供所需量的机械功率所需的电功率，这个量由电机的效率决定；最后，所需电力被转换为必须从电池获得的电量，这取决于电池效率；根据电池耗电功率、车辆质量和车辆行驶距离确定车辆行驶过程中的耗电量，其中车辆质量由车辆本身质量与载重组成，具体如下：
21、
22、
23、
24、
25、式中，pe为耗电量功率，为传动系统传递效率，为蓄电池放电效率，为电机工作效率，cf表示滚动摩擦系数，m为车辆总质量，g表示重力系数，α表示道路坡度角，v表示速度，cw表示空气动力学阻力系数，ρ表示空气密度，a表示车辆的前部面积，mc是车辆的载重质量，e为总电量消耗，d为距离，di,j为园区i与园区j之间的距离。
26、在本专利技术一实施例中，所述物理环境包括路面、车辆尺寸。
27、在本专利技术一实施例中，在改进长鼻浣熊优化算法pcoa中，每一只长鼻浣熊的位置都代表着最小电量消耗旅行商问题mpctsp的候选解；pcoa首先需定义长鼻浣熊种群规模m以及待清扫园区数量n，定义第i个长鼻浣熊的位置为pi,i∈(1,2,...,m)，实现方法如下：
28、pi＝randperm(n),for i＝1,2,...,m
29、其中randperm(n)函数的作用是生成包含从1到n没有重复元素的整数随机排列，pi是第i个长鼻浣熊在搜索空间中的位置；
30、pcoa中长鼻浣熊种群位置使用以下矩阵p进行数学表示：
31、
32、长鼻浣熊的不同位置对应着mpctsp目标函数不同值的评估，这些目标函数值用矩阵l表示：
33、
34、其中l是长鼻浣熊总体种群的目标函数值，li是第i个长鼻浣熊的目标函数值，拥有最佳目标函数值的长鼻浣熊被称为总体种群中的最佳成员。
35、在本专利技术一实施例中，长鼻浣熊的捕食策略分为两个过程，树上的长鼻浣熊会对鬣蜥进行惊吓，鬣蜥落地后地上的长鼻浣熊会对其发起攻击；假设总体种群中最佳成员的位置是鬣蜥的位置，将长鼻浣熊总体种群平均的分为两组，一半的长鼻浣熊爬上树，另一半等待鬣蜥掉到地上；树上长鼻浣熊的速度和位置的更新实现方法如下：
36、本文档来自技高网...
【技术保护点】
1.一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，已知n个待清扫园区中任意两个园区之间的距离以及各个园区的日常平均垃圾质量，求一条路径恰好经过每个园区且每个园区只经过一次的回路，使得环卫车总电量消耗最小；最小电量消耗旅行商问题MPCTSP的优化目标是确定环卫车在工作过程中电量消耗最小的路线，该问题的数学模型为：
3.根据权利要求2所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，所述物理环境包括路面、车辆尺寸。
4.根据权利要求1所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，在改进长鼻浣熊优化算法PCOA中，每一只长鼻浣熊的位置都代表着最小电量消耗旅行商问题MPCTSP的候选解；PCOA首先需定义长鼻浣熊种群规模m以及待清扫园区数量n，定义第i个长鼻浣熊的位置为Pi,i∈(1,2,...,m)，实现方法如下：
5.根据权利要求4所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，长鼻浣熊的捕食策略分为
6.根据权利要求5所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，为使得路径的目标函数值更小，即环卫车经过路径后消耗的电量更少，采用贪心变邻域搜索算法来模拟长鼻浣熊逃离天敌后的位置，分别是贪心交换操作和贪心插入操作，实现方法如下：
...【技术特征摘要】
1.一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，已知n个待清扫园区中任意两个园区之间的距离以及各个园区的日常平均垃圾质量，求一条路径恰好经过每个园区且每个园区只经过一次的回路，使得环卫车总电量消耗最小；最小电量消耗旅行商问题mpctsp的优化目标是确定环卫车在工作过程中电量消耗最小的路线，该问题的数学模型为：
3.根据权利要求2所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，所述物理环境包括路面、车辆尺寸。
4.根据权利要求1所述的一种基于改进浣熊算法的能耗旅行商计算方法，其特征在于，在改进长鼻浣熊优化算法pcoa中，每一只长鼻浣熊的位置都代表着最小电量消耗旅行商问题mpctsp的候选解；p...
【专利技术属性】
技术研发人员：杜恒，杜念青，章小龙，黄惠，张志忠，曹华鑫，林丁发，万嘉伟，谢真，
申请(专利权)人：福州大学，
类型：发明
国别省市：
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。