[发明专利]基于改进粒子群算法的多路径规划方法

说明书

技术领域

本发明涉及一种基于改进粒子群算法的多路径规划方法。

背景技术

多路径规划问题，即多旅行商问题是经典旅行商问题的一种泛化，加上某些特定的附加条件，则能够演化成一些较现实的问题，因而具有较高的理论研究和应用价值。在多旅行商问题中，一个任务由多位旅行商共同完成，其问题的求解难度较经典旅行商问题更大，用于经典旅行商问题求解的方法或策略不能简单地应用于多旅行商问题的求解，有关该问题的研究成果远比经典旅行商问题少，现有计算多路径的方法是通过增加虚拟城市，将所有城市隔开，转化为单路径来计算。转化之后的单路径问题有许多限制条件，算法复杂并且效率低下，而且不能解决有多个出发城市的多旅行商问题，而实际中的路径规划通常出发点都不只一个。

粒子群算法，也称粒子群优化算法(Particle Swarm Optimization，PSO)，是近年来发展起来的一种新的进化算法(Evolutionary Algorithm-EA)，是解决多路径规划问题的有效方法之一。PSO算法属于进化算法的一种，从随机解出发，通过迭代寻找最优解，它是通过适应度来评价解的品质，通过追随当前搜索到的最优值来寻找全局最优。这种算法具有实现容易、精度高、收敛快等优点，但也仍有容易陷入局部最优解导致“早熟”的缺点。

发明内容

发明目的：针对现有的多路径规划问题计算方法的不足，本发明提供一种基于改进粒子群算法的多路径规划方法，在前人对粒子群算法做出的改进的基础上做了进一步的改进，有效的跳出局部最优解，避免“早熟”，克服了粒子群算法本身的缺点，用于解决路径规划问题取得了良好的效果。

技术方案：一种基于改进粒子群算法的多路径规划方法，首先根据实际需求，对城市数据进行预处理。分如下两种情况：

a对于只有一个出发城市的多路径问题，如果要计算出首发相连的N条路径，这N条路径除了出发城市相同外其余经过的城市各不相同，但覆盖所有城市，则需增加N个与出发城市位置相同的虚拟城市。

b对于出发城市互不相同的多路径问题，则不需要进行预处理。

然后使用上述求解旅行商问题的算法计算出一条城市序列X＝(x₁,x₂,…,x_i,x_v1,x_j,…,x_k,x_v2,x_l,…,x_n)。(假设需要计算两条路径，其中x_v1和x_v2代表两个虚拟城市或者出发城市)

最后将算出来的城市序列看成首尾相连的环状。城市序列中只要遇到虚拟城市或者出发城市就代表回到上一个出发城市，这样将环分割成多条路径，X₁＝(x_v1,x_j,…,x_k,x_v1)，X₁＝(x_v2,x_l,…,x_n,x₁,x₂,…,x_i,x_v2)，得到最终需要的多条路径。

本发明在前人解决单路径规划中对粒子群算法做的改进的基础上，融合贪心算法、遗传算法和模拟退火算法的思想，使用贪心算法初始化粒子群算法，并且加入一种良好的变异算子与模拟退火思想。变异能够解开计算出来的路径中有交叉的地方，大大增加了算法找到最优解的概率；模拟退火增大了搜索最优解的范围，避免陷入局部最优解。这些改进使得改进后的粒子群算法能够有效的跳出局部最优解，避免“早熟”，克服了粒子群算法本身的缺点，用于解决路径规划问题取得了良好的效果。

传统计算多路径是通过增加虚拟城市，将所有城市隔开，转化为单路径来计算。要计算N条路径，需要增加N-1个与出发城市位置相同的虚拟城市，路径中只要遇到虚拟城市就代表回到出发城市，最后一个城市之后也回到出发城市，这样将多路径问题转化为单路径问题计算。这样的处理方法有很多边界情况需要考虑，例如要保证每次迭代算出的路径中第一个城市为出发城市等。并且不能用于计算出发城市不相同的多路径。