[发明专利]粮食运输路径的规划方法、用户设备、存储介质及装置

说明书

本发明公开了粮食运输路径的规划方法、用户设备、存储介质及装置。本发明中获取车辆配送信息；基于预设人工蜂群算法根据所述车辆配送信息进行配送路径的规划，以获得待筛选配送路径；根据所述待筛选配送路径构建预设人工鱼群算法的初始鱼群；通过所述预设人工鱼群算法获得目标配送路径。在本发明中由于同时利用了人工蜂群算法进行全局收敛的能力以及人工鱼群算法快速收敛的特性，最终得出的目标配送路径的波动较小，进而提高了得出最优解的稳定性，所以，可认为，解决了现有的求解方式无法稳定地得到最优解的技术问题。

技术领域

本发明涉及路径规划技术领域，尤其涉及粮食运输路径的规划方法、用户设备、存储介质及装置。

背景技术

随着城市交通的高度发展，如何提高车辆的流通效率成为一项较为重要的研究方向。尤其对于物流业而言，特别是针对粮食的运输而言，需要尽量提供实时的最佳配送路线，以减少时间成本，并且避免因城市交通拥堵等不良状况造成的资源浪费。

在实际研究中，已将上述问题专业化地归纳为车辆路径问题(Vehicle RoutingProblem,VRP)，这是一类具有广泛应用的非确定性多项式难题(Non-deterministicPolynomial hard，NP-hard)。

VRP问题涉及到运筹学、应用数学、网络分析、图论和计算机应用等学科，由于VRP的时间复杂度很高，所以，传统算法在求解VRP问题的最优解时往往表现出效率低、耗时长且无法处理大规模问题的缺陷。

为了解决上述缺陷并提高VRP的寻优效率，可基于目前已有的人工智能算法来解决VRP问题，比如：人工鱼群算法、遗传算法以及人工蚁群算法等。尤其是人工鱼群算法，在解决VRP问题时表现出明显优势。

具体而言，人工鱼群算法具有鲁棒性强、全局搜索能力强以及收敛速度快等优点，适用于解决VRP此类组合优化型问题。

但是，现有的人工鱼群算法中的初始种群是随机生成的，在其可行域内的分布范围不够广泛，这导致人工鱼群算法最终算出的最优解存在波动较大的问题。比如，可体现为最终算出的最优解的方差较大。

所以，可认为，在解决VRP问题时，现有的解决方式存在无法稳定地得到最优解的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供粮食运输路径的规划方法、用户设备、存储介质及装置，旨在解决无法稳定地得到最优解的技术问题。

为实现上述目的，本发明提供一种粮食运输路径的规划方法，所述粮食运输路径的规划方法包括以下步骤：

获取车辆配送信息；

基于预设人工蜂群算法根据所述车辆配送信息进行配送路径的规划，以获得待筛选配送路径；

根据所述待筛选配送路径构建预设人工鱼群算法的初始鱼群；

通过所述预设人工鱼群算法获得目标配送路径。

优选地，所述预设人工蜂群算法包括初始食物源、引领蜂以及跟随蜂；

所述基于预设人工蜂群算法根据所述车辆配送信息进行配送路径的规划，以获得待筛选配送路径，具体包括：

根据所述车辆配送信息生成初始配送路径，并将所述初始配送路径作为所述初始食物源；

通过所述引领蜂对所述初始食物源进行邻域搜索，以获得待筛选食物源；

将所述待筛选食物源传递至所述跟随蜂，以使所述跟随蜂根据所述待筛选食物源选举出待筛选配送路径。

优选地，所述预设人工蜂群算法还包括侦查蜂；