System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現(xiàn)步驟摘要】
本專利技術涉及路徑規(guī)劃,尤其是涉及一種多模態(tài)旅行商問題的優(yōu)化方法。
技術介紹
1、tsp(traveling?salesman?problem,旅行商問題)是一個經典的組合優(yōu)化問題,最早由數(shù)學家哈斯卡爾·哈斯卡爾和托馬斯·柯克曼在19世紀提出。它的基本概念是:給定一組城市和它們之間的距離(或成本),找到一條路徑,使得每個城市恰好訪問一次,并最終回到起點,使得路徑總長度最小。tsp是組合優(yōu)化理論中的經典問題,涉及到圖論、算法設計和計算復雜性理論等多個數(shù)學和計算機科學領域,它代表了np-hard問題的一個重要類別,即使在相對較小的問題規(guī)模下,也需要大量計算來找到最優(yōu)解,這意味著隨著城市數(shù)量的增加,找到最優(yōu)解的計算復雜性呈指數(shù)級增長。近年來,啟發(fā)式算法在解決tsp中表現(xiàn)出色,如貪婪算法、遺傳算法、模擬退火算法、蟻群算法和粒子群算法等,這些算法通過模擬生物或物理系統(tǒng)的行為,以找到解決方案的優(yōu)化路徑,在不同的場景和問題規(guī)模下這些算法表現(xiàn)出各自的優(yōu)勢。
2、隨著計算能力的提升和算法研究的進展,tsp的應用場景越來越廣泛和復雜。主要體現(xiàn)在路徑規(guī)劃和資源優(yōu)化的領域,如:在物流管理中,經常需要規(guī)劃送貨員或運輸車輛的最優(yōu)路徑,以盡量減少時間或成本,tsp可以幫助優(yōu)化每日送貨路線,使得配送效率最大化,減少里程和運輸成本;在芯片設計中,tsp被用來優(yōu)化電路板上的連接路徑,以最小化信號傳輸?shù)难舆t和能耗,通過尋找最優(yōu)路徑,可以提高電路的性能和可靠性;在無人機應用中,tsp可以幫助規(guī)劃無人機的飛行路徑,以最小化能耗或完成多個目標點的任務,這種優(yōu)化
3、大多數(shù)tsp相關問題和tsp變體關注于找到一個最優(yōu)解決方案,而不考慮可能存在多個高質量解決方案的事實。然而,在現(xiàn)實生活中,向決策者提供各種最佳備選方案,以便在緊急情況下能夠迅速采取另一種方案,例如由于城市道路工程造成的交通擁堵或由于惡劣天氣而取消航班等,由于不同的路線選擇,也可以平衡交通負荷,因此這一需求催生了多模態(tài)旅行商問題的研究。多模態(tài)旅行商問題的研究不僅在理論上有重要意義,更在實際應用中對優(yōu)化效率、降低成本、提供更多靈活高效的解決方案等方面產生深遠影響。
技術實現(xiàn)思路
1、本專利技術在傳統(tǒng)tsp上對其多模態(tài)性進行了深入研究,基于多模態(tài)旅行商問題為背景,提供了一種“預處理-全局收斂-局部尋優(yōu)”的分階段優(yōu)化方法,該優(yōu)化方法可以在找到最優(yōu)值的同時,提供多個多模態(tài)解決方案,以滿足不同用戶的偏好和需求。
2、本專利技術采用的技術方案為:
3、多模態(tài)旅行商問題的優(yōu)化方法,包括以下步驟:
4、步驟1,對解進行初步尋優(yōu);
5、步驟2,基于步驟1得到關鍵邊集,采用兩種個體生成策略對解進行快速的全局收斂,采用環(huán)境選擇策略對多模態(tài)解刪除或保留;
6、步驟3,基于目標空間距離自適應生成聚類,根據(jù)聚類個數(shù)排列類間多模態(tài)解;基于存檔和類間多模態(tài)排列生成個體,并基于跳躍算子的局部搜索策略,對個體進行局部尋優(yōu)。
7、進一步,在步驟1具體為:
8、步驟1.1,根據(jù)問題規(guī)模初始化種群,種群大小為np,對種群個體進行適應度值計算;
9、步驟1.2,對初始種群進行交叉操作以產生后代,計算適應度值;
10、步驟1.3,將父代與子代合并進行環(huán)境選擇;
11、步驟1.4,在達到停止條件前循環(huán)迭代。
12、進一步,在步驟1.2中,對交叉操作包括以下步驟:
13、步驟1.2.1,根據(jù)問題規(guī)模初始化種群,
14、步驟1.2.2,隨機選擇兩個父代:
15、p1=3?5?6?7?8?9?2?1?4
16、p2=4?7?3?1?2?5?6?8?9
17、步驟1.2.3,隨機生成兩個交點將個體分為三段,并在子代中留下中間部分:
18、p1=3?5?6|7?8?9?2|1?4
19、p2=4?7?3|1?2?5?6|8?9
20、o1=***|1?2?5?6|**
21、o2=***|7?8?9?2|**
22、步驟1.2.4,留下交點中間部分并將其放在第三段:
23、p1=1?4|3?5?6|7?8?9?2
24、p2=8?9|4?7?3|1?2?5?6
25、步驟1.2.5,從父代2中刪除父代1的中間部分得到4-3-1-5-6,從父代1中刪除父代2的中間部分得到4-3-7-8-9,補充得到子代:
26、o1=7?8?9|1?2?5?6|4?3
27、o2=1?5?6|7?8?9?2|4?3
28、進一步,在步驟2具體為:
