CN107045656A - 基于改进蚁群算法的智能景区游览路线规划方法 - Google Patents
基于改进蚁群算法的智能景区游览路线规划方法 Download PDFInfo
- Publication number
- CN107045656A CN107045656A CN201710097861.XA CN201710097861A CN107045656A CN 107045656 A CN107045656 A CN 107045656A CN 201710097861 A CN201710097861 A CN 201710097861A CN 107045656 A CN107045656 A CN 107045656A
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- matrix
- path
- ant
- visitor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Navigation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
基于改进蚁群算法的智能景区游览路线规划方法,是景区导游***应用的关键路线规划方法,主要内容包括:根据用户需求初始化路径权值,增加拥堵路段、陡峭路段权值;取消蚁群算法禁忌表的限制、要求蚂蚁寻得路径包含所有游客选择景点,实现游客选择景点的完全遍历;增加临时权值矩阵、动态增加蚂蚁走过路径权值,避免权值较小路线的反复遍历;增加最短路矩阵,通过改进Floyd算法计算景区图中任意两个景点间的最短路,当蚂蚁寻路结束后,根据最短路矩阵计算当前景点回到出发点的路线,形成游览环路。本算法参考蚁群算法基本思想,引入临时权值矩阵、最短路矩阵概念,在不改变景区图结构的基础上,计算景区内通过指定景点的最优游览路线。算法能够在较短的时间内求得一条游客定制的游览路线,适合应用到景区导游***中。
Description
技术领域
本发明涉及人工智能领域,特别是基于蚁群算法的景区游览路线规划方法。
背景技术
随着旅游业的快速发展和科学技术的不断进步,电子导游***的出现为游客出行提供了一定的便捷。其中,景区游览路线规划功能为游客制定游览路线、节约游览时间提供了极大便捷。
科学家们通过不懈努力,提出了多种景区游览路线规划方法,主要是将景区图抽象为一个完全连通图,通过蚁群算法、遗传算法等智能算法计算经过完全图中所有点的最短环路。但是这些方法普遍存在几点问题:实际景区图应为非完全连通图,过于抽象的景区图不适合应用到景区导游***之中;算法只考虑路径长短,没有考虑游客回避特殊路段的需求,如拥堵路段、陡峭路段等;算法只是求得一条路过所有景点的最短路,没有考虑游客只想参观部分景点的需求,而且实际景区图除了包括景点外,还包括出入口、服务点、道路岔口等类型点,不能单纯为游客推荐一条经过所有点的路线。因此,如何根据景区的实际情况,满足不同游客的不同游览需求,实时设计一条个性游览路线,已成为景区导游***研究中急待解决的问题。
发明内容
本发明的目的,是提供一种基于改进蚁群算法的智能景区游览路线规划方法,能够以非完全连通图作为景区图,实时设计一条经过游客选择景点的游览路线,并且满足游客回避特殊路段的需求。
为了实现上述目的,本发明的基于改进蚁群算法的智能景区游览路线规划方法包括如下步骤:
①初始化景区路径距离矩阵D,矩阵中每个元素dij的值表示表示景区中点i到点j的实际距离,若两点不相邻,取值为∞;
②根据用户选择的是否避开拥堵路段、陡峭路段的需求,初始化景区路径权值矩阵W。矩阵中每个元素的计算公式为如下:
wij=dij+dmax(y+d),其中dij代表路径的实际距离,dmax代表景区图中的最长路径距离。y取1时表示游客选择回避拥堵路径,y取0时表示游客没有选择回
避拥堵路径;d取1时表示游客选择回避陡峭路径,d取0时表示游客没有选择回避陡峭路径。
通过这样计算路径权值,能够保证景区图为连通图的前提下满足游客的个性需求,进而为游客设计最佳游览路线。
③计算初始最短路矩阵WR=(rij)m*m。考虑到景区图为非完全连通图,即不是任意两点间存在直接通路,一只蚂蚁遍历完所有必须点后,当前点与起始点之间并不一定存在直接通路,无法完成回路。因此引入最短路矩阵,存储景区中任意两景点间最小权值路线。
如果wij不为无穷大,即点i与点j连通,那么初始化rij=j,使用改进Floyd算法计算WR的伪代码描述如下:
如果rij=j,i到j最短路为i→j;如果rij=k,rik=j,,i到j最短路为i→k→j。依此类推,任意两点i与j的初始最短路均可在WR中求得。
④根据改进蚁群算法计算景区游览路线。
由于游客实际景区图为非完全连通图,传统蚁群算法通过禁忌表计算环路的方法不再适用,需要更改蚂蚁寻路规则。
本发明提出改进蚁群算法,将蚂蚁周游结束规则更改为经过所有游客选择景点。同时为了避免较小权值路段被反复选择,增加算法执行效率,引入临时权值矩阵。临时权值矩阵作用和信息素矩阵作用相反,通过增大已走过路径权值,减小该路径被再次选择概率。路径权值动态计算公式为:wij=3wij,如此计算是考虑到如果不改变权值,该路径被反复选择,相当于多走了两次。因此,当蚂蚁选择完路径(i,j),根据该公式直接增大路径权值。
改进蚁群算法具体流程如下:
