發(fā)布時間：2020-12-29 13:33

　　提出一種"虛擬點"的實施策略,以斷開由蟻群算法解TSP模型得出的最短時間路線環(huán)。構(gòu)建了游客體驗感評價指標體系,包括交通時間、等待時間、旅行靈活度、交通擁擠度和景點疲憊度5個因子。運用基于熵權(quán)法的TOPSIS分級模型來設(shè)置虛擬點的最優(yōu)位置,從而確定最優(yōu)多日旅行方案。結(jié)果表明:通過基于評價指標體系的優(yōu)化TSP模型得到的旅行方案在質(zhì)量上較現(xiàn)行算法有顯著提升,且有效彌補了蟻群算法的不穩(wěn)定性,大幅提升了其在實際應(yīng)用中的價值。以南京市區(qū)24個景點作為旅游規(guī)劃對象,充分利用地圖網(wǎng)站大數(shù)據(jù),為游客設(shè)計了最佳多日旅行規(guī)劃方案。 

【文章來源】：桂林理工大學(xué)學(xué)報. 2020年02期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

虛擬點設(shè)置流程

游客體驗感評價指標體系

為了驗證本文模型在解決多日旅行規(guī)劃問題上的優(yōu)越性, 將得到的最優(yōu)旅行路線與百度地圖生成的最優(yōu)路線進行對比。根據(jù)優(yōu)化景點數(shù)的不同,共進行5組實驗,得到各路線的εi值,從而得到優(yōu)化模型和軟件生成方案的平均εi及評分對比結(jié)果(圖4)。 從不同旅行景點數(shù)限制下路線評分對比可知,本文提出的優(yōu)化路線評分值高于地圖軟件生成的最優(yōu)路線,且隨著景點數(shù)的增多,評分增幅有顯著提升,表明本文模型得到的路線結(jié)果相較于現(xiàn)行算法更為優(yōu)質(zhì),能更加高效地解決旅行景點數(shù)較多情況下的多日行程規(guī)劃問題。表3 旅行線路相關(guān)指標Table 3 Travel routes and relevant indicators 總交通時間σ1/min 平均等待時間σ2/min 平均旅行靈活度σ3 平均交通擁擠度σ4 平均景點疲憊度σ5 786 9.75 16.5 0.412 2 2

【參考文獻】：
期刊論文
[1]基于TSP問題的動態(tài)蟻群遺傳算法[J]. 陶麗華,馬振楠,史朋濤,王瑞峰.  機械設(shè)計與制造. 2019(12)
[2]基于AHP-模糊數(shù)學(xué)法的崇明島生態(tài)旅游開發(fā)潛力評價[J]. 石丹,包倍增.  桂林理工大學(xué)學(xué)報. 2019(03)
[3]基于旅行費用約束的景點及路徑動態(tài)規(guī)劃研究[J]. 方蘇杰,張宇航,方成剛.  計算機應(yīng)用與軟件. 2018(12)
[4]基于時間框架的多日游行程規(guī)劃及其優(yōu)化方法[J]. 張久滕,吳小竹,陳崇成,方薈,劉先鋒,方東.  福州大學(xué)學(xué)報(自然科學(xué)版). 2018(06)
[5]基于熵權(quán)法-TOPSIS模型的智慧城市評價研究[J]. 林莉,馮愛芬,丁真真,李雪曼,萬凡,王辰辰.  農(nóng)村經(jīng)濟與科技. 2018(18)
[6]一類多日均衡滿意度的旅行規(guī)劃算法[J]. 徐侃,鄭駿.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[7]一種求解旅行商問題的進化多目標優(yōu)化方法[J]. 陳彧,韓超.  控制與決策. 2019(04)
[8]基于改進熵值賦權(quán)法和TOPSIS模型的綜合評價應(yīng)用[J]. 林同智,唐國強,羅盛鋒,高偉,覃良文.  桂林理工大學(xué)學(xué)報. 2015(03)
[9]基于熵權(quán)系數(shù)與TOPSIS集成評價決策方法的研究[J]. 陳雷,王延章.  控制與決策. 2003(04)
[10]對TOPSIS法用于綜合評價的改進[J]. 胡永宏.  數(shù)學(xué)的實踐與認識. 2002(04)

碩士論文
[1]基于改進的遺傳蟻群混合算法的TSP問題求解研究[D]. 吳興健.大連海事大學(xué) 2011



本文編號：2945726