买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开一种解决旅行商访问路线的离散海洋捕食者方法，属于路径规划技术领域，用于寻找旅行商访问路线最优解，包括采用动态反向学习策略生成初始解，提高种群的多样性；在算法设计中引入麻雀警戒机制，作为全局扰动来防止算法陷入局部最优解；采用种群划分策略，并应用适当的突变算子进行局部搜索，从而加快收敛速度，进一步提高解的质量。本发明的离散海洋捕食者算法的寻优能力强、求解质量高，在解决旅行商问题上具有显著优越性，该算法在19个测试实例中求得最优解，并在另外4个测试实例中找到了比现有技术更好的解决方案。

主权项：1.一种解决旅行商访问路线的离散海洋捕食者方法，其特征在于，包括：S1读取城市分布图，获得旅行商需要访问的城市位置，计算城市两两之间的距离；S2将随机分配的城市路线维度值与通过动态反向学习策略获得的城市路线维度值合并，利用贪婪算法选取部分种群个体作为初始解；S3根据最小位置匹配值法离散化种群个体，将用实数表示的维度值映射至整数域，解码后得到新的猎物矩阵，每个猎物矩阵代表旅行商访问路线的一个解，捕食者代表旅行商访问路线最短的种群个体；S4设定当前迭代次数为，最大迭代次数为，计算旅行商访问路线的新解；S5采用麻雀警戒机制作为全局扰动更新旅行商访问路线的解，调整边缘城市之间的路径，并对访问路线的中间城市进行随机扰动，得到短长度的旅行商访问路线；S6执行涡流或鱼群聚集装置效应；S7引入自适应邻域局部搜索策略，不断破坏和插入旅行商访问路径节点，使路径长度最小化；S8循环S2至S7，直到达到最大迭代次数，结束循环并输出旅行商最优访问顺序及路径长度；S2包括，引入动态反向学习策略，建立反向解并与以随机混合的方式分配城市路线的解合并，利用贪婪算法选取路径长度短的个体作为初始解： ；式中，为反向解，为随机初始解，为动态搜索空间的上界，为动态搜索空间的下界；当动态边界超出原始边界成为非可行解，则进行重置；将生成的和合并，得到新种群： ； 表示合并反向解和随机初始解；计算新种群中每个个体的适应度，即遍历城市的路径长度，选取路径短的解参与迭代；S3包括，对猎物矩阵离散化处理，对猎物的各维度数值所在位置编码，表示销售员需要访问的节点，将个体维度数值从低到高依次排序并映射到整数域，得到离散处理后的各维数值，代表销售员要访问城市的顺序，也就是旅行商访问路线的解；S4包括，若，使用下式计算旅行商访问路线的新解： ；；式中，为捕食者的步长向量，为基于高斯分布生成的随机数向量，为向量叉乘符号，为精英矩阵，为猎物矩阵，为种群数量，为位置变化后的猎物矩阵，为0到1之间的均匀随机数向量；若，将种群均分为两部分，前半部分使用下式计算旅行商访问路线的新解： ；式中，是基于莱维分布的随机数向量；后半部分使用下式计算旅行商访问路线的新解： ；；式中，是收敛因子；若，使用下式计算旅行商访问路线的新解： ；S5中采用麻雀警戒机制作为全局扰动更新旅行商访问路线的解包括： ；式中，是时刻麻雀警戒机制更新后的旅行商访问路线的解，和分别是当前全局最优和最差的旅行商访问路线的解，为步长控制参数，是服从均值为0方差为1的正态分布随机数，是时刻旅行商访问路线的解，和分别是遍历城市的最优和最差路线长度，为范围在[-1,1]的随机数，是微小常数，避免公式分母为0，为当前旅行商访问路线的长度，和表示两个不同的城市；S6包括： ； ；式中，和分别为搜索空间的上界和下界，为包含0和1数组的二进制向量，是0到1范围内的随机数，和是的两个取值，和是第个和第个猎物矩阵；S7包括，构建破坏算子和修复算子，破坏算子用于破坏当前路线，移除路线中部分城市节点和信息，促使算法跳出局部最优解搜索解空间；修复算子用于将破坏后的路线恢复成有效的解决方案，根据破坏后的部分解构建新的完整旅行商访问路线；破坏算子包括随机移除算子、两元素优化移除算子和最差距离移除算子；随机移除算子随机地从旅行商访问的当前路线中移除部分城市并暂存于移除集合中；两元素优化移除算子随机选择路径中的两个城市，然后移除这两个城市及两个城市之间的所有需求的城市节点；最差距离移除算子根据路径中城市到相邻城市的距离之和进行降序排列，移除距离最大的节点；修复算子包括随机插入算子、贪婪插入算子和后悔准则插入算子；随机插入算子将被移除的城市随机插入到当前路径中的某个位置，恢复部分解的有效性，引入新的城市以构建完整的旅行商访问路线；贪婪插入算子根据启发式规则，将被移除的城市节点插入到当前路径中，使增加的距离最小；后悔准则插入算子将需求城市节点插入到路径中，如果路径长度缩短，则按照贪婪策略接受路径长度缩短的对应解；若路径变长，根据模拟退火的麦尔特罗夫准则决定是否接受劣解；使用自适应算子选择策略，每个破坏算子和修复算子都配置权重，在搜索过程中，权重越大的算子被选中的概率越高；将整个局部搜索过程划分为多个阶段，当达到重置间隔时，计算算子的权重，更新选择概率，并根据轮盘赌策略确定需要使用的破坏和修复算子，权重和选择概率的更新公式为： ； ；式中，是算子的权重，是衰减因子，是时间，是算子的使用次数，是算子分数，是选择概率，是第个权重；若测试解为全局最优解，更新最优解并设置最高的算子分数；若测试解优于当前解但不是全局最优解，设置第二高的算子分数；若测试解不优于当前解但满足模拟退火准则，更新当前解并设置算子分数；若测试解不满足上述三种情况，设置最低算子分数；设测试解的适应度函数值为，当前解的适应度函数值为；若，接受测试解；若，则根据麦尔特罗夫准则决定是否接受劣解，如果新解比当前解差，但差距不超过阈值，有一定概率接受劣解。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种解决旅行商访问路线的离散海洋捕食者方法