[发明专利]考虑双程的多途经点的快速路径规划方法

说明书

本发明公开了一种考虑双程的多途经点的快速路径规划方法，涉及计算机智能路径规划技术领域，所述方法包括如下步骤：设置先知条件；建立新的坐标体系，重新计算各个点的坐标：对途经点进行分类，分为去程点集合及返程点集合；在去程点集合中，根据x坐标值，对点进行排序，计算出去程路径规划；在返程点集合中，根据x坐标值，对点进行排序，计算出返程路径规划；以目的地为转折点，合并去程与返程；路径规划结束最后处理。本申请所述方法在途经点的点数超过10个的情况下，计算次数要比全排列算法至小快1000倍，并且方法稳定且唯一，规划后的路程最短，具有高效且稳定等优点。

技术领域

本发明涉及计算机智能路径规划技术领域，尤其涉及一种双程多途经点考虑双程的多途经点的快速路径规划方法。

背景技术

在现实应用领域，现流行的导航软件有百度、高德、腾讯等导航APP，它们的主要功能就是根据用户的需要和根据现实的交通情况，实现一辆车到一个目的地的不考虑回程的合理的路径规划。而现实中需要更复杂的路径规划，比如在物流中就需要这样的路径规划方法：规划出一条在去程和返程都经过多途经点的最短路径，而这种路径规划就是我们的双程多途经点路径规划方法。

在已有的软件服务平台中，滴滴快车的顺风车服务、美团外买骑手APP、公交线路规划等，都被误认为是我们的路径规划方法的程序实现，其实它们只是两点路径规划在现实应用中的升级改进，或是多次两点路径规划的结果，并非本方法。

还有百度、高德、腾讯等导航APP中具有的多途经点规划，不是最短路径规划，它们只是根据用户输入地点先后顺序的路径规划，并且点数是有限制的，也不考虑返程的路径规划。

在路径规划算法领域，双程多途经点路径规划方法是哈密尔顿回路中的一个特殊例子，而哈密尔顿回路属于TSP(Traveling Salesman Problem)问题(同样，我们的方法也是)，它是一个组合优化问题。该问题已经被证明具有NPC计算复杂性，也就是说，针对大型实例，不存在高效稳定且最佳算法这一猜想。所以，高效稳定且接近最佳路径规划方案是众多人的研究方向。

现在常见的算法有全排列算法及其提速法、近似算法和各种模拟算法，但这三种算法都不能做到高效稳定且近似最佳，现分析如下：

全排列算法，它是现在唯一能解决双程多途经点路径规划的算法，但它是一种低效的计算方法，在目的地较多的情况下，计算效率极低，无法在可接受的时间内得到结果，比如在20个点的情况下，它的计算次数为2432902008176640000次，对于一般计算机来说，实在太多了，用户等待计算时间过长。所以全排列算法不是高效的算法。

全排列算法的提速法，比如：分界截支算法，它们在一定程度上提高了全排列算法的效率，但提高后的效率仍然不理想。

各种近似算法，这些算法有最近点算法、节省路程算法、最小生成树算法、随机算法等，它们可以做到高效，但不稳定，存在多种可能的近似方案，并且经常得不到近似结果。

各种模拟算法：这些算法包括有：人工智能的神经网络算法、蚁群算法、鱼群算法、退火算法、遗传算法等等，这些算法都站不住脚，现具体分析如下：

1.首先人工智能的神经网络算法，它的特点是需要人的大量训练后，计算机才能拥有相关的功能，但对于多点路径规划来说，本来凭借人的智力也难在一时三刻找到最佳路径，更不用说要人对机器做大量训练了。所以这种命题是伪命题。

2.其次是蚁群算法、鱼群算法、退火算法，这类低级智商动物算法更不用与人工智能算法比了。并且在平时观察可了解至，蚁群和鱼群并不走最短路径，它们一般走安全路径，最明显的是蚁群。其次，这些算法是局部最优算法，不稳定，每次计算的结果可能不一样，并且一但路径规划失败，将重新规划，耗时绝对不低。

3.遗传算法，与上面的算法也有相同的缺点，首先它是局部最优算法，没有宏观调控，并且这种算法有随机性(不稳定)，失败后又要重新计算，消耗时间变长。