CN108204821A - 一种路径规划方法及装置 - Google Patents
一种路径规划方法及装置 Download PDFInfo
- Publication number
- CN108204821A CN108204821A CN201711414617.8A CN201711414617A CN108204821A CN 108204821 A CN108204821 A CN 108204821A CN 201711414617 A CN201711414617 A CN 201711414617A CN 108204821 A CN108204821 A CN 108204821A
- Authority
- CN
- China
- Prior art keywords
- path
- path point
- point
- module
- current path
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种路径规划方法及装置,所述方法包括:设置当前处理模块的初始路径点为当前路径点;获取所述当前路径点的邻接点集合;分别计算所述当前路径点到每个所述邻接点的概率;基于所述的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点;更新所述路径地图中的路径点间的邻接关系;将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。所述方法在每次确定当前处理模块的下一路径点后会更新所述路径地图中的路径点间的邻接关系,大幅度减少了下一路径点的可到达点的范围,从而使得算法参数敏感性下降且性能速度提升。
Description
技术领域
本发明涉及计算机应用领域,具体而言,涉及一种路径规划方法及装置。
背景技术
路径规划问题的通用范例可以抽象为一个旅行商问题(英语:Travellingsalesman problem,TSP),具体描述是这样:给定一系列城市和每对城市之间的距离,求解访问每一座城市一次并回到起始城市的最短回路。它是组合优化中的一个NP困难问题。
解决TSP问题的方案较多,最经典的是一种贪婪规则路径规划,这种规划的逻辑是,以起点作为当前点,在尚未到达的点中选取距离当前点最近的点,作为到达点,再以该到达点作为当前点后,重复上述操作,直到所有点被遍历。
基于贪婪规则的路径规划算法在搜索下一个到达点时仅仅以最近距离作为判断依据,很容易进入一种来回往复的低效遍历方式使总路程明显变长。本质上该算法是以局部最优指标进行的搜索,搜索结果限于局部最优,与全局最优有较大差距是难以避免的。经典蚁群路径规划同时考虑的信息素因子和启发式因子的双重作用,将记忆当前较好结果和一定的探索尝试结合,有效避免了搜索限于局部最优解。
但随着问题规模的增大,经典蚁群路径规划的问题在于算法参数变得很难调整,如启发式因子和信息素因子的权重的设置,蚂蚁数量和迭代次数的选择等等,且需要的运算时间也越来越长;若设置不合理的参数,即便使用再长的运算时间,也很难搜索得到最优解即遍历点的最短路程。
发明内容
有鉴于此,本发明实施例的目的在于提供一种路径规划方法及装置,以解决上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种路径规划方法,该方法包括:设置当前处理模块的当前路径点;获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;分别计算所述当前路径点到每个所述邻接点的概率;根据所述当前路径点到每个所述邻接点的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点;更新所述路径地图中的路径点间的邻接关系;将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
作为一种实施方式,所述更新所述路径地图中的路径点间的邻接关系,包括:将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
作为一种实施方式,所述分别计算所述当前路径点到每个所述邻接点的概率,包括:根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度;根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
作为一种实施方式,根据所述当前路径点到每个所述邻接点的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点,包括:根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
作为一种实施方式,在直到当前处理模块处理完所述路径地图中的所有路径点之后,所述方法还包括:记录所述当前处理模块的路径长度,并确定最短路径及对应的路径长度;以下一处理模块作为所述当前处理模块,设置所述当前处理模块的当前路径点,重复上述过程,直到所有处理模块执行完上述过程;更新所述信息素矩阵及更新所述最短路径及对应的路径长度。
作为一种实施方式,所述的更新信息素矩阵包括信息素矩阵中所有的点与点之间信息素按一定比例衰减,同时处理模块经过的点与点之间信息素按其被经过的频次为权重而增加。
作为一种实施方式,所述方法还包括:重复多次执行上述过程,不断更新并最终确定所述最短路径及对应的路径长度。
第二方面,本发明实施例提供了一种路径规划装置,所述装置包括:设置模块,用于设置当前处理模块的当前路径点;获取模块,用于获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;计算模块,用于分别计算所述当前路径点到每个所述邻接点的概率;确定模块,用于根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点;更新模块,用于更新所述路径地图中的路径点间的邻接关系;处理模块,用于将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
