[发明专利]一种基于蚁群算法的智能旅游行程规划方法

摘要

本发明公开了一种基于蚁群算法的智能旅游行程规划方法，本发明引入蚁群算法，从旅游时间、旅游花费、节点距离、游客偏好等方面的游客需求出发，分别定义对应类型的蚁群；在行程求解过程中，对时间蚂蚁、花费蚂蚁、距离蚂蚁、偏好蚂蚁的状态转移引入控制参数，实现自适应路径优化；根据不同游客的偏好，可以灵活组合与调整行程规划的评估要素及评价目标，确保在有限的时间内规划出满意的行程；旅游目的地的实际应用表明，本发明提出的行程规划技术方案，基于旅游应用真实数据，可操作性及可用性强。

主权项

一种基于蚁群算法的智能旅游行程规划方法，其特征在于，包括以下步骤：(1)输入游客需求信息；(2)参数初始化：初始化系统运行参数；(3)迭代步数超限判断：判断迭代步数是否超限，如果超限调转到步骤(11)步，否则继续运行以下步骤；(4)基本要素约束计算定义时间、费用、距离三个基本要素的旅游行程规划启发式信息计算规则：σij(t)=φ1α1Tout(i,j)+α2Tin(i,j);]]>ρij(t)=φ2β1Mout(i,j)+β2Min(i,j);]]>πij(t)=φ3γ1Dout(i,j)+γ2Din(i,j);]]>式中φ1、φ2、φ3分别为时间、费用、距离的重要程度参数；Tout(i,j)、Tin(i,j)分别表示行程节点间迁移时间和行程节点内游览时间；Mout(i,j)、Min(i,j)分别表示行程节点间花费和行程节点内花费；Dout(i,j)、Din(i,j)分别表示行程节点间距离和行程节点内距离；α1、α2、β1、β2、γ1、λ2均为权值参数；(5)时间、费用和距离以外的其他游客偏好约束计算在计算蚂蚁个体选择下一个可能景点的概率时，计算时间、费用和距离以外的其他游客偏好约束γij(t)，γij(t)的表达式为：γij(t)=Σk=1m(wt,kIt,k)(wj,kIj,k)Σk=1m(wt,kIt,k)2Σk=1m(wj,kIj,k)2]]>其中Ij,k∈{1,2,3,4,5},k＝1,2,...,m为景点j的m维固有特性，It,k∈{1,2,3,4,5},k＝1,2,...,m为游客t的m维需求信息；wj,k∈[0,1],k＝1,2,...,m为景点j的各个特性权重；wt,k∈[0,1],k＝1,2,...,m为游客的各个需求权重；(6)动态控制参数计算根据算法迭代过程，算法控制参数q0的动态调整公式，如下式所示：q0=0.1+8·tT,t∈[0,T10]0.9,t∈[0.9T,T]]]>其中t是算法当前迭代次数，T是最大迭代次数；(7)蚂蚁个体状态转移概率计算pij(t)=λijα(t)σijβ(t)ρijϵ(t)πijδ(t)γijϵ(t)Σk∈Niλikα(t)σikβ(t)ρikϵ(t)πikδ(t)γikϵ(t),j∈Ni0,j∉Ni]]>其中，λij(t)表示路径(i，j)上的信息素强度；σij(t)表示时间启发式信息，ρijε(t)表示花费启发式信息，πij(t)表示距离启发式信息，γij(t)表示游客偏好的约束；α、β、ε、δ、ε分别表示信息素浓度、启发式信息和游客偏好约束的相对重要性；初始迭代时，路径上的信息素被初始化为一个常数；首先根据蚂蚁个体状态转移概率求得各个景点的选择概率，然后产生一个[0，1]内均匀分布的随机变量q，与控制参数q0(q0∈[0,1])进行比较，如果q≤q0，蚂蚁个体按照已知的信息素、启发式信息和游客偏好约束来确定下一目的景点j，具体确定方式为：j＝arg(max{λijα(t),σijβ(t),ρijε(t),πijδ(t),γijε(t)})；如果q＞q0，下一目的景点j根据蚂蚁个体状态转移概率公式pij(t)确定；(8)局部信息素更新蚂蚁个体一边进行路线选择，一边对经过的局部路径进行信息素更新，局部更新规则为：λij(t)＝(1‑μ)λij(t)+μλ0，其中μ是0到1之间的一个随机变量，λ0是初始信息素浓度；(9)全局信息素更新蚂蚁群体构建完成行程后，并不对所有蚂蚁走过的路线进行信息素更新，而是仅对蚂蚁群体中表现优秀的蚂蚁个体所有规划的行程进行全局信息度更新，全局更新规则为：λij(t)＝(1‑ρ)λij(t)+ρΔτij其中ρ(0≤ρ≤1)表示路径信息素的衰减度；Rbest(t)表示本次迭代所有经过路径(i,j)蚂蚁的移动距离之和；(10)局部行程规划输出本次迭代的局部行程规划；(11)规划行程输出输出规划的旅游行程。