【摘要】：隨著大型建筑物的不斷落成,復(fù)雜室內(nèi)環(huán)境下的路徑規(guī)劃問題已成為近些年研究的熱點(diǎn)問題之一。傳統(tǒng)社會(huì)中人們面對(duì)陌生環(huán)境的應(yīng)對(duì)方式多是詢問熟悉此環(huán)境的人,而現(xiàn)代社會(huì)快節(jié)奏的生活方式已經(jīng)讓人們習(xí)慣于求助于信息技術(shù)來解決生活中遇到的多種困難,人們迫切地需要一種復(fù)雜室內(nèi)環(huán)境下的路徑規(guī)劃方案。針對(duì)目前室內(nèi)路徑規(guī)劃算法和室內(nèi)路徑規(guī)劃方案存在的不足,本文改進(jìn)蟻群算法使其能夠適應(yīng)復(fù)雜室內(nèi)環(huán)境下的路徑規(guī)劃需求,并且提出一種新的室內(nèi)路徑規(guī)劃方案。考慮到復(fù)雜環(huán)境下的室內(nèi)路徑規(guī)劃問題實(shí)質(zhì)上是最短路徑問題的具體應(yīng)用,而不同環(huán)境下的最短路徑規(guī)劃問題的數(shù)學(xué)模型具有較大差異性,而且缺少具有典型特征的數(shù)據(jù)模型進(jìn)行算法性能的檢驗(yàn),對(duì)于算法改進(jìn)的效果缺少說服力。TSP(Travelling Salesman Problem)問題與最短路徑問題都屬于經(jīng)典組合優(yōu)化問題,二者存在著許多相似之處,而且TSP問題模型能夠用來測試算法的尋優(yōu)性能,檢驗(yàn)算法改進(jìn)的效果。本文先對(duì)基本蟻群算法進(jìn)行了改進(jìn),并將改進(jìn)蟻群算法在Matlab平臺(tái)求解TSP問題,驗(yàn)證了算法改進(jìn)的有效性和可行性,再使用差分進(jìn)化算法優(yōu)化其參數(shù)設(shè)置,進(jìn)一步提高了算法的收斂性,接著根據(jù)TSP問題和最短路徑問題數(shù)據(jù)模型之間的區(qū)別進(jìn)行調(diào)整,優(yōu)化轉(zhuǎn)移概率和引入局部搜索策略,得到適用于求解最短路徑問題的改進(jìn)蟻群算法,并將其與基本蟻群算法代入最短路徑問題模型進(jìn)行求解,比較求得的路徑長度,驗(yàn)證了改進(jìn)方法的有效性。針對(duì)現(xiàn)有室內(nèi)路徑規(guī)劃應(yīng)用軟件存在的不足,本文提出了一種解決方案,即針對(duì)不同的大型建筑物,執(zhí)行統(tǒng)一的電子地圖繪制標(biāo)準(zhǔn),在電子地圖中標(biāo)注出能夠通行的路線和到達(dá)的地點(diǎn)。在使用過程中,從云端下載該建筑物的電子地圖,實(shí)現(xiàn)路徑規(guī)劃功能。本文采用北京蜂鳥視圖科技有限公司提供的三維室內(nèi)地圖,利用其推出的“蜂鳥云”平臺(tái)產(chǎn)品進(jìn)行二次開發(fā),采用本文改進(jìn)的蟻群算法進(jìn)行室內(nèi)路徑規(guī)劃,成功開發(fā)出一款基于Android系統(tǒng)的室內(nèi)路徑規(guī)劃手機(jī) APP(Application)。
【學(xué)位授予單位】：哈爾濱商業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;TU238.2
【圖文】：