Step1:初始化数据:当前循环次数Nc、最大循环次数Nmax、初始信息素矩阵T;
Step2:将n只蚂蚁平均分配到游客期望经过景点集合V’中;
Step3:根据信息素矩阵T、临时权值矩阵WR计算蚂蚁k在i到各点的转移概率,转移概率计算与传统蚁群算法相同,然后根据转移概率采用轮盘赌法选取选取下一遍历点j;
Step4:将点j加入到当前已走点集合中,更新临时权值矩阵中wij的值;
Step5:重复步骤Step3和Step4,直到蚂蚁k经过所有游客期望参观景点;
Step6:根据最短路矩阵MR找到当前点到出发点的最短路,重置临时权值矩阵;
Step7:若k<n,k=k+1,回到Step2;否则更新信息素矩阵,进入步骤Step8;
Step8:若Nc<Nmax、,Nc=Nc+1,回到步骤Step2;否则算法结束,得到最短路。
本发明能以非完全连通图作为景区图,实时设计一条经过游客选择景点的游览路线,满足游客回避特殊路段的要求。
附图说明
图1是景区连通示意图。
图2是计算结果示意图。
图中标号△:岔口点、服务点等。
□:景区入口。
○:景点。
具体实施方式
假设图1为某景区连通图,其中矩形代表景区出入口(1个),圆形代表景点(14个),三角形代表景区内岔口点、公共服务点等(11个),图中连线上的数值表示该路径距离等比例缩小后对应的距离。
假设游客输入数据如下(期望参观所有景点、回避特殊路径):
数据编号 | 期望参观景点 | 回避陡峭路 | 回避拥挤路 |
1 | 0,1,2,3,4,5,6,7,8,9,10,11,12,13,14 | 是 | 是 |
首先对基本参数进行初始化,包括节点间距离矩阵D和最短路矩阵WR;
当游客输入期望参观景点和路径要求后,根据游客对特殊路径的需求,计算景区路径权值矩阵W,w1,15=w15,1=13; w4,16=w16,4=12; w7,8=w8,7=14,其余路径wi,j=di,j;
所有数据准备好后,调用本发明中的改进蚁群算法,计算贯穿游客期望遍历景点的最佳游览路线,取Nmax=20,n=15;
最后输出计算结果:
数据编号 | 最佳游览路线 | 路径总权值 |
1 | 0-15-1-3-16-2-18-4-17-5-6-19-7-8-20-9-21-11-12-23-10-22-13-14-25-0 | 141 |
计算结果如图2所示。
Claims (4)
1.基于改进蚁群算法的智能景区游览路线规划方法,其特征在于包括如下步骤:
①初始化景区路径距离矩阵D,矩阵中每个元素dij的值表示表示景区中点i到点j的实际距离,若两点不相邻,取值为∞;
②根据用户选择的是否避开拥堵路段、陡峭路段的需求,初始化景区路径权值矩阵W;
③计算初始最短路矩阵WR=(rij)m*m,以供第④步中蚂蚁寻路后回到出发点;
④根据改进蚁群算法计算景区游览路线,其具体过程如下:
Step1:初始化数据:当前循环次数Nc、最大循环次数Nmax、初始信息素矩阵T;
Step2:将n只蚂蚁平均分配到游客期望经过景点集合V’中;
Step3:根据信息素矩阵T、临时权值矩阵WR计算蚂蚁k在i到各点的转移概率,转移概率计算与传统蚁群算法相同,然后根据转移概率采用轮盘赌法选取选取下一遍历点j;
Step4:将点j加入到当前已走点集合中,更新临时权值矩阵中wij的值;
Step5:重复步骤Step3和Step4,直到蚂蚁k经过所有游客期望参观景点;
Step6:根据最短路矩阵MR找到当前点到出发点的最短路,重置临时权值矩阵;
Step7:若k<n,k=k+1,回到Step2;否则更新信息素矩阵,进入步骤Step8;
Step8:若Nc<Nmax、,Nc=Nc+1,回到步骤Step2;否则算法结束,得到最短路。
2.根据权利要求1所述的基于改进蚁群算法的智能景区游览路线规划方法,其特征在于步骤②中景区路径权值矩阵W的计算:矩阵中每个元素的计算公式为:wij=dij+dmax(y+d),其中dij代表路径的实际距离,dmax代表景区图中的最长路径距离;y取1时表示游客选择回避拥堵路径,y取0时表示游客没有选择回避拥堵路径;d取1时表示游客选择回避陡峭路径,d取0时表示游客没有选择回避陡峭路径;通过这样计算路径权值,能够保证景区图为连通图的前提下满足游客的个性需求,进而为游客设计最佳游览路线。
3.根据权利要求1所述的基于改进蚁群算法的智能景区游览路线规划方法,其特征在于步骤③中最短路矩阵WR的计算:考虑到景区图为非完全连通图,即不是任意两点间存在直接通路,一只蚂蚁遍历完所有必须点后,当前点与起始点之间并不一定存在直接通路,无法完成回路;因此引入最短路矩阵,存储景区中任意两景点间最小权值路线;
如果wij不为无穷大,即点i与点j连通,那么初始化rij=j,使用改进Floyd算法计算WR的伪代码描述如下:
如果rij=j,i到j最短路为i→j;如果rij=k,rik=j,,i到j最短路为i→k→j;依此类推,任意两点i与j的初始最短路均可在WR中求得。
4.根据权利要求1所述的基于改进蚁群算法的智能景区游览路线规划方法,其特征在于步骤④中临时权值矩阵的定义:由于游客实际景区图为非完全连通图,传统蚁群算法通过禁忌表计算环路的方法不再适用,需要更改蚂蚁寻路规则;
