一种动物园饲料投放车的制作方法
一种动物园饲料投放车的制作方法
【技术领域】
[0001 ]本发明涉及饲料投放领域，具体涉及一种动物园饲料投放车。
【背景技术】
[0002] 现代化的动物园正朝着大型化动物园的方向发展，动物园的占地越来越大，这也 给饲料的运输和投放造成了一定的困难。现在越来越多的动物园采用车辆投放的方式来投 放饲料。
[0003] 同时，不同时间点又有不同的地点需要投放饲料，因此，如何根据不同的时间和不 同目的地来选择一条更能节省饲料投放车运行车本的路径，是一个亟需解决的问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种动物园饲料投放车。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] -种动物园饲料投放车，其特征是，包括动物园饲料投放车和安装在动物园饲料 投放车上的导航仪;导航仪具体包括信号模块、处理模块和生成模块；
[0007] 信号模块，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地的 预计要求时间；
[0008] 处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0009] 建立模块：
[0010]
[0011] 其中，mins为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的 地数量;bo为单位距离碳排放成本；ω Q为碳排放系数；ΦQ为空载时单位距离燃料消耗量;fu 为目的地Κ? = 1，2，···，υ)到目的地」（」=1，2，一，1])之间的距离;(：为动物园饲料投放车的 载重量;Η为动物园饲料投放车的最大载重量；为满载时单位距离燃料消耗量；
投放车提前到达损失系数，_ A)为于时刻G提前到达目的地i时的成本损失，T2为 包j
[0012] 为动物园饲料 动物园饲料投放车迟到损失系数，T2 _ 00:为延迟至时刻0到达目的地i时的成本损 失，提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准 点情况，TdPT2为人为设定的系数；
[0013]概率模块:假设共有R个节点，Ylj(t)表示t时刻节点i与节点j之间的跟踪素强度， γυ(〇)=κ(κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选择转 移方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：
[0014]
[0015]其中，g￡Ak;Ak= {0,1，···，R-l}_Bk表示动物园饲料投放车k下一步允许选择的点 的集合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动物园饲料投放车的禁忌表，用来记 录动物园饲料投放车k已服务过的点；％(?)为启发式因子，表示t时刻由节点i至I」节点j的期 望程度，一般取忤⑴=V/ij冲为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的 地的时间度;3为下一个目的地的时间度相对重要性；
[0016] 更新模块：引入优化变量Xij (t)，其满足Xij(t+Ι) = σχ( t) [ 1-Xij(t)]，其中σ为控制 变量，得出优化的跟踪素更新规则：
[0017] γ ij(t+l) = (l〇 γ ij(t)+A γ ij(t)+HXij(t)
[0018]
[0019] 为第k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，△:κ?(〇表 示在本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全 局挥发因子，ζ e [ 0，1 ]，且ζ为根据如下公式动态调整的参数：
其中Qin是人为设定的最小值；a yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;η为可调节系数； [0020]零点模块:令迭代次数DD = 0，进行参数初始化，调整各路径跟踪素;产生一个范围 为[0，1 ]的随机数P，若P <给定常数P 〇，按照下式选择下一个节点j : j = arg max|]K(U)] φ X [少(U)]M X k/(U)叫，其中leAk;否则根据概率模块中的概率 公式选择下一个节点j，将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的 初始集Si;
[0021] 最优解模块:从当前的初始集中生成一组新的可行解&，目标值变化量AS = Sj-Si，若Δ S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其 中N为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1;
[0022] 选择模块：当前最优解小于某一特定值时，进行跟踪素更新;如果本轮列表Bk中无 数据更新，贝丨』产生一个[0，1 ]范围的随机数u，若Θ1+Θ2+，…，ei-I<u<ei+e2+，…，ei，贝lj选择概 率为ei的候选动物园饲料投放车作为下一个目标节点；
[0023] 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据 跟踪素更新规则，按照公式N(t+l)=N(t).v进行清空B k列表，其中ve[0，l]，回到零点模 块，重新产生随机数P;若DD = DDmax，则输出最优解作为最优路径。
[0024] 本发明的有益效果为:本发明采用优化的路径算法，考虑了动物园饲料投放车运 行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最 大限度地节省投放的运行成本，能起到很好的节能效果。
【附图说明】
[0025] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0026]图1是本发明的结构框图。
[0027]附图标记:信号模块-1;建立模块_2;概率模块-3;更新模块-4;零点模块-5;最优 解模块-6;选择模块-7;生成模块-8。
【具体实施方式】
[0028] 结合以下实施例对本发明作进一步描述。
[0029] 如图1所示的一种动物园饲料投放车，包括动物园饲料投放车和安装在动物园饲 料投放车上的导航仪;导航仪具体包括信号模块1、处理模块和生成模块8;
[0030] 信号模块1，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地 的预计要求时间；