＝邋必僅＆４蟲馬蟻所＆節(jié)點(diǎn)、Ｚ？到Ｔ—ｔ節(jié)點(diǎn)、ｙ邐巨離有關(guān)，對(duì)于蟲馬蟻轉(zhuǎn)移到ｆ逡逑點(diǎn)７＿之后，從節(jié)點(diǎn)Ｊ出發(fā)到達(dá)下一個(gè)節(jié)點(diǎn)ｘ時(shí)面臨的情況，當(dāng)前正位于節(jié)點(diǎn)／的螞蟻卻不加以考逡逑慮［６６］。如圖２－１所示，從Ａ點(diǎn)出發(fā)到Ｂ點(diǎn)，有兩條路徑可選，Ａ—Ｃ—Ｂ或Ａ—Ｄ—Ｂ。當(dāng)螞蟻逡逑位于Ａ點(diǎn)時(shí)，ＡＤ的距離遠(yuǎn)小于ＡＣ的距離，螞蟻更傾向于選擇ＡＤ這條路徑，而當(dāng)螞蟻到達(dá)逡逑Ｄ點(diǎn)后，在它面前只有ＤＢ這一個(gè)選擇，只能繼續(xù)向前達(dá)到Ｂ點(diǎn)，Ａ—Ｄ—Ｂ總長是１０，而最逡逑優(yōu)路徑Ａ—Ｃ—Ｂ的長度只有８，螞蟻在Ａ點(diǎn)選擇ＡＤ只能得到次優(yōu)解，并非最優(yōu)解。逡逑Ｄ逡逑圖２－１螞蟻移動(dòng)示意圖逡逑其次，在螞蟻＆選擇下一節(jié)點(diǎn)的概率；計(jì)算中，隨著算法迭代次數(shù)的增加，信息素不斷逡逑積累，導(dǎo)致信息啟發(fā)式＾對(duì)最終轉(zhuǎn)移概率計(jì)算結(jié)果的影響越來越大，而期望啟發(fā)式識(shí)的影響逡逑越來越小，導(dǎo)致算法最終以各條路徑上的信息素濃度標(biāo)準(zhǔn)尋找最優(yōu)路徑，結(jié)果卻收斂于局部最逡逑優(yōu)解，不再開拓新的路徑。故有必要在轉(zhuǎn)移概率計(jì)算公式中增加路徑長度的影響力。逡逑基于以上兩點(diǎn)考慮

基本蟻群算法局部搜索能力差，易陷入局部最優(yōu)解，需要引入局部優(yōu)化算法。常見的局逡逑部搜索策略有２－0Ｐｔ交換算法和逆轉(zhuǎn)、插入變異算子。逡逑（１）邋２－ｏｐｔ算法。２－ｏｐｔ算法的實(shí)現(xiàn)如圖２－２所示，對(duì)于已存在的一條較優(yōu)路徑：＆逡逑—ｓ邋＾邋ｓ邋＾邋ｓ邐＾邋ｓ邋ｓ邐＾邋Ｓ邋Ｓ邋＇將其從邋４邋和邐Ａ邋和＾；＋】之間斷開，則逡逑得到原路徑的兩條分支路徑：ｙ邐＾邋Ｙ邋—邋Ｓ＇邋—邋Ｓ＊邋—邋Ｓ＇邋—邐和ｙ邋—邐，將Ｙ逡逑＾／＋１邐＾１邐＾２邐＾３邐＾ｉ＋＼邐６／邐＾／＋１逡逑—…一Ｓ倒序排列則得到＆…？？一＆，將＆與＆相連，心相連，則得到交換后的新逡逑路徑：ｙ邋９邋Ｙ邐Ｙ邋Ｙ邋—邐４邋ｙ邋—邐邐邋Ｙ邋—卩，比較原路徑與新路徑的長逡逑－９－逡逑

一＾Ｘｌ00％。逡逑基本蟻群算法求解三個(gè)數(shù)據(jù)模型的仿真圖如圖３－１、圖３－２和圖３－３所示，求解三個(gè)數(shù)據(jù)模逡逑型的最短路徑長度如表３－１所示。由求解結(jié)果可知，當(dāng)最大迭代次數(shù)設(shè)置為５００時(shí)，基本蟻群逡逑算法求解三個(gè)數(shù)據(jù)模型與理論最優(yōu)解的偏差在８％以內(nèi)，而且隨著節(jié)點(diǎn)數(shù)的增加，偏差也在增逡逑大，觀察三個(gè)模型的仿真圖中的旅行商問題優(yōu)化結(jié)果圖可以發(fā)現(xiàn)求得的路徑存在交叉，增大了逡逑路徑長度，有極大的改進(jìn)空間。逡逑表３－１基本蟻群算法求解ＴＳＰ問題最短路徑統(tǒng)計(jì)表逡逑數(shù)據(jù)模型邐最短路徑長度邐理論最優(yōu)解邐偏差（％）逡逑ｅｉｌ５１邐４４９．２７２３邐４２８．８７１８邐４．７６逡逑ｅｉｌ７６邐５７３．９６０３邐５４５．３８７６邐５．２４逡逑ｅｉｌｌＯｌ邐６９３．０９２４邐６４２．３０９５邐７．９１逡逑８０邋ｒ邐８００邋邐■邐■邐逡逑┐耷校歟體義限靛危渝澹擔(dān)埃板義

本文編號(hào)：2806049