[发明专利]一种基于谱聚类算法的景点路线推荐方法

说明书

技术领域

本发明涉及旅游信息服务领域，特别是一种基于谱聚类算法的景点路线推荐方法。

背景技术

旅游路线最优化问题一直是人们所关注的一个社会焦点，特别是近几年来随着城市的发展，人们生活物质水平的提高，节日期间外出旅游，己经成为节假日必不可少的部分。因此，如何对旅游路线进行合理的优化越来越被人所重视。

旅游路线规划是典型的旅行商问题(TSP)，旅行商问题是指旅行商按一定的顺序访问每个城市，使得每个城市都能被访问且仅能被访问一次，最后回到起点，且花费的代价最小。旅行商问题是组合优化问题中典型的多项式复杂程度的非确定性问题(NP完全问题)，是许多领域内复杂工程优化问题的抽象形式。关于旅行商问题(TSP)问题的完全有效的算法目前尚未找到，这促使人们长期以来不断地探索并积累了大量的算法。归纳起来，目前主要算法可分成传统优化算法和现代优化算法。在传统优化算法中又可分为最优解算法和近似方法。传统优化算法包括分支定界法、改良回路法、贪婪算法、插入法等。最优解算法虽然可以得到精确解，但计算时间无法忍受，因此就产生了各种近似方法，这些近似算法虽然可以较快地求得接近最优解的可行解，但其接近最优解的程度不能令人满意。

现代优化算法中分为确定性方法和随机方法。确定性的方法优化速度快，但容易陷入局部极小值，即无法保证全局最优，而且增加了算法复杂度，致使求解时间过长，不利于实际应用；相反，随机方法能够最大程度的避免确定性方法的不足，虽然不能保证在确定的步骤内得到最优解，但通过引入新的接受准则，引出了一种在全局范围内寻找最优解的方法——模拟退火算法。该算法善于搜索困难度和复杂性高的“死角”，从中找出期望值高的区域，但也存在着不足之处。如果问题的复杂程度不断增大那么其结果的求解时间也会逐渐成指数级变大，一旦问题的规模过于庞大则求解时间也会大大延长，从而达不到预期结果。而且可行性已经不再是人们追求的唯一目标，仅仅对这种基本需求的满足是远远不够的，对问题求解效率和质量的要求更是人们追求的方向。

上述方法均不能很好地满足实际情况中的游客需求，即在较短时间内向游客推荐一条最短的旅游路线。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于谱聚类算法的景点路线推荐方法。

为了解决上述技术问题，本发明公开了一种基于谱聚类算法的景点路线推荐方法，包括以下步骤：

步骤1，游客确定要游览的景点，通过计算机、智能终端、或者其他具有数据处理功能的交互设备搜集这些景点的数据信息并抽象成一个无向图；

步骤2，使用弗洛伊德Floyd-Warshall算法(https://en.wikipedia.org/wiki/Floyd–Warshall_algorithm)计算无向图中任意两个景点的最短距离，得到景点路径图，删除景点路径图中的无用路径；

步骤3，应用谱聚类算法将步骤2得到的景点路径图上的大景区切割成两个以上小景区；

步骤4，采用模拟退火算法计算出小景区间的路线规划方案；

步骤5，选择离游客最近的一个小景区的景点作为游客的出发点，求出该小景区内的景点访问路线，再根据小景区之间的路线规划方案访问下一个小景区，分别求出每个小景区内部的景点访问路线，最终得到所有景点的总体游览路线。

本发明中，搜集的游客游览景点抽象为一个无向图G＝(V,E,C)。景点的集合为V＝{v₁,v₂,…,v_l,…,v_n}，其中v_i表示第i个景点，1≤i≤n，n表示景点的个数。道路(边)的集合为E＝{(r,s):r,s∈V}，其中r，s为景点。景点之间的距离为C＝{C_rs:r,s∈V}。

步骤2中，采用基于弗洛伊德的算法删除景点之间的无用边，分为两步，

步骤2-1，通过弗洛伊德算法计算出任意两个景点i和j之间的最短距离dist[i][j]；

步骤2-2，如果两个景点i和j之间直接相连的路径长度c[i][j]大于这两个景点之间的最短距离，即c[i][j]>dist[i][j]，那么判定该路径不在这两个景点的最短路径上，删除该路径，其中c[i][j]表示景点i和景点j直接相连的路径长度，dist[i][j]表示景点i和景点j的最短距离。最后得到删除无用路径的景点路径图。

步骤3包括以下步骤：

步骤3-1，采用高斯核函数构造所有景点的相似矩阵W和度矩阵D：