[0031]处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0032] 建立模块2:
[0033] t -υ
[0034] 其中，minS为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的 地数量;bQ为单位距离碳排放成本；ω Q为碳排放系数；ΦQ为空载时单位距离燃料消耗量; 为目的地Κ? = 1，2，···，υ)到目的地」（」=1，2，一，1])之间的距离;(：为动物园饲料投放车的 载重量；
[0035] Η为动物园饲料投放车的最大载重暈：为满载时单位距离燃料消耗量；
[0036]
tTi为动物园饲料 投放车提前到达损失系数，- tf)为于时刻G提前到达目的地i时的成本损失，T2为 动物园饲料投放车迟到损失系数，Α Σ!?(~ - α)为延迟至时刻0到达目的地i时的成本损 失，提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准 点情况，TdPT2为人为设定的系数；
[0037] 概率模块3:假设共有R个节点，丫^⑴表示t时刻节点i与节点j之间的跟踪素强 度，γ^(0)=Κ(Κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选 择转移方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：
[0038]
[0039] 其中，gEAk;Ak=丨0,1，···，R-1}-Bk表示动物园词料投放车k下一步允许选择的点 的集合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动 物园饲料投放车的禁忌表，用来记 录动物园饲料投放车k已服务过的点；iPij (?)为启发式因子，表示t时刻由节点i到节点j的期 望程度，一般取％j(t) = 为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的 地的时间度;3为下一个目的地的时间度相对重要性；
[0040] 更新模块4:引入优化变量Xij (t)，其满足Xij (t+1) = σΧ(t) [ 1-Xij (t)]，其中σ为控 制变量，得出优化的跟踪素更新规则：
[0041] γ ij(t+l) = (l〇 γ ij(t)+A γ ij(t)+HXij(t)
[0042] 其中，Δ yjt) = ΣΡ=ιΔ 4(t)，
[0043]
为第k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，△ }'/?(〇表 示在本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全 局挥发因子，ζ e [ 0，1 ]，且ζ为根据如下公式动态调整的参数：
其中Qin是人为设定的最小值；A Yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;Η为可调节系数；
[0044] 零点模块5:令迭代次数DD = 0，进行参数初始化，调整各路径跟踪素;产生一个范 围为[0，1 ]的随机数P，若P <给定常数P 〇，按照下式选择下一个节点j : j = arg Ψ χ〖φ(?,Γ)]μ X ，其中leAk;否则根据概率模块3中的概率 公式选择下一个节点j，将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的 初始集Si;
[0045] 最优解模块6:从当前的初始集中生成一组新的可行解&，目标值变化量AS = Sj-Si，若Δ S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其 中N为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1;
[0046] 选择模块7:当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表Bk中 无数据更新，贝>J产生一个[0，1]范围的随机数u，若ei+e2+，···，ei-I<u<ei+e2+，···，ei，则选择 概率为ei的候选动物园饲料投放车作为下一个目标节点；
[0047]生成模块8:用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据 跟踪素更新规则，按照公式N(t+l)=N(t).v进行清空Bk列表，其中ve[0，l]，回到零点模块 5，重新产生随机数p;若DD = DDmax，则输出最优解作为最优路径。
[0048]本发明采用优化的路径算法，考虑了动物园饲料投放车运行过程中的各种成本因 素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省投放的运 行成本，能起到很好的节能效果。
[0049]最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种动物园饲料投放车，其特征是，包括动物园饲料投放车和安装在动物园饲料投 放车上的导航仪;导航仪具体包括信号模块、处理模块和生成模块； 信号模块，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地的预计 要求时间； 处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路径， 具体包括： 建立模块：其中，mins为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的地数 量;b〇为单位距离碳排放成本；ω 〇为碳排放系数；Φ〇为空载时单位距离燃料消耗量;fij为目 的地i(i = l，2，···，U)到目的地j( j = l，2,…，U)之间的距离;c为动物园饲料投放车的载重 量;H为动物园饲料投放车的最大载重量；为满载时单位距离燃料消耗量；T1为动物园饲料投放 车提前到达损失系数，为于时刻G提前到达目的地i时的成本损失，Τ2为动物 园饲料投放车迟到损失系数，：为延迟至时刻〇到达目的地i时的成本损失， 提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准点 情况，TjPT2为人为设定的系数； 概率模块:假设共有R个节点，γ Jt)表示t时刻节点i与节点j之间的跟踪素强度，γ ^ (0)=Κ(Κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选择转移 方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：其中，g￡Ak;Ak= {0,1，…，R-l}_Bk表示动物园饲料投放车k下一步允许选择的点的集 合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动物园饲料投放车的禁忌表，用来记录动 物园饲料投放车k已服务过的点；<Pij(0为启发式因子，表示t时刻由节点i到节点j的期望程 度，一般取.