本发明提出改进蚁群算法,将蚂蚁周游结束规则更改为经过所有游客选择景点;同时为了避免较小权值路段被反复选择,增加算法执行效率,引入临时权值矩阵;临时权值矩阵作用和信息素矩阵作用相反,通过增大已走过路径权值,减小该路径被再次选择概率;路径权值动态计算公式为:wij=3wij,如此计算是考虑到如果不改变权值,该路径被反复选择,相当于多走了两次;因此,当蚂蚁选择完路径(i,j),根据该公式直接增大路径权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710097861.XA CN107045656B (zh) | 2017-02-23 | 2017-02-23 | 一种基于改进蚁群算法的智能景区游览路线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710097861.XA CN107045656B (zh) | 2017-02-23 | 2017-02-23 | 一种基于改进蚁群算法的智能景区游览路线规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107045656A true CN107045656A (zh) | 2017-08-15 |
CN107045656B CN107045656B (zh) | 2021-05-25 |
Family
ID=59545133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710097861.XA Active CN107045656B (zh) | 2017-02-23 | 2017-02-23 | 一种基于改进蚁群算法的智能景区游览路线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107045656B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256669A (zh) * | 2017-12-20 | 2018-07-06 | 中国地质大学(武汉) | 一种基于改进Dijkstra算法的景区路径选择方法及*** |
CN108460491A (zh) * | 2018-03-19 | 2018-08-28 | 厦门大学 | 一种基于启发式算法的时变随机环境下景区线路设计方法 |
CN109029478A (zh) * | 2018-06-20 | 2018-12-18 | 华南理工大学 | 一种基于改进Floyd算法的智能车辆路径规划方法 |
CN109489667A (zh) * | 2018-11-16 | 2019-03-19 | 楚天智能机器人(长沙)有限公司 | 一种基于权值矩阵的改进蚁群路径规划方法 |
CN110375735A (zh) * | 2018-09-18 | 2019-10-25 | 天津京东深拓机器人科技有限公司 | 路径规划方法和装置 |
CN110750737A (zh) * | 2019-09-27 | 2020-02-04 | 恒大智慧科技有限公司 | 一种景点推荐方法、装置及存储介质 |
CN112417962A (zh) * | 2020-10-20 | 2021-02-26 | 中国环境科学研究院 | 一种陆地类型自然保护区人员活动轨迹实时监测方法及*** |
CN112700185A (zh) * | 2020-12-25 | 2021-04-23 | 广州智湾科技有限公司 | 基于仿生智能优化的物流路线规划方法及*** |
CN112837598A (zh) * | 2020-08-10 | 2021-05-25 | 众垒建筑设计(广州)有限责任公司 | 一种景点与历史进程交互的旅游体验模型的构建方法 |
CN115235495A (zh) * | 2022-07-20 | 2022-10-25 | 广西壮族自治区自然资源遥感院 | 一种基于游客兴趣的景区三维导航方法及*** |
CN116506105A (zh) * | 2023-06-26 | 2023-07-28 | 山东极光智能科技有限公司 | 基于区块链的数据防窃取、篡改加密方法 |
CN117010580A (zh) * | 2023-07-31 | 2023-11-07 | 广西旅发科技有限公司 | 一种个性化的游览路径规划优化方法及***及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191579A1 (en) * | 2002-04-03 | 2003-10-09 | Kiyomi Sakamoto | Travel route searching apparatus |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
CN104751250A (zh) * | 2015-04-16 | 2015-07-01 | 南通理工学院 | 一种基于蚁群方法的最优路径寻找方法 |
CN104933473A (zh) * | 2015-05-22 | 2015-09-23 | 南京邮电大学 | 基于变邻域搜索蚁群算法的城市智能交通调度方法 |
