[发明专利]最短路线计算方法、装置、计算机设备和存储介质

权利要求书

1.一种最短路线计算方法，所述方法包括：

获取路线计算任务，所述路线计算任务携带多个城市标识；

根据所述城市标识获取对应的城市坐标；

根据所述路线计算任务调用神经网络模型，利用所述神经网络模型计算所述城市坐标对应的编码隐状态以及解码隐状态；

利用所述神经网络模型根据所述城市坐标对应的编码隐状态、解码隐状态以及预设关系计算每个城市标识的路线概率；

根据所述路线概率生成多个城市之间的最短路线序列，所述最短路线序列的长度与获取的城市序列的长度一一对应；

根据所述城市坐标获取预设最短路线序列；

根据所述城市坐标、预设最短路线序列、最短路线序列以及预设关系计算所述最短路线序列的损失；计算所述最短路线序列的损失采用的计算公式为：

其中，C为最短路线序列的损失，n为城市坐标的总数，x为获取的城市坐标，y为预设最短路线序列中的城市坐标，a为最短路线序列中的城市坐标。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括初始编码隐状态以及初始解码隐状态；所述利用所述神经网络模型计算所述城市坐标对应的编码隐状态以及解码隐状态包括：

通过所述神经网络模型利用所述初始编码隐状态对所述城市坐标进行编码，得到与所述城市坐标对应的编码隐状态；

通过所述神经网络模型利用所述初始解码隐状态以及城市标识对所述城市坐标对应的编码隐状态进行解码，得到与所述城市坐标对应的解码隐状态。

3.根据权利要求1所述的方法，其特征在于，所述利用所述神经网络模型根据所述城市坐标对应的编码隐状态、解码隐状态以及预设关系计算每个城市标识的路线概率；包括：

将每个城市坐标对应的解码隐状态与多个城市坐标对应的编码隐状态进行比对，得到所述每个城市坐标对应的解码隐状态与所述多个城市标识对应的编码隐状态的相似度；

将所述相似度进行归一化处理，得到每个城市标识的路线概率。

4.根据权利要求3所述的方法，其特征在于，根据所述 路线概率生成多个城市之间的最短路线序列，包括：

利用所述解码隐状态与对应的相似度生成每个城市标识对应的注意力指针；

根据所述注意力指针指向所述路线概率中的最大概率，将所述最大概率对应的城市标识进行输出。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

将所述城市坐标对应的编码隐状态的位置信息进行存储；

根据所述位置信息将每个城市坐标对应的解码隐状态与所述多个城市坐标对应的编码隐状态进行比对，得到所述解码隐状态对应的相似度。

6.一种最短路线计算装置，其特征在于，所述装置包括：

通信模块，用于获取路线计算任务，所述路线计算任务携带多个城市标识；

坐标获取模块，用于根据所述城市标识获取对应的城市坐标；

状态计算模块，用于根据所述路线计算任务调用神经网络模型，利用所述神经网络模型计算所述城市坐标对应的编码隐状态以及解码隐状态；

概率计算模块，用于利用所述神经网络模型根据所述城市坐标对应的编码隐状态、解码隐状态以及预设关系计算每个城市标识的路线概率；

序列生成模块，用于根据所述路线概率生成多个城市之间的最短路线序列，所述最短路线序列的长度与获取的城市序列的长度一一对应；

损失计算模块，用于根据所述城市坐标获取预设最短路线序列；根据所述城市坐标、预设最短路线序列、最短路线序列以及预设关系计算所述最短路线序列的损失；计算所述最短路线序列的损失采用的计算公式为：

其中，C为最短路线序列的损失，n为城市坐标的总数，x为获取的城市坐标，y为预设最短路线序列中的城市坐标，a为最短路线序列中的城市坐标。

7.根据权利要求6所述的装置，其特征在于，所述状态计算模块用于通过所述神经网络模型利用初始编码隐状态对所述城市坐标进行编码，得到与所述城市坐标对应的编码隐状态；通过所述神经网络模型利用初始解码隐状态对所述多个城市坐标对应的编码隐状态进行解码，得到与所述城市坐标对应的解码隐状态。