本發(fā)明涉及城市規(guī)劃，尤其涉及一種基于快收斂式蟻群算法的學(xué)校選址方法、裝置。

背景技術(shù)：

1、學(xué)校地址的選擇是城市規(guī)劃管理中較為重要的部分，學(xué)校地址和居民之間具有較強的關(guān)系，在日常生活場景中，居民通常需要接送子女上學(xué)放學(xué)，因此，學(xué)校地址在城市中的交通便捷性需要被著重考慮。

2、但是人口分布與學(xué)校選址的契合程度，以及學(xué)校周邊通行可達性分析等方面，缺乏量化分析的框架，使得學(xué)校選址具有一定程度的主觀性和任意性，難以與現(xiàn)有城市居民結(jié)構(gòu)變化趨勢相適應(yīng)。

3、在現(xiàn)有技術(shù)中，也會選擇采用針對圖搜索的路徑規(guī)劃算法，但是該算法在面對城市場景具有一定的局限性，因為該算法的計算量隨著圖上節(jié)點數(shù)增加而呈指數(shù)增長，另外，經(jīng)典的如蟻群算法、模擬退火算法等智能算法則往往會出現(xiàn)收斂慢、容易陷入局部最優(yōu)等問題，導(dǎo)致算法的計算效率和魯棒性均難以滿足實際應(yīng)用要求。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明提供一種基于快收斂式蟻群算法的學(xué)校選址方法、裝置，旨在解決現(xiàn)有技術(shù)中應(yīng)用于學(xué)校選址的算法存在計算量過高，或者收斂慢、容易陷入局部最優(yōu)的計算問題。

2、技術(shù)方案：本發(fā)明提供一種基于快收斂式蟻群算法的學(xué)校選址方法，包括：對學(xué)校進行初選址，得到多個備選學(xué)校地址，對每個備選學(xué)校地址設(shè)置對應(yīng)的學(xué)校服務(wù)區(qū)域，在學(xué)校服務(wù)區(qū)域內(nèi)生成樣本居民；通過快收斂式蟻群算法，計算學(xué)校服務(wù)區(qū)域內(nèi)每一個樣本居民與對應(yīng)備選學(xué)校地址之間的最佳路徑，根據(jù)每個學(xué)校服務(wù)區(qū)域的最佳路徑分布，從多個備選學(xué)校地址中選取實際學(xué)校地址；所述快收斂式蟻群算法，包括：以學(xué)校服務(wù)區(qū)域內(nèi)的路口作為節(jié)點，連接路口的道路作為邊得到無向圖；以無向圖上的樣本居民所在位置作為起點，將備選學(xué)校地址作為終點；經(jīng)過多輪迭代，在滿足停止條件時，輸出起點與終點之間距離最短的路徑作為最佳路徑；每一輪迭代包括狀態(tài)轉(zhuǎn)移階段和信息素更新階段，其中：狀態(tài)轉(zhuǎn)移階段中，設(shè)置螞蟻從起點出發(fā)向終點移動；在移動過程中，引入距離引導(dǎo)因子和方向耦合因子計算螞蟻移動至下一個節(jié)點的轉(zhuǎn)移概率；所述距離引導(dǎo)因子表征節(jié)點與終點之間的直線距離；當(dāng)前節(jié)點朝向下一個節(jié)點的方向為第一方向，當(dāng)前節(jié)點朝向終點的方向為第二方向，所述方向耦合因子表征第一方向和第二方向之間的偏差程度；信息素更新階段中，引入概率函數(shù)計算被選中的螞蟻在無向圖中的邊留下的信息素濃度，邊的信息素濃度越高，螞蟻移動通過相應(yīng)的邊移動至下一節(jié)點的轉(zhuǎn)移概率越高；所述概率函數(shù)中引入貪婪因子，所述貪婪因子表征隨著迭代輪數(shù)的增加，信息素濃度的衰減程度。