CN105389623A (zh) * | 2015-10-22 | 2016-03-09 | 东南大学 | 一种采用改进蚁群算法的热工过程模型参数辨识方法 |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN106168801A (zh) * | 2016-04-12 | 2016-11-30 | 江苏理工学院 | 智能语音导游机器人的路径寻优方法 |
-
2017
- 2017-02-23 CN CN201710097861.XA patent/CN107045656B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191579A1 (en) * | 2002-04-03 | 2003-10-09 | Kiyomi Sakamoto | Travel route searching apparatus |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
CN104751250A (zh) * | 2015-04-16 | 2015-07-01 | 南通理工学院 | 一种基于蚁群方法的最优路径寻找方法 |
CN104933473A (zh) * | 2015-05-22 | 2015-09-23 | 南京邮电大学 | 基于变邻域搜索蚁群算法的城市智能交通调度方法 |
CN105389623A (zh) * | 2015-10-22 | 2016-03-09 | 东南大学 | 一种采用改进蚁群算法的热工过程模型参数辨识方法 |
CN106168801A (zh) * | 2016-04-12 | 2016-11-30 | 江苏理工学院 | 智能语音导游机器人的路径寻优方法 |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
Non-Patent Citations (2)
Title |
---|
刘倩,卫文学,张鲁: "改进蚁群算法在景区路径规划中的应用研究", 《信息技术与信息化》 * |
刘晓勇,付辉: "基于启发式蚁群算法的VRP问题研究", 《计算机工程与应用》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256669A (zh) * | 2017-12-20 | 2018-07-06 | 中国地质大学(武汉) | 一种基于改进Dijkstra算法的景区路径选择方法及*** |
CN108460491A (zh) * | 2018-03-19 | 2018-08-28 | 厦门大学 | 一种基于启发式算法的时变随机环境下景区线路设计方法 |
CN108460491B (zh) * | 2018-03-19 | 2021-08-03 | 厦门大学 | 一种基于启发式算法的时变随机环境下景区线路设计方法 |
CN109029478A (zh) * | 2018-06-20 | 2018-12-18 | 华南理工大学 | 一种基于改进Floyd算法的智能车辆路径规划方法 |
CN110375735B (zh) * | 2018-09-18 | 2021-05-25 | 北京京东乾石科技有限公司 | 路径规划方法和装置 |
CN110375735A (zh) * | 2018-09-18 | 2019-10-25 | 天津京东深拓机器人科技有限公司 | 路径规划方法和装置 |
CN109489667A (zh) * | 2018-11-16 | 2019-03-19 | 楚天智能机器人(长沙)有限公司 | 一种基于权值矩阵的改进蚁群路径规划方法 |
CN110750737A (zh) * | 2019-09-27 | 2020-02-04 | 恒大智慧科技有限公司 | 一种景点推荐方法、装置及存储介质 |
CN112837598A (zh) * | 2020-08-10 | 2021-05-25 | 众垒建筑设计(广州)有限责任公司 | 一种景点与历史进程交互的旅游体验模型的构建方法 |
CN112417962A (zh) * | 2020-10-20 | 2021-02-26 | 中国环境科学研究院 | 一种陆地类型自然保护区人员活动轨迹实时监测方法及*** |
CN112417962B (zh) * | 2020-10-20 | 2024-02-27 | 中国环境科学研究院 | 一种陆地类型自然保护区人员活动轨迹实时监测方法及*** |
CN112700185A (zh) * | 2020-12-25 | 2021-04-23 | 广州智湾科技有限公司 | 基于仿生智能优化的物流路线规划方法及*** |
CN115235495A (zh) * | 2022-07-20 | 2022-10-25 | 广西壮族自治区自然资源遥感院 | 一种基于游客兴趣的景区三维导航方法及*** |
CN116506105A (zh) * | 2023-06-26 | 2023-07-28 | 山东极光智能科技有限公司 | 基于区块链的数据防窃取、篡改加密方法 |
CN116506105B (zh) * | 2023-06-26 | 2023-09-01 | 山东极光智能科技有限公司 | 基于区块链的数据防窃取、篡改加密方法 |
