[发明专利]最短路线计算方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于人工智能技术领域的最短路线计算方法、装置、计算机设备和存储介质。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。采用本方法能够有效解决启发式算法引发的输出序列变长的问题，提高了多个城市之间的最短路线计算的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种最短路线计算方法、装置、计算机设备和存储介质。

背景技术

在工业应用中，会经常遇到交通运输及物流配送等问题。为了节省时间及提高运输效率，就需要规划经过的多个城市之间的最短路线。多个城市之间的最短路线通常采用启发式算法进行求解，但是启发式算法又容易引发输出序列变长的问题，导致多个城市之间的最短路线计算不准确。因此，如何提高多个城市之间的最短路线计算的准确性成为目前需要解决的一个技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种最短路线计算方法、装置、计算机设备和存储介质。

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。

在其中一个实施例中，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。

在其中一个实施例中，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所述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。

在其中一个实施例中，所述根据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。

在其中一个实施例中，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。

在其中一个实施例中，所述方法还包括：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。

一种最短路线计算装置，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；