作为一种实施方式,所述更新模块,具体用于将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
作为一种实施方式,所述计算模块,还用于根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度;根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
作为一种实施方式,所述确定模块,用于根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
与现有技术相比,本发明实施例提供的一种路径规划方法及装置,通过设置当前处理模块的当前路径点;获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;分别计算所述当前路径点到每个所述邻接点的概率;根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点;更新所述路径地图中的路径点间的邻接关系;将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点,本方案在每次确定当前处理模块的下一路径点后会更新所述路径地图中的路径点间的邻接关系,以下一个路径点的邻接点集合作为再下一步的候选到达点,大幅度减少了遍历搜索范围,从而使得算法本身参数敏感性下降且算法性能速度提升。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的一种服务器的结构框图。
图2是本发明实施例提供的一种路径规划方法的流程图。
图3是本发明实施例提供的一种路径地图的示意图。
图4是本发明实施例提供的一种路径规划方法的第一部分流程图。
图5是本发明实施例提供的一种路径规划方法的第二部分流程图。
图6是本发明实施例提供的一种路径规划装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是可应用于本发明实施例的服务器100的方框示意图。该服务器100包括存储器110,一个或多个(图中仅示出一个)处理器120,以及路径规划装置500。
该存储器110与该处理器120之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。路径规划装置500包括至少一个可以软件或固件(firmware)的形式存储于存储器110中或固化在服务器100的操作***(operating system,OS)中的软件功能模块。处理器120用于执行存储器110中存储的可执行模块,例如路径规划装置500中包括的软件功能模块或计算机程序。
其中,存储器110可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器110用于存储程序,处理器120在接收到执行指令后,执行程序,下述本发明实施例任一实施例揭示的流程定义的电子设备所执行的方法可以应用于处理器中,或者由处理器实现。
处理器120可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解,图1所示的结构仅为示意,服务器100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例提供的路径规划方法可以运行于图1所示的服务器100中。通过设置当前处理模块的当前路径点;获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;分别计算所述当前路径点到每个所述邻接点的概率;根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点;更新所述路径地图中的路径点间的邻接关系;将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点,本方案在每次确定当前处理模块的下一路径点后会更新所述路径地图中的路径点间的邻接关系,以下一个路径点的邻接点集合作为再下一步的候选到达点,大幅度减少了遍历搜索范围,从而使得算法本身参数敏感性下降且算法性能速度提升。下面对该路径规划方法进行详细说明。
图2示出了本发明实施例提供的一种路径规划方法的流程图,请参阅图2,本实施例描述的是服务器的处理流程,所述方法包括:
步骤S210,设置当前处理模块的当前路径点。
当前处理模块的当前路径点可以设置为路径地图上除了终点外的任一路径点。
步骤S220,获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点。
请参阅图3,图3示出了一种路径地图的示意图。图3左半图示出了该路径地图中包括了四个路径点,分别为路径点A、路径点B、路径点C、及路径点D。若当前路径点为路径点B,则与路径点B直接相邻的路径点为路径点A、路径点C、及路径点D,即当前路径点B的邻接点集合为:{路径点A、路径点C、及路径点D}。
步骤S230,分别计算所述当前路径点到每个所述邻接点的概率。
请参阅图4,作为一种实施方式,步骤S230包括:
步骤S310,根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度。
步骤S320,根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
作为一种具体的所述方式,可以根据下述公式进行计算:
其中,dij为当前路径点i和邻接点j之间的距离,为第t次执行条件下当前处理模块从当前路径点i到邻接点j的概率,上标k表示处理模块为第k个,τij(t)为当前路径点i与邻接点j之间的信息素浓度,allowedk为当前路径点的邻接点集合,α为启发式因子,用于表示该路径(当前路径点i到邻接点j的路径)的相对重要性,反映了其它处理模块在处理过程中所积累的信息在当前处理模块在处理时所起的作用,α的值越大,则当前处理模块越倾向于选择其他处理模块所经过的路径,处理模块之间的协作性越强;β为期望启发式因子,反映了处理模块在处理过程中启发信息在处理模块选择路径中的受重视程度,β的值越大,则该状态转移概率越接近于贪心规则。
步骤S240,根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
作为一种实施方式,根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
具体的,为当前处理模块从当前路径点i到邻接点j的概率,且根据轮盘赌算法,可以在0到1之间生成若干个以为尺寸的区间,此时在取值范围为[0,1]内随机生成一个数字,则该数字落在哪个区间,则代表当前处理模块的下一路径点为:该区间对应的路径点。
步骤S250,更新所述路径地图中的路径点间的邻接关系。
作为一种实施方式,更新所述路径地图中的路径点间的邻接关系,包括:将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
请参阅图3左半图,当前路径点B的邻接点集合为:{路径点A、路径点C、及路径点D},若根据上述步骤确定出当前路径点B的下一路径点为路径点C,此时将已经处理过的路径点B从所述路径地图中排除,形成如图3右半图所示的路径地图,此时该路径地图中包括:{路径点A、路径点C、及路径点D}。
步骤S260,将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
请参阅图3,继续以上例进行说明,由上述步骤确定当前路径点B的下一路径点为路径点C,此时将路径点C作为当前路径点,获取所述当前路径点C的邻接点集合,此时,与当前路径点C直接相邻的路径点为:路径点A、及路径点D,则当前路径点C的邻接点集合为:{路径点A、及路径点D},根据上述方式确定并记录当前处理模块的下一路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点,如图3所示,当前处理模块处理完所述路径地图中的所有路径点,即:路径点A、路径点B、路径点C、及路径点D。
请参阅图5,作为一种实施方式,在直到当前处理模块处理完所述路径地图中的所有路径点之后,所述方法还包括:
步骤S410,记录所述当前处理模块的路径长度,并确定最短路径及对应的路径长度。
继续以上例进行说明,若当前处理模块处理完所述路径地图中的所有路径点,可以记录出该路径,假设为路径点B->路径点C->路径点A->路径点D,并记录该路径的路径长度,假设为15,此时,由于只有一条路径,则最段路径为该路径,且最短路径长度为15。
步骤S420,以下一处理模块作为所述当前处理模块,设置所述当前处理模块的当前路径点,重复上述过程,直到所有处理模块执行完上述过程。
处理模块的个数可以根据需求进行设置。作为一种实施方式,处理模块的个数可以为路径地图上路径点个数的1.5倍。
请参阅图3,继续以上例进行说明,假设处理模块为3个,以下一处理模块作为所述当前处理模块,设置所述当前处理模块的当前路径点,假设当前处理模块的当前路径点为路径点C,重复上述过程,若当前处理模块处理完所述路径地图中的所有路径点,可以记录出该路径,假设为路径点C->路径点B->路径点A->路径点D,该路径对应的路径长度为14。
当上述当前处理模块处理完毕后,以下一处理模块作为所述当前处理模块,设置所述当前处理模块的当前路径点A,重复上述过程,若当前处理模块处理完所述路径地图中的所有路径点,可以记录出该路径,假设为路径点A->路径点B->路径点C->路径点D,该路径对应的路径长度为13。
步骤S430,更新所述信息素矩阵及更新所述最短路径及对应的路径长度。
在所有处理模块执行完上述过程后,要更新广义路径信息素矩阵,也就是更新每条路径上的信息素浓度。信息素随着时间是会挥发的,假设挥发率为rou,如果曾经有处理模块经过该路径段,则这段路径除了挥发信息素,也会增加信息素。作为一种具体的实施方式,可以根据下述公式进行信息素矩阵的更新:
τij(t+1)=(1-rou)·τij(t)+Δτij(t)
其中,rou为挥发率,为第t次执行条件下,第k个处理模块对路径点i和路径点j之间路径段的信息素的影响量,condition1为第k个处理模块在其处理过程中经过路径点i和路径点j之间的路径段,condition2为第k个处理模块在其处理过程中未经过路径点i和路径点j之间的路径段,Q为信息素增量,Lk为第k个处理模块处理完所有路径点后形成路径对应的长度
继续以上例进行说明,当所有处理模块执行完上述过程后,分别获得了三条路径及其分别对应的路径长度:
(1)路径点B->路径点C->路径点A->路径点D,路径长度15;
(2)路径点C->路径点B->路径点A->路径点D,路径长度14;
(3)路径点A->路径点B->路径点C->路径点D,路径长度13。
此时,将最短路径更新为:路径点A->路径点B->路径点C->路径点D,路径长度13,将其对应的路径长度为13。
进一步的,作为一种实施方式,重复多次执行上述过程,不断更新并最终确定所述最短路径及对应的路径长度。
其中,执行次数可以根据需要进行设置,作为一种实施方式,可以将执行次数首先设置为200,根据获得的结果进行动态调整。每执行完一次上述过程,确认是否需要更新最短路径及其对应的路径长度,当循环多次后,确定最短路径及对应的路径长度。
