[发明专利]基于蚁群算法的粮食运输方法、设备、存储介质及装置

说明书

本发明公开了一种基于蚁群算法的粮食运输方法、设备、存储介质及装置，所述方法包括：对粮食运输赋权图进行多级粗化，获得第一级－第N级粮食运输粗化图，并将第N级粮食运输粗化图对应的第N级蚁群算法参数作为第n级蚁群算法参数；从第n级蚁群算法参数中选取第n‑1级蚁群算法参数，根据第n‑1级蚁群算法参数对第n级粮食运输粗化图进行寻优，获得第n级最优路径，循环操作直至获得第一级最优路径，即粮食运输网络图的目标最优路径。通过对赋权图进行多级粗化，将大规模问题转化为小规模问题，在较粗级别的参数中选取较细级别的参数，参数选取范围逐渐变小，从而提高了参数配置的准确度，根据参数计算赋权图的最优路径，提高了计算效率。

技术领域

本发明涉及路径规划技术领域，尤其涉及一种基于蚁群算法的粮食运输方法、设备、存储介质及装置。

背景技术

粮食运输是粮食产业的一个重要环节。传统上，利用混合整数规划模型,使用分支定界法对于该问题给出了运输费用最低和运输时间最短等最优解。但是,整数规划模型只能解决小型和中等规模的问题，实际粮食运输系统的规模通常异常庞大，计算量呈指数增长，传统方法无法求解。进化算法如模拟退火、遗传算法和蚁群优化可以有效的解决大规模计算问题，并得到了实际的应用。

然而，进化式算法最主要问题在于：其性能和计算时间是高度依赖于参数设置和初始条件，而大规模问题难以较好地对参数和初始条件进行配置，计算效率会大大降低。

发明内容

本发明的主要目的在于提供一种基于蚁群算法的粮食运输方法、设备、存储介质及装置，旨在解决现有技术中进化式算法计算效率低下的技术问题。

为实现上述目的，本发明提供一种基于蚁群算法的粮食运输方法，所述方法包括以下步骤：

获取粮食运输网络图，并将所述粮食运输网络图转化为粮食运输赋权图；

对所述粮食运输赋权图进行多级粗化，获得第一级－第N级粮食运输粗化图，并将所述第N级粮食运输粗化图对应的第N级蚁群算法参数作为第n级蚁群算法参数；

从所述第n级蚁群算法参数中选取第n-1级蚁群算法参数，根据所述第n-1级蚁群算法参数对第n级粮食运输粗化图进行寻优，获得第n级最优路径；

对n进行自减1，并返回所述从所述第n级蚁群算法参数中选取第n-1级蚁群算法参数的步骤，直至获得第一级最优路径，将所述第一级最优路径作为所述粮食运输网络图的目标最优路径。

优选地，所述从所述第n级蚁群算法参数中选取第n-1级蚁群算法参数，根据所述第n-1级蚁群算法参数对第n级粮食运输粗化图进行寻优，获得第n级最优路径，具体包括：

从所述第n级蚁群算法参数中选取第n-1级蚁群算法参数；

根据所述第n-1级蚁群算法参数计算第n级状态转移概率；

根据所述第n级状态转移概率计算蚂蚁在所述第n级粮食运输粗化图中的走向，以获得第n级最优路径。

优选地，所述根据所述第n-1级蚁群算法参数计算第n级状态转移概率之前，所述基于蚁群算法的粮食运输方法还包括：

从第n级粮食运输粗化图中查找所述第n+1级最优路径对应的待定路径，对所述待定路径中的信息素增加预设值，获得第n级信息素；

相应地，所述根据所述第n-1级蚁群算法参数计算第n级状态转移概率，具体包括：

根据所述第n-1级蚁群算法参数和所述第n级信息素计算第n级状态转移概率。

优选地，所述获取粮食运输网络图，并将所述粮食运输网络图转化为粮食运输赋权图，具体包括：

获取粮食运输网络图，从所述粮食运输网络图中提取出运输站点和所述运输站点之间的路径；