3、具體的，以備選學(xué)校地址為圓心，以標(biāo)準距離為半徑形成的區(qū)域為學(xué)校服務(wù)區(qū)域。

4、具體的，樣本居民的位置分布，與學(xué)校服務(wù)區(qū)域內(nèi)的實際居民的分布一致，樣本居民的數(shù)量與學(xué)校服務(wù)區(qū)域內(nèi)的實際居民的數(shù)量成正比。

5、具體的，所述引入距離引導(dǎo)因子和方向耦合因子計算螞蟻移動至下一個節(jié)點的轉(zhuǎn)移概率，包括：所述轉(zhuǎn)移概率，采用如下公式計算：

6、pij=(τijαηijβρjσij)/(∑k∈kτikαηikβρk)，

7、其中，pij表示螞蟻從節(jié)點i移動至節(jié)點j的轉(zhuǎn)移概率，τij表示節(jié)點i和節(jié)點j之間的邊上的信息素濃度，α表示信息啟發(fā)因子，ηij表示從節(jié)點i移動至節(jié)點j的期望值，β表示期望值啟發(fā)因子，ρj表示節(jié)點j對應(yīng)的距離引導(dǎo)因子，σij表示從節(jié)點i移動至節(jié)點j對應(yīng)的方向耦合因子，k表示螞蟻在節(jié)點i時下一個可移動的節(jié)點k的集合，集合k中不包括螞蟻已經(jīng)移動過的節(jié)點；ηij=1/cij，cij=dij/vij，cij表示節(jié)點i和節(jié)點j之間的邊的成本值，dij表示節(jié)點i和節(jié)點j之間的邊的長度，vij表示樣本居民經(jīng)過節(jié)點i和節(jié)點j之間的邊的移動速度，與節(jié)點i和節(jié)點j之間的邊的通暢程度正相關(guān)。

8、具體的，所述距離引導(dǎo)因子，采用如下公式計算：

9、j≠t時，采用：ρj=1/ljt；

10、j=t時，采用：ρj=1，

11、其中，ljt表示從節(jié)點j至終點t的直線距離；

12、所述方向耦合因子，采用如下公式計算：

13、σij=e^(xi,jxi,t/||xi,j||0.5||xi,t||0.5)，

14、其中，e表示自然對數(shù)，xi,j表示從節(jié)點i指向節(jié)點j的向量，xi,t表示從節(jié)點i指向終點t的向量。

15、具體的，所述信息素濃度，采用如下公式計算：

16、τij(s+1)=(1-r)?τij(s+1)+△τij(s)，

17、其中，τij(s+1)表示第s+1輪迭代中節(jié)點i和節(jié)點j之間的邊上的信息素濃度，r表示信息素揮發(fā)系數(shù)，△τij(s)表示在第s輪迭代中被選中的螞蟻在節(jié)點i和節(jié)點j之間的邊上留下的信息素濃度。

18、具體的，被選中的螞蟻m在節(jié)點i和節(jié)點j之間的邊上留下的信息素濃度，采用如下公式計算：

19、△τijm(s)=q/cm(s)，

20、其中，△τijm(s)表示第s輪迭代中螞蟻m在節(jié)點i和節(jié)點j之間的邊上留下的信息素濃度，q表示信息素總量，cm(s)表示第s輪迭代中螞蟻m在無向圖上的完整移動路徑的成本值之和，采用如下公式計算：

