[发明专利]一种确定推荐经由地顺序的方法及系统

说明书

技术领域

本发明涉及使用遗传进化算法的位置服务技术领域，更为具体地，涉及一种确定在位置服务系统中推荐经由地顺序的方法及系统。

背景技术

基于位置服务系统根据用户的空间位置及时地提供与位置信息相关的移动信息服务，包括基于位置信息的交通信息查询，最优路径计算，推荐经由地顺序，商场打折信息、酒店和餐厅的周边信息查询服务，紧急救援，区域广告和位置的游戏和娱乐等。其中，推荐经由地顺序的功能是位置服务系统中一个比较常用的功能。

进化计算是通过模拟自然界中生物进化机制进行搜索的一种算法。进化计算的研究起源于20世纪50年代。1965年，John Henry Holland首次提出了人工遗传操作的重要性，并把这些应用于自然系统和人工系统中，大约在同一时期，Ingo Rechenberg和Hans-Paul Schwefel提出了进化策略，Lawrence J.Fogel提出了进化规划。进化算法包括遗传算法、进化程序设计、进化规划和进化策略等等，进化算法的基本框架还是简单遗传算法所描述的框架，但在进化的方式上有较大的差异，选择、交叉、变异、种群控制等有很多变化，进化算法的大致框图可描述如图1所示。

进化算法的收敛性有一些实证性结果，在Guenter Rudolph的《Convergence analysis of canonical genetic algorithms》中证明了在保存最优个体时通用的进化计算是收敛的，进化算法的很多结果是从遗传算法推理得到的。遗传算法对交叉操作要看重一些，认为变异操作是算法的辅助操作；而进化规划和进化策略认为在一般意义上说交叉并不优于变异，甚至可以不要交叉操作。

进化算法的应用主要集中在用传统的优化方法不能够解决或者不能够有效解决的问题上，也可以应用于位置服务系统中推荐经由地顺序的功能中。但是由于这是一个NP(Non-deterministic Polynomial，多项式复杂程度的非确定性)难题，即解决问题的算法时空复杂度都不是多项式级的。在车载导航系统中，推荐经由地顺序功能的理论模型是旅行推销员问题。旅行推销员问题(Traveling Salesman Problem，又称为旅行商问题、货郎担问题、TSP问题)是一个多局部最优的最优化问题，这个问题可以这样描述：有n个城市，一个推销员要从其中某一个城市出发，唯一走遍所有的城市，再回到他出发的城市，求最短的路线。

在位置服务系统中推荐经由地顺序的功能，稍加修改可以抽象为旅行推销员问题。旅行推销员问题被证明是NP最明显的算法就是穷举法，图2为穷举法解决TSP问题的示意图，如图2所示，采用穷举法解决旅行推销员问题即为寻找一切组合并取其最短。这种算法的排列数为O(n！)(其中n为节点个数)，用动态规划技术，可以在O(n²2ⁿ)时间内解决此问题。虽然这仍然是指数级的，但要比O(n！)快得多。

在车载导航系统中，现有的解决推荐经由地顺序功能的技术解决方案，一种是仅限于很少的经由地数目，实现计算经由地之间的花费后排列组合，求解出顺序。另一种，利用直线距离代替实际花费，按照从离当前经由地直线距离，确定最近的另一个经由地，以此类推，确定顺序。现有的技术解决方案，没有很好的解决推荐经由地顺序的功能。

进化计算可以在有限的常数项O(m)时空复杂度内解决传统的TSP问题，但是由于进化计算的固有缺陷，算法很容易造成过早收敛到局部收敛而非全局最优解、种群多样性降低等现象，从而造成算法收敛缓慢、收敛到局部最优解或者不收敛。

从上述确定推荐经由地顺序的解决方案可以看出，现有的解决方案不能完全在性能和效果上完全满足用户对位置服务系统要求，并且随着经由地数目的增加，现有的算法收敛很慢，因此，亟需一种在性能和效果都可以满足需求的技术方案来解决这个问题。

发明内容

鉴于上述问题，本发明的目的是提供一种用加速收敛的进化计算确定在位置服务系统中推荐经由地顺序的方法及系统。

根据本发明的一个方面，提供了一种确定推荐经由地顺序的方法，包括：

根据实际地理数据信息计算现在地、经由地和目的地之间的花费矩阵；

为由现在地、经由地和目的地组成的位置序列进行编码生成个体和由个体组成的初始种群；

对所编码的每一序列个体进行适应值评价；