[发明专利]一种基于DSSA算法的路径规划方法

说明书

本发明公开了一种基于DSSA算法的路径规划方法，该方法首先对路径规划问题进行建模，明确目标函数、变量范围以及约束条件；利用城市的二维坐标信息求出每对城市之间的路径距离。其次将DSSA中的种群个体位置对应于路径规划问题的候选路径，其中位置向量的每一个维度代表一个城市。最后，DSSA通过多次迭代得到最优路径和最优路径长度，其中最优路径即是规划路径的城市顺序，而最优路径长度则是规划路径问题的最小成本。本发明能够在较短的时间内求得优秀的规划路径，良好地解决路径规划问题，有效地降低实际应用中的时间成本。

技术领域

本发明涉及群体智能优化技术领域，具体涉及一种基于DSSA算法的路径规划方法。

背景技术

“旅行商问题”(TSP,Traveling Salesman Problem)是数学领域中的著名问题之一，是由物流配送领域的实际需求产生的。假设有一个旅行商人要拜访n个城市，他必须选择出所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市，路径的选择目标是要求得路径路程为所有路径之中的最小值，即构成一条行程最短的Hamilton回路。

对于互联网时代，旅行商问题的应用愈发广泛。如：快递配送、车辆导航和无人驾驶等领域。现有技术中对于大规模的最短路径求解问题，往往需要巨大的时间成本且存在一定程度性能缺陷。

发明内容

本发明的目的在于，提供一种基于DSSA算法的路径规划方法，其能够在较短的时间内得到优秀的路径，有效地降低快递配送、车辆导航等领域的时间成本。

为实现上述目的，本申请提出一种基于DSSA算法的路径规划方法，包括：

步骤1：对路径规划问题进行建模，确定设计变量的范围和约束条件；并且得到路径规划问题的目标函数，即约束条件路径的长度；根据城市的位置信息确定每对城市之间的路径长度d_ij(i＝1，2，…，n)，其中n为城市的总数，即路径规划问题的规模；

步骤2：设定最大迭代次数T和种群数量N，生成初始种群Tour；其中每个个体Tour_i的位置对应着一条候选路径，Tour_ij则代表了第i条候选路径的第j个经过地点，即第j个设计变量；

步骤3：根据所述路径规划问题的目标函数获取每条初始候选路径的长度；更新当前最优候选路径BestTour和最优路径长度BestF；

步骤4：将第一条候选路径作为领导者，使用d-opt算子进行更新，具体见式(1)：

Tour₁＝d-opt(Tour₁，d) (1)

其中d是用于控制d-opt算子搜索强度的参数，其更新方式见式(2)：

其中d_Max和d_Min是d的取值上界和下界，t为当前迭代次数。

步骤5：将其余候选路径作为跟随者，并使用SEC算子进行更新，具体见式(3)：

Tour_i＝SEC(Tour_i，Tour_i-1) (3)

每次迭代时，会在所述跟随者中产生一个第二领导者，使用TPALS算子进行更新，具体见式(4)：

Tour_i＝TPALS(Tour_i) (4)

所述第二领导者在每次迭代时有且只有一个，其变异率为：

步骤6：判断是否达到最大迭代次数，若达到最大迭代次数则进行步骤7，否则返回步骤3。