21、c=d/v，

22、其中，c表示成本值，d表示一輪迭代中螞蟻在無向圖上的完整移動路徑的長度，v表示樣本居民的移動速度。

23、具體的，所述概率函數(shù)，采用如下公式：

24、螞蟻m到達終點且移動路徑最短時，采用：zm(s)=1；

25、螞蟻m到達終點且移動路徑不是最短時，采用：zm(s)=ελs，

26、其中，zm(s)表示第s輪迭代中螞蟻m被選中的概率，ε表示貪婪因子初始系數(shù)，λs表示貪婪因子衰減系數(shù)。

27、具體的，選擇最佳路徑平均距離最短的學(xué)校服務(wù)區(qū)域的備選學(xué)校地址，作為實際學(xué)校地址。

28、具體的，以無向圖上的樣本居民所在位置作為起點，將備選學(xué)校地址作為第一終點，將樣本居民的工作地點作為第二終點；所述無向圖包括樣本居民的工作地點，樣本居民的工作地點與學(xué)校服務(wù)區(qū)域內(nèi)的實際辦公樓宇的分布一致，工作地點的數(shù)量與樣本居民的數(shù)量一致；所述輸出起點與終點之間距離最短的路徑作為最佳路徑，還包括：起點與第一終點之間的路徑作為第一段路徑，第一終點與第二終點之間的路徑作為第二段路徑，將第一段路徑和第二段路徑之和最短的路徑作為最佳路徑；所述狀態(tài)轉(zhuǎn)移階段中，設(shè)置螞蟻從起點出發(fā)向第一終點移動，到達第一終點后出發(fā)向第二終點移動。

29、本發(fā)明還提供一種基于快收斂式蟻群算法的學(xué)校選址裝置，包括：選址單元、篩選單元和蟻群算法單元，其中：所述選址單元，用于對學(xué)校進行初選址，得到多個備選學(xué)校地址，對每個備選學(xué)校地址設(shè)置對應(yīng)的學(xué)校服務(wù)區(qū)域，在學(xué)校服務(wù)區(qū)域內(nèi)生成樣本居民；所述篩選單元，用于通過快收斂式蟻群算法，計算學(xué)校服務(wù)區(qū)域內(nèi)每一個樣本居民與對應(yīng)備選學(xué)校地址之間的最佳路徑，根據(jù)每個學(xué)校服務(wù)區(qū)域的最佳路徑分布，從多個備選學(xué)校地址中選取實際學(xué)校地址；所述蟻群算法單元，用于執(zhí)行所述快收斂式蟻群算法，包括：以學(xué)校服務(wù)區(qū)域內(nèi)的路口作為節(jié)點，連接路口的道路作為邊得到無向圖；以無向圖上的樣本居民所在位置作為起點，將備選學(xué)校地址作為終點；經(jīng)過多輪迭代，在滿足停止條件時，輸出起點與終點之間距離最短的路徑作為最佳路徑；每一輪迭代包括狀態(tài)轉(zhuǎn)移階段和信息素更新階段，其中：狀態(tài)轉(zhuǎn)移階段中，設(shè)置螞蟻從起點出發(fā)向終點移動；在移動過程中，引入距離引導(dǎo)因子和方向耦合因子計算螞蟻移動至下一個節(jié)點的轉(zhuǎn)移概率；所述距離引導(dǎo)因子表征節(jié)點與終點之間的直線距離；當(dāng)前節(jié)點朝向下一個節(jié)點的方向為第一方向，當(dāng)前節(jié)點朝向終點的方向為第二方向，所述方向耦合因子表征第一方向和第二方向之間的偏差程度；信息素更新階段中，引入概率函數(shù)計算被選中的螞蟻在無向圖中的邊留下的信息素濃度，邊的信息素濃度越高，螞蟻移動通過相應(yīng)的邊移動至下一節(jié)點的轉(zhuǎn)移概率越高；所述概率函數(shù)中引入貪婪因子，所述貪婪因子表征隨著迭代輪數(shù)的增加，信息素濃度的衰減程度。

30、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點：引入距離引導(dǎo)因子和方向耦合因子，提升螞蟻在每個節(jié)點決策時的智能性，有效濾除明顯的劣解，加快算法收斂、提高計算效能，提高了路徑規(guī)劃的準確性；引入貪婪因子，使得算法在搜索初期獲得了更大的廣度搜索能力，有更大的可能性跳出局部最小值，確保了算法的全局搜索能力，同時在搜索過程達到中后期不陷入對龐大解空間的盲目搜索，增加了算法的魯棒性。