为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的地的 时间度；纪为下一个目的地的时间度相对重要性； 更新模块：引入优化变量Xij (t)，其满足Xij (t+Ι) = σΧ( t) [ I-Xij (t)]，其中σ为控制变 量，得出优化的跟踪素更新规则： γ υ(?+1) = (1-ζ) γ ij(t)+A γ ij(t)+HXij(t) 其中，Fk为第 k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，Δ：κ§(?_):表示在 本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全局挥 发因子，ζ e [ 〇，1 ]，且ζ为根据如下公式动态调整的参数：其中Qin是人为设定的最小值；A yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;η为可调节系数； 零点模块:令迭代次数DD = O，进行参数初始化，调整各路径跟踪素；产生一个范围为 [〇，1 ]的随机数P，若口<给定常数PQ，按照下式选择下一个节点j : j = arg max {[ γ (i，1) ]Φ X【φ(?,Ζ)]μ X，其中IeAk;否则根据概率模块中的概率公式选择下一个节点j， 将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的初始集S1; 最优解模块:从当前的初始集中生成一组新的可行解Sj，目标值变化量AS = Sj-S1，若 A S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其中N 为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1; 选择模块：当前最优解小于某一特定值时，进行跟踪素更新;如果本轮列表Bk中无数据 更新，贝1J产生一个[〇，1 ]范围的随机数u，若ei+e2+，…，ei-I<u<ei+e2+，…，ei，则选择概率为 ei的候选动物园饲料投放车作为下一个目标节点； 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据跟踪 素更新规则，按照公式N(t+l)=N(t).v进行清空Bk列表，其中ve[〇，l]，回到零点模块，重 新产生随机数P;若DD = DDmax，则输出最优解作为最优路径。
【专利摘要】一种动物园饲料投放车，包括动物园饲料投放车和安装在动物园饲料投放车上的导航仪；导航仪具体包括信号模块、处理模块和生成模块。本发明采用优化的路径算法，考虑了动物园饲料投放车运行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省投放的运行成本，能起到很好的节能效果。
【IPC分类】G06Q10/04, G06Q50/10
【公开号】CN105488745
【申请号】CN201510860070
【发明人】蔡权
【申请人】蔡权
【公开日】2016年4月13日
【申请日】2015年12月1日
【技术领域】
[0001 ]本发明涉及饲料投放领域，具体涉及一种动物园饲料投放车。
【背景技术】
[0002] 现代化的动物园正朝着大型化动物园的方向发展，动物园的占地越来越大，这也 给饲料的运输和投放造成了一定的困难。现在越来越多的动物园采用车辆投放的方式来投 放饲料。
[0003] 同时，不同时间点又有不同的地点需要投放饲料，因此，如何根据不同的时间和不 同目的地来选择一条更能节省饲料投放车运行车本的路径，是一个亟需解决的问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种动物园饲料投放车。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] -种动物园饲料投放车，其特征是，包括动物园饲料投放车和安装在动物园饲料 投放车上的导航仪;导航仪具体包括信号模块、处理模块和生成模块；
[0007] 信号模块，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地的 预计要求时间；
[0008] 处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0009] 建立模块：
[0010]
[0011] 其中，mins为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的 地数量;bo为单位距离碳排放成本；ω Q为碳排放系数；ΦQ为空载时单位距离燃料消耗量;fu 为目的地Κ? = 1，2，···，υ)到目的地」（」=1，2，一，1])之间的距离;(：为动物园饲料投放车的 载重量;Η为动物园饲料投放车的最大载重量；为满载时单位距离燃料消耗量；
投放车提前到达损失系数，_ A)为于时刻G提前到达目的地i时的成本损失，T2为 包j
[0012] 为动物园饲料 动物园饲料投放车迟到损失系数，T2 _ 00:为延迟至时刻0到达目的地i时的成本损 失，提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准 点情况，TdPT2为人为设定的系数；
[0013]概率模块:假设共有R个节点，Ylj(t)表示t时刻节点i与节点j之间的跟踪素强度， γυ(〇)=κ(κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选择转 移方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：
[0014]
[0015]其中，g￡Ak;Ak= {0,1，···，R-l}_Bk表示动物园饲料投放车k下一步允许选择的点 的集合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动物园饲料投放车的禁忌表，用来记 录动物园饲料投放车k已服务过的点；％(?)为启发式因子，表示t时刻由节点i至I」节点j的期 望程度，一般取忤⑴=V/ij冲为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的 地的时间度;3为下一个目的地的时间度相对重要性；
