[发明专利]基于自适应量子蚁群的铁路交通换乘方案查询方法及装置

摘要

本发明涉及一种基于自适应量子蚁群的铁路交通换乘方案查询方法及装置，所述方法包括以下步骤管理控制台通过管理机对查询机终端进行权限设置和数据库更新设置；查询机终端启动，触摸屏接收查询请求，并将查询请求发送给中心处理模块；中心处理模块根据查询请求构建多模式最优路径模型，基于多模式最优路径模型执行自适应量子蚁群算法，计算获得不同最优目标下的最优铁路交通换乘方案；判断优化是否结束，若是，则将计算结果反馈给触摸屏；所述装置包括管理控制台、管理机和查询机终端。与现有技术相比，本发明能够对复杂的全国铁路交通网络多约束条件下最优换乘进行高效的优化设计，可提高旅客出行对铁路交通换乘的灵活性、高效性。

主权项

一种基于自适应量子蚁群的铁路交通换乘方案查询方法，其特征在于，包括以下步骤：1)管理控制台通过管理机对查询机终端进行权限设置和数据库更新设置；2)查询机终端启动，触摸屏接收查询请求，并将查询请求发送给中心处理模块；3)中心处理模块根据查询请求从站点数据库模块中获取与查询信息相匹配的站点信息，并构建多模式最优路径模型；4)中心处理模块基于多模式最优路径模型执行自适应量子蚁群算法，计算获得不同最优目标下的最优铁路换乘方案，输出最优路径，所述的最优目标包括时间最短、换乘最少和路程最少；5)对多模式最优路径模型的数值进行更新，并判断优化是否结束，若是，则将计算结果反馈给触摸屏，执行步骤6)，若否，返回步骤4)；6)触摸屏显示计算结果；所述的步骤4)中的自适应量子蚁群算法具体包括如下步骤：401)初始化包含m个个体的量子蚁群Q(t)：其中，qit=qit(1,1)qit(1,2)...qit(1,n)qit(2,1)qit(2,2)...qit(2,n)............qit(n,1)qit(n,2)...qit(n,n)n×n,i=1,2,...,m]]>qit(j,k)=αit(j,k)βit(j,k),j,k=1,2,...,n]]>为第t次迭代的第i个个体，且通过量子测量算子使的任意行和列有且仅有一个元素为1，其余为0，n为站点个数，t为迭代数，初始迭代数t＝0；402)将m个蚂蚁随机地置于n个站点其中一个站点上，每只蚂蚁通过重复地应用状态转移规则，建立一个路径，直至所有蚂蚁均完成解路径的构造；采用3‑OPT局部寻优算法提升解集的每条路径，直到无法优化为止；使用量子旋转门Q‑gates更新Q(t)：Q(t+1)=G(θ)Q(t),G(θ)=COS(θ)-SIN(θ)SIN(θ)COS(θ),θ=0.01π;]]>使用测量算子测量Q(t)；评估Q(t)；存储和记录当代最优解；t＝t+1；403)判断是否满足终止准则，满足则算法迭代结束输出最优解，否则跳转至步骤402)；通过量子测量算子测量Q(t)，使的任意行和列有且仅有一个元素为1，具体操作如下：a0)设种群中的第i个个体的为量子的概率幅表示，j,k＝1,2,...,n，其中αit(l,h)=1-(βit(l,h))2]]>El=1nΣj=1nd[l,j]Ll=max{|d[l,j]-El|,j=1,2...n}]]>其中，d[l,h]为站点(l,h)间距离；a1)N＝{1,2,...,n}，tabu＝Φ，a取初值为1，tabu＝tabu∪{a}；a2)对于的a行，随机生成列b，b＝INT(Rand[0,1]×n)+1，b∈N，如果并且q∈[0,1]是一个自适应值，则否则，令U为从a点出发的可行集，τ(a,s)为边(a,s)上的信息素浓度；η(a,s)＝1/d(a,s)代表边(a,s)上的自启发量，γ代表自启发量的权重；a3)a＝b，tabu＝tabu∪{b}，重复步骤a2)、a3)，直到的任意行和列有且仅有一个元素为1；通过控制量子测量算子中的q值可控制算法的收敛方向，提高算法的全局搜索能力，q的具体设计如下：q=BaseNum,t≤CBaseNum*EndStep-tEndStep-C,otherwise]]>其中EndStep为预先设定的量子蚁群最大迭代代数，t为蚁群演化当前代数，BaseNum∈[0,1]、C均为常数。