本发明实施例提供的路径规划方法,通过设置当前处理模块的当前路径点;获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;分别计算所述当前路径点到每个所述邻接点的概率;根据所述当前路径点到每个所述邻接点的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点;更新所述路径地图中的路径点间的邻接关系;将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点,本方案在每次确定当前处理模块的下一路径点后会更新所述路径地图中的路径点间的邻接关系,大幅度减少了下一路径点的遍历范围,从而使得算法本身参数敏感性下降且算法性能速度提升。并且,本方案将拓扑信息有效的结合进启发式搜索算法,同时还提升了优化性能,便利了参数设置。进一步的,本方案大幅缩短***运算响应时间,提升了现场作业的效率及用户体验。
请参阅图6,是本发明实施例提供的路径规划装置500的功能模块示意图。所述路径规划装置500运行于服务器100。所述路径规划装置500包括设置模块510,获取模块520、计算模块530、确定模块540、更新模块550、处理模块560。
设置模块510,用于设置当前处理模块的当前路径点。
获取模块520,用于获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点。
计算模块530,用于分别计算所述当前路径点到每个所述邻接点的概率。
作为一种实施方式,所述计算模块530,还用于根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度;根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
确定模块540,用于根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。作为一种实施方式,所述确定模块540,用于根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
更新模块550,用于更新所述路径地图中的路径点间的邻接关系。
作为一种实施方式,所述更新模块550,具体用于将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
处理模块560,用于将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
作为一种实施方式,所述装置还包括循环模块570,用于记录所述当前处理模块的路径长度,并确定最短路径及对应的路径长度;以下一处理模块作为所述当前处理模块,设置所述当前处理模块的当前路径点,重复上述过程,直到所有处理模块执行完上述过程;更新所述信息素矩阵及更新所述最短路径及对应的路径长度。
作为一种实施方式,所述循环模块570,还用于重复多次执行上述过程,不断更新并最终确定所述最短路径及对应的路径长度。
以上各模块可以是由软件代码实现,此时,上述的各模块可存储于服务器100的存储器110内。以上各模块同样可以由硬件例如集成电路芯片实现。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的路径规划装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种路径规划方法,其特征在于,所述方法包括:
设置当前处理模块的初始路径点为当前路径点;
获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;
分别计算所述当前路径点到每个所述邻接点的概率;
根据所述当前路径点到每个所述邻接点的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点;
更新所述路径地图中的路径点间的邻接关系;
将所述下一路径点设置为所述当前路径点,重复以上过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
2.根据权利要求1所述的方法,其特征在于,更新所述路径地图中的路径点间的邻接关系,包括:
将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
3.根据权利要求1所述的方法,其特征在于,所述分别计算所述当前路径点到每个所述邻接点的概率,包括:
根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度;
根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
4.根据权利要求3所述的方法,其特征在于,所述的信息素矩阵,其点与点之间的初始信息素浓度完全相同。
5.根据权利要求3所述的方法,其特征在于,根据所述当前路径点到每个所述邻接点的概率,以概率比例随机分配的方法确定并记录当前处理模块的下一路径点,包括:
根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
6.根据权利要求5所述的方法,其特征在于,在直到当前处理模块处理完所述路径地图中的所有路径点之后,所述方法还包括:
记录所述当前处理模块的路径长度,并确定最短路径及对应的路径长度;
以下一处理模块作为所述当前处理模块,设置所述当前处理模块的初始路径点为当前路径点,重复上述过程,直到所有处理模块执行完上述过程;
更新所述信息素矩阵及更新所述最短路径及对应的路径长度。
7.根据权利要求6所述的方法,其特征在于,所述更新所述信息素矩阵为信息素矩阵中所有的点与点之间信息素按一定比例衰减,同时处理模块经过的点与点之间信息素按其被经过的频次为权重增加。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
重复多次执行上述过程,不断更新并最终确定所述最短路径及对应的路径长度。
9.一种路径规划装置,其特征在于,所述装置包括:
设置模块,用于设置当前处理模块的当前路径点;
获取模块,用于获取所述当前路径点的邻接点集合,所述邻接点集合中的每个邻接点为路径地图中与所述当前路径点直接相邻的路径点;
计算模块,用于分别计算所述当前路径点到每个所述邻接点的概率;
确定模块,用于根据所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点;
