[发明专利]一种基于重优化技术的物流网络高效K最短路径算法

说明书

本发明提供一种基于重优化技术的物流网络高效K最短路径算法，用于快速生成K条无环的最短路径，主要用于诸如交通网络、物流网络、社交网络等网络优化中高效地查找K条最短路径。本发明将偏离路径计算过程表达为在一个每次还原一个节点和一条边的动态网络中进行最短路径搜索。本发明采用Life Long A*重优化技术，通过重新利用上一次最短路径搜索生成的最短路径树，对最短路径树进行局部更新，本发明能够高效地计算偏离路径。本发明能够获得同其他偏离路径算法一致的结果，同时运算性能也优于现有其他偏离路径算法。

技术领域

本发明涉及网络优化中的K最短路径计算技术领域，具体涉及一种基于重优化技术的物流网络高效K最短路径算法。

背景技术

K最短路径问题，即在起点和终点之间查找第一条最短路径、第二条最短路径，…，直到第K条最短路径，其在交通运输、通信网络、物流等领域都有着广泛的应用。作为最短路径问题的扩展，K最短路径问题一直是交通、物流、运筹学等领域的研究重点，文献中有大量的学者提出了解决算法，其中大部分算法是基于Yen(1971)提出的偏离路径概念。随着近年来交通、物流等网络规模逐步扩大，传统基于偏离路径概念的K最短路径算法计算效率变得越来越低下，已无法满足大规模网络实时计算的要求。

针对以上问题，国内外学者提出了大量的改进算法。Martins和Pascoal提出一种逆向计算偏离路径的高效算法，在他的算法中构建并更新一颗以目的地为根节点的最短路径树，以便能够利用先前的搜索结果。该算法性能优于原始的Yen’s算法，然而依然需要更新整个最短路径树，效率低下。Vanhove和Fack(2012)提出了一种准确算法，该算法通过后向一对多的Dijkstra算法预计算所有节点到目的地的最短路径，在计算偏离路径时，通过判断组合的偏离路径是否有环来决定是否利用预计算的结果，然而大部分情况下预计算的结果无法利用。这些改进的算法在计算效率上较原始Yen’s算法都所提升，然而，这些算法在计算偏离路径集严重依赖最短路径的计算效率，仍然存在较大的计算负担，尤其是当网络规模较大时，依然存在计算效率低的问题。

发明内容

本发明提出一种基于重优化技术的K最短路径算法，用于高效地在大规模网络中准确查找K条最短路径。本发明采用从终点到起点的逆向方式计算偏离路径，构建以终点为根的最短路径树。在每次计算偏移路径时，还原一个节点和一条边，利用Life Long A*重优化技术，通过重用上一步偏移路径搜索的最短路径树结果，高效地获得计算偏移路径。本发明能够获得与其他K最短路径算法一致的最优解，能够大大提升大规模网络中K条最短路径计算的效率。

本发明具体包括以下步骤：

一种基于重优化技术的物流网络高效K最短路径算法，包括以下步骤：

步骤1、输入物流网络数据以及当前物流参数，所述物流网络数据给定区域所有的路段，并将路段进行抽象化，具体是：采集给定区域内所有物流网络数据，并将该区域内物流网络数据中所有路段抽象成有向边a(n_u,n_v)，每条边有两个端节点n_u,n_v，以及一个权重值t(n_u,n_v)(如：行程时间、距离、运输时间、中转次数、物流车辆数)，每个节点n_u包含若干列前继节点和后继节点，分别用PRED(n_u)和SUCC(n_u)表示，当前物流参数包括起点o、目的地d、路径数K；

步骤2、根据当前输入物流参数，调用物流网络数据，得到当前输入物流参数所在区域的物流路段数据，并针对物流路段数据执行如下步骤：

步骤2.1，初始化，包括以下子步骤，

S101,调用Dijkstra算法计算从起点o和目的地d的第一条最短路径标号p¹；