CN117010580A (zh) * | 2023-07-31 | 2023-11-07 | 广西旅发科技有限公司 | 一种个性化的游览路径规划优化方法及***及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107045656B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045656A (zh) | 基于改进蚁群算法的智能景区游览路线规划方法 | |
Gaskins et al. | Virtual flow paths for free-ranging automated guided vehicle systems | |
Chen et al. | Vehicle routing problem of contactless joint distribution service during COVID-19 pandemic | |
Poikonen et al. | The vehicle routing problem with drones: Extended models and connections | |
CN105469143B (zh) | 基于神经网络动态特征的片上网络资源映射方法 | |
CN103348638B (zh) | 通信***、控制装置、通信节点以及通信方法 | |
CN106682769A (zh) | 一种产品车辆路径实现方法和装置 | |
CN111750862A (zh) | 基于多区域的机器人路径规划方法、机器人及终端设备 | |
CN105049353B (zh) | 一种为业务配置路由路径的方法及控制器 | |
Wang et al. | Research on logistics distribution vehicle scheduling based on heuristic genetic algorithm | |
CN106096756A (zh) | 一种城市交通路网动态实时多路口路径选择方法 | |
Liu et al. | The flying sidekick traveling salesman problem with stochastic travel time: A reinforcement learning approach | |
CN103268701A (zh) | 城市路网负载平衡方法 | |
Cao et al. | Creating balanced and connected clusters to improve service delivery routes in logistics planning | |
Lien et al. | Wardrop equilibrium for networks with the BPR latency function | |
CN108229717A (zh) | 计算拣货路径的方法及*** | |
Schröder et al. | Hysteretic percolation from locally optimal individual decisions | |
Du et al. | GAQ-EBkSP: a DRL-based urban traffic dynamic rerouting framework using fog-cloud architecture | |
CN113408775A (zh) | 基于物流网络的路由规划方法、装置、设备和存储介质 | |
Cheng | Dynamic path optimization based on improved ant colony algorithm | |
CN108171387A (zh) | 面向建筑内部的配送路经优化方法及装置 | |
CN106323307B (zh) | 一种路径查找方法及装置 | |
Chen et al. | A unified network equilibrium for e-hailing platform operation and customer mode choice | |
Rao et al. | An intelligent routing method based on network partition | |
Zhang et al. | Golden ratio genetic algorithm based approach for modelling and analysis of the capacity expansion of urban road traffic network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230314 Address after: Room 413, No.1 Qishan Middle Road, Huanggu District, Shenyang City, Liaoning Province, 110032 Patentee after: Shenyang Changhe Yongrun Technology Co.,Ltd. Address before: 110159 No. 6 Nanping Road, Hunnan New District, Shenyang, Liaoning Patentee before: SHENYANG LIGONG University |