更新模块,用于更新所述路径地图中的路径点间的邻接关系;
处理模块,用于将所述下一路径点设置为所述当前路径点,重复上述过程,直到所述当前处理模块处理完所述路径地图中的所有路径点。
10.根据权利要求9所述的装置,其特征在于,所述更新模块,具体用于将已经处理过的路径点从所述路径地图中排除,重构路径点间的邻接关系。
11.根据权利要求9所述的装置,其特征在于,所述计算模块,还用于根据信息素矩阵,分别获取所述当前路径点到每个所述邻接点的信息素浓度;根据所述当前路径点到每个所述邻接点的信息素浓度,分别计算所述当前路径点到每个所述邻接点的概率。
12.根据权利要求9所述的装置,其特征在于,所述确定模块,还用于根据轮盘赌算法及所述当前路径点到每个所述邻接点的概率,确定并记录当前处理模块的下一路径点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711414617.8A CN108204821A (zh) | 2017-12-22 | 2017-12-22 | 一种路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711414617.8A CN108204821A (zh) | 2017-12-22 | 2017-12-22 | 一种路径规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108204821A true CN108204821A (zh) | 2018-06-26 |
Family
ID=62605860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711414617.8A Pending CN108204821A (zh) | 2017-12-22 | 2017-12-22 | 一种路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108204821A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117986A (zh) * | 2018-07-17 | 2019-01-01 | 广州视源电子科技股份有限公司 | 运动规划方法、装置、设备及计算机可读存储介质 |
CN109740829A (zh) * | 2019-03-08 | 2019-05-10 | 武汉轻工大学 | 基于蚁群算法的粮食运输方法、设备、存储介质及装置 |
CN111561947A (zh) * | 2020-07-14 | 2020-08-21 | 浙江大华技术股份有限公司 | 路径规划方法、装置及计算机存储介质 |
CN112580892A (zh) * | 2020-12-29 | 2021-03-30 | 广州极飞科技有限公司 | 协同作业路线的规划方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
CN102175256A (zh) * | 2010-12-27 | 2011-09-07 | 浙江工业大学 | 一种基于进化树拓扑路网构建的路径规划确定方法 |
US20110274186A1 (en) * | 2010-05-05 | 2011-11-10 | Jenn-Kaie Lain | Peak-to-average power ratio reduction method for orthogonal frequency division multiplexing systems based on path finding |
CN102735239A (zh) * | 2011-03-29 | 2012-10-17 | 电装It研究所 | 导航装置、方法和*** |
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
CN104581817A (zh) * | 2014-12-19 | 2015-04-29 | 中国科学院上海微***与信息技术研究所 | 一种移动自组织网络中动态最短路径加权路由方法 |
-
2017
- 2017-12-22 CN CN201711414617.8A patent/CN108204821A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
US20110274186A1 (en) * | 2010-05-05 | 2011-11-10 | Jenn-Kaie Lain | Peak-to-average power ratio reduction method for orthogonal frequency division multiplexing systems based on path finding |
CN102175256A (zh) * | 2010-12-27 | 2011-09-07 | 浙江工业大学 | 一种基于进化树拓扑路网构建的路径规划确定方法 |
CN102735239A (zh) * | 2011-03-29 | 2012-10-17 | 电装It研究所 | 导航装置、方法和*** |
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN103067524A (zh) * | 2013-01-18 | 2013-04-24 | 浪潮电子信息产业股份有限公司 | 一种基于云计算环境的蚁群优化计算资源分配方法 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
CN104581817A (zh) * | 2014-12-19 | 2015-04-29 | 中国科学院上海微***与信息技术研究所 | 一种移动自组织网络中动态最短路径加权路由方法 |