29、步驟2.1,步驟1預處理后的種群根據(jù)其適應度值排列,結合關鍵邊集和貪婪策略采用兩種個體生成策略,同時種群仍進行交叉操作,個體產生多子代;
30、步驟2.2,將子代合并,去除冗余個體,以避免計算資源的浪費,計算子代適應度值;
31、步驟2.3,將父代與子代合并進行環(huán)境選擇,采用環(huán)境選擇機制對多模態(tài)解進行刪除和保留;
32、步驟2.4,步驟2循環(huán)采用兩種停止條件:
33、(1)整個種群最優(yōu)值迭代次仍未更新,將結束步驟2的循環(huán);
34、(2)達到設置的步驟2最高評價次數(shù)。
35、進一步,在步驟2.1中,所述關鍵邊和關鍵邊集的概述具體為:
36、關鍵邊:在種群中較好個體(包含多模態(tài)解)的不同路徑方案中,某部分城市的連接順序相同即在個體中存在相同的基因片段;
37、關鍵邊集:在不同目標值的所有多模態(tài)解或同一目標值下的多模態(tài)解中可識別多條不同的關鍵邊,所有關鍵邊的集合稱為關鍵邊集;若可以成功識別關鍵邊集就可以適當減小搜索空間,實現(xiàn)一定程度的降維。
38、進一步,在步驟2.1中,兩種個體生成策略包括以下步驟:
39、步驟2.1.1,對整個種群按照適應度值排序,識別排名前4的所有個體(包括多模態(tài)解)中的關鍵邊集并標記關鍵邊出現(xiàn)次數(shù),認為出現(xiàn)次數(shù)越多該關鍵邊的重要程度越高;
40、步驟2.1.2,第一種個體生成策略:關鍵邊維度固定為總城市維度的四分之一,按照步驟2.1.1識別并標記關鍵邊次數(shù)后,基于次數(shù)的重要性生成個體,關鍵邊的每次出現(xiàn)都生成一個個體,一個個體的四分之一為關鍵邊維度,關鍵邊的識別至少為3條邊才有意義,3條邊需要4個城市頂點才可以確定,因此,若關鍵邊維度算出小于4則將關鍵邊維度設為4,其余部分將隨機插入其余位點,并保證個體基因染色體位點不重復即個體為有效解;
41、步驟2.1.3,第二種個體生成策略核心在于貪婪策略和次數(shù)的結合,步驟2初始關鍵邊維度為總城市維度的五分之一,隨迭代的進行更新關鍵邊維本文檔來自技高網...
【技術保護點】
1.多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,包括以下步驟:
2.根據(jù)權利要求1所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,步驟1具體包括以下步驟:
3.根據(jù)權利要求2所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟1.2中,所述交叉操作包括以下步驟:
4.根據(jù)權利要求1所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,步驟2具體包括以下步驟:
5.根據(jù)權利要求4所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟2.1中,兩種個體生成策略包括以下步驟:
6.根據(jù)權利要求4所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟2.3中,環(huán)境選擇包括以下步驟:
7.根據(jù)權利要求1所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟3具體為:
8.根據(jù)權利要求7所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟3.6中,隨機選擇關鍵邊維度的具體設置如下:
9.根據(jù)權利要求7所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟3.8中,基于跳躍算子的局部搜索策略為:
10.根據(jù)權
...【技術特征摘要】
1.多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,包括以下步驟:
2.根據(jù)權利要求1所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,步驟1具體包括以下步驟:
3.根據(jù)權利要求2所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟1.2中,所述交叉操作包括以下步驟:
4.根據(jù)權利要求1所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,步驟2具體包括以下步驟:
5.根據(jù)權利要求4所述的多模態(tài)旅行商問題的優(yōu)化方法,其特征在于,在步驟2.1中,兩種個體生成策略包括以下步驟:
6.根據(jù)權利要求4所述的多...
【專利技術屬性】
技術研發(fā)人員:岳彩通,梁靜,申娛溪,于坤杰,畢瑩,
申請(專利權)人:鄭州大學,
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。