[发明专利]一种基于改进蚁群算法的路径确定方法及系统

说明书

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于改进蚁群算法的路径确定方法及系统。

背景技术

目前广泛采用层次分析的方法对部分因素进行分析，确定最优运输路径，该方法能够在一定程度上优化了运输路径。但是其也存在许多无法克服的缺点，具体缺点如下：

第一，该方法没有对不同情况下的各个因素先进行重要性分析，导致路径优化不精确。

第二，其主要针对的对象为安全运输的保护及事故处理，范围较小。

第三，仅针对部分因素进行分析，分析的风险因素不全面。

第四，使用的具体优化算法计算过程复杂，不切合实际需要，不适宜推广。

因此，如何克服上述缺点，能够在各种不同情况下，全面分析各种风险因素，做出最正确的判断，获取最优化的运输路径，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种基于改进蚁群算法的路径确定方法及系统，能够全面分析影响因素，对影响因素分级处理有利于加强用户主要考虑因素的重要性；且蚁群优化算法有利于根据信息浓度获取最佳路径。

为解决上述技术问题，本发明提供一种基于改进蚁群算法的路径确定方法，所述方法包括：

获取输入的预定参数数据；其中，所述预定参数数据包括起始位置信息、目的位置信息以及主要考虑的影响因素；

根据所述起始位置信息和所述目的位置信息，获取从起始位置到目的位置是全部路段；

根据所述主要考虑的影响因素，确定各个影响因素的级别并确定各个级别影响因素的基本系数；

根据所述全部路段中各个路段对应的每个子因素状态，确定各个路段对应的每个子因素的子系数；其中，影响因素具有对应的子因素；

利用所述子系数以及所述基本系数，计算所述全部路段中各个路段对应的安全程度数值；

利用改进蚁群算法计算出满足安全条件的路径，并输出符合要求的路径作为运输路径。

可选的，利用所述子系数以及所述基本系数，计算所述全部路段中各个路段对应的安全程度数值，包括：

利用公式计算所述全部路段中各个路段对应的安全程度数值R；

其中，P₁为一级影响因素的基本系数，P₂为二级影响因素的基本系数，P₃为三级影响因素的基本系数，m为一级影响因素下子因素个数，n为二级影响因素下子因素个数，p三级影响因素下子因素个数，A_k为一级影响因素下子因素的子系数，B_j为二级影响因素下子因素的子系数，C_q三级影响因素下子系数的子系数。

可选的，利用改进蚁群算法计算出满足安全条件的路径，包括：

初始化所述改进蚁群算法预定参数；

将每个蚂蚁的目的位置分别记录到对应的禁忌表中，当所有蚂蚁均访问到所述目的位置时，确定各个蚂蚁的完整路径；并利用信息浓度公式进行信息浓度控制；

选择所述禁忌表中安全程度数值最高的路径；

依次更新全局信息素以及局部信息素，并清空禁忌表；

将迭代次数加1，并判断迭代过程是否结束；

若是，则确定各个完整路径的安全程度系数。

可选的，所述信息浓度公式具体为：其中，Q为当前路径的信息浓度，λ为可调参数，以控制信息浓度。

可选的，依次更新全局信息素以及局部信息素，包括：

利用公式τ_ij＝(1-ρ)*τ_ij(t-1)+ρ*Δτ_ij更新全局信息素；

利用公式τ_ij(n+1)＝(1-ξ)*τ_ij(n)+ξτ₀更新局局信息素；

其中，τ_ij为由i到j的路径的信息素强度，ρ为路径上信息素数量的蒸发系数，Δτ_ij为本次循环之后在i到j的路径上留下的信息增量，τ₀为常数，初始化时该路径上的信息的浓度，ξ为可调参数。

可选的，获取输入的预定参数数据；其中，所述预定参数数据包括起始位置信息、目的位置信息以及主要考虑的影响因素之后，还包括：

根据所述起始位置信息以及所述目的位置信息判断是否为省内运输；

若是，则执行所述根据所述起始位置信息和所述目的位置信息，获取从起始位置到目的位置是全部路段的步骤；