[发明专利]一种多人预约调度路径规划方法、存储介质及终端设备

说明书

本发明公开了一种多人预约调度路径规划方法、存储介质及终端设备，所述方法包括：获取路径规划的信息参数；将所述信息参数输入至预设的调度路径规划模型，其中，所述调度路径规划模型为基于蚁群算法以及强学习算法训练得到的；通过所述调度路径规划模型进行路径规划。本发明通过采用基于蚁群算法以及强学习算法训练得到的调度路径规划模型确定所述信息参数对应规划路径，这样可以在进行路径规划时，可以减少重复性搜索，提高了路径规划速度。同时，还可以避免因重复性搜索而造成的计算资源浪费。

技术领域

本发明涉及计算机技术领域，特别涉及一种多人预约调度路径规划方法、存储介质及终端设备。

背景技术

多人预约调度路径规划问题是一种组合优化问题，是路径规划问题的变种。此类问题一般对访问目标的时间段有限制，并要求访问者与被访问者之间在某些方面具有足够的匹配度。目前应用于此类问题的算法主要是搜索算法，包括蚁群算法、粒子群算法、禁忌搜索、遗传算法、模拟退化算法等。然而，现有的算法不具备学习能力，使得每次求解都需要对解空间进行长时间的搜索，造成对多人预约调度路径进行规划，需要执行大量消耗时间和计算资源的重复性行为，从而造成了规划耗费时间长，效率低的问题。

因而现有技术还有待改进和提高。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种多人预约调度路径规划方法、存储介质及终端设备，以解决现有多人预约调度路径规划方法存在的耗费时间长的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种多人预约调度路径规划方法，其包括：

获取路径规划的信息参数；

将所述信息参数输入至预设的调度路径规划模型，其中，所述调度路径规划模型为基于蚁群算法以及强学习算法训练得到的；

通过所述调度路径规划模型进行路径规划。

所述多人预约调度路径规划方法，其中，所述调度路径规划模型的训练过程具体包括：

获取多人预约调度路径规划的样本数据，其中，所述样本数据包括调度路径规划的初始信息参数、蚁群算法的第一算法参数以强学习算法的第二算法参数；

根据所述样本数据选取行动者，并根据蚁群算法确定所述行动者对应的回报值；

根据所述回报值更新所述样本数据对应的Q矩阵，并确定更新后的样本数据的当前环境信息是否满足预设条件；

当满足预设条件时，初始化所述第二算法参数中除Q矩阵外的所有参数，并继续执行根据所述样本数据选取行动者的步骤直至预设迭代次数。

所述多人预约调度路径规划方法，其中，所述确定更新后的样本数据的当前环境信息是否满足预设条件具体包括：

获取更新后的样本数据的当前环境信息，其中，所述当前环境信息包括未分配的需求数据以及行动者剩余数量；

判断所述当前环境信息是否等于预设值，以确定所述当前环境信息是否满足预设条件。

所述多人预约调度路径规划方法，其中，所述调度路径规划模型的训练过程还包括：

当未满足预设条件时，继续执行根据所述样本数据选取行动者的步骤。

所述多人预约调度路径规划方法，其中，所述根据所述样本数据选取行动者具体为随机选取一名行动者，或根据所述样本数据中Q矩阵中最大Q 值选取行动者。

所述多人预约调度路径规划方法，其中，所述蚁群算法携带有时间窗变量。

所述多人预约调度路径规划方法，其中，所述时间窗变量的确定过程为：