Non-Patent Citations (2)
Title |
---|
ENRICO ZIO: "《可靠性与风险分析算法》", 31 August 2014, 国防工业出版社 * |
韩瑞锋: "《遗传算法原理与应用实例》", 31 January 2010, 兵器工业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117986A (zh) * | 2018-07-17 | 2019-01-01 | 广州视源电子科技股份有限公司 | 运动规划方法、装置、设备及计算机可读存储介质 |
CN109117986B (zh) * | 2018-07-17 | 2021-01-22 | 广州视源电子科技股份有限公司 | 运动规划方法、装置、设备及计算机可读存储介质 |
CN109740829A (zh) * | 2019-03-08 | 2019-05-10 | 武汉轻工大学 | 基于蚁群算法的粮食运输方法、设备、存储介质及装置 |
CN111561947A (zh) * | 2020-07-14 | 2020-08-21 | 浙江大华技术股份有限公司 | 路径规划方法、装置及计算机存储介质 |
CN112580892A (zh) * | 2020-12-29 | 2021-03-30 | 广州极飞科技有限公司 | 协同作业路线的规划方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Fast map matching, an algorithm integrating hidden Markov model with precomputation | |
Luo et al. | Finding time period-based most frequent path in big trajectory data | |
CN108204821A (zh) | 一种路径规划方法及装置 | |
Zhao et al. | Efficient shortest paths on massive social graphs | |
CN102915347B (zh) | 一种分布式数据流聚类方法及*** | |
US10120956B2 (en) | Methods and systems for distributed computation of graph data | |
US7672919B2 (en) | Determination of graph connectivity metrics using bit-vectors | |
US9275422B2 (en) | Distributed k-core view materialization and maintenance for graphs | |
US9576073B2 (en) | Distance queries on massive networks | |
Biller et al. | Breaking good: accounting for fragility of genomic regions in rearrangement distance estimation | |
US20110295832A1 (en) | Identifying Communities in an Information Network | |
CN109656798B (zh) | 基于顶点重排序的超级计算机大数据处理能力测试方法 | |
WO2013138441A1 (en) | Systems, methods, and software for computing reachability in large graphs | |
CN110288362A (zh) | 刷单的预测方法、装置及电子设备 | |
CN108829804A (zh) | 基于距离划分树的高维数据相似性连接查询方法及装置 | |
Al Hasan | Methods and applications of network sampling | |
Kas et al. | An incremental algorithm for updating betweenness centrality and k-betweenness centrality and its performance on realistic dynamic social network data | |
US9674083B2 (en) | Path calculation order deciding method, program and calculating apparatus | |
CN107085594A (zh) | 大图数据库中基于集合相似度的子图匹配方法 | |
CN113987105A (zh) | 基于滑动窗口的标签感知图形流草图构建方法及应用 | |
Choudhury et al. | Monitoring the top-m rank aggregation of spatial objects in streaming queries | |
Cao et al. | Atlas: Approximating shortest paths in social graphs | |
CN110851708B (zh) | 负样本的抽取方法、装置、计算机设备和存储介质 | |
WO2018212929A1 (en) | System and method for enabling related searches for live events in data streams | |
CN112684402A (zh) | 用电量平稳电能运行误差数据的监测方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180626 |