[0016] 更新模块：引入优化变量Xij (t)，其满足Xij(t+Ι) = σχ( t) [ 1-Xij(t)]，其中σ为控制 变量，得出优化的跟踪素更新规则：
[0017] γ ij(t+l) = (l〇 γ ij(t)+A γ ij(t)+HXij(t)
[0018]
[0019] 为第k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，△:κ?(〇表 示在本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全 局挥发因子，ζ e [ 0，1 ]，且ζ为根据如下公式动态调整的参数：
其中Qin是人为设定的最小值；a yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;η为可调节系数； [0020]零点模块:令迭代次数DD = 0，进行参数初始化，调整各路径跟踪素;产生一个范围 为[0，1 ]的随机数P，若P <给定常数P 〇，按照下式选择下一个节点j : j = arg max|]K(U)] φ X [少(U)]M X k/(U)叫，其中leAk;否则根据概率模块中的概率 公式选择下一个节点j，将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的 初始集Si;
[0021] 最优解模块:从当前的初始集中生成一组新的可行解&，目标值变化量AS = Sj-Si，若Δ S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其 中N为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1;
[0022] 选择模块：当前最优解小于某一特定值时，进行跟踪素更新;如果本轮列表Bk中无 数据更新，贝丨』产生一个[0，1 ]范围的随机数u，若Θ1+Θ2+，…，ei-I<u<ei+e2+，…，ei，贝lj选择概 率为ei的候选动物园饲料投放车作为下一个目标节点；
[0023] 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据 跟踪素更新规则，按照公式N(t+l)=N(t).v进行清空B k列表，其中ve[0，l]，回到零点模 块，重新产生随机数P;若DD = DDmax，则输出最优解作为最优路径。
[0024] 本发明的有益效果为:本发明采用优化的路径算法，考虑了动物园饲料投放车运 行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最 大限度地节省投放的运行成本，能起到很好的节能效果。
【附图说明】
[0025] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0026]图1是本发明的结构框图。
[0027]附图标记:信号模块-1;建立模块_2;概率模块-3;更新模块-4;零点模块-5;最优 解模块-6;选择模块-7;生成模块-8。
【具体实施方式】
[0028] 结合以下实施例对本发明作进一步描述。
[0029] 如图1所示的一种动物园饲料投放车，包括动物园饲料投放车和安装在动物园饲 料投放车上的导航仪;导航仪具体包括信号模块1、处理模块和生成模块8;
[0030] 信号模块1，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地 的预计要求时间；
[0031]处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路 径，具体包括：
[0032] 建立模块2:
[0033] t -υ
[0034] 其中，minS为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的 地数量;bQ为单位距离碳排放成本；ω Q为碳排放系数；ΦQ为空载时单位距离燃料消耗量; 为目的地Κ? = 1，2，···，υ)到目的地」（」=1，2，一，1])之间的距离;(：为动物园饲料投放车的 载重量；
[0035] Η为动物园饲料投放车的最大载重暈：为满载时单位距离燃料消耗量；
[0036]
tTi为动物园饲料 投放车提前到达损失系数，- tf)为于时刻G提前到达目的地i时的成本损失，T2为 动物园饲料投放车迟到损失系数，Α Σ!?(~ - α)为延迟至时刻0到达目的地i时的成本损 失，提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准 点情况，TdPT2为人为设定的系数；
[0037] 概率模块3:假设共有R个节点，丫^⑴表示t时刻节点i与节点j之间的跟踪素强 度，γ^(0)=Κ(Κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选 择转移方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：
[0038]
[0039] 其中，gEAk;Ak=丨0,1，···，R-1}-Bk表示动物园词料投放车k下一步允许选择的点 的集合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动 物园饲料投放车的禁忌表，用来记 录动物园饲料投放车k已服务过的点；iPij (?)为启发式因子，表示t时刻由节点i到节点j的期 望程度，一般取％j(t) = 为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的 地的时间度;3为下一个目的地的时间度相对重要性；
[0040] 更新模块4:引入优化变量Xij (t)，其满足Xij (t+1) = σΧ(t) [ 1-Xij (t)]，其中σ为控 制变量，得出优化的跟踪素更新规则：
[0041] γ ij(t+l) = (l〇 γ ij(t)+A γ ij(t)+HXij(t)
[0042] 其中，Δ yjt) = ΣΡ=ιΔ 4(t)，
[0043]
为第k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，△ }'/?(〇表 示在本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全 局挥发因子，ζ e [ 0，1 ]，且ζ为根据如下公式动态调整的参数：
其中Qin是人为设定的最小值；A Yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;Η为可调节系数；
[0044] 零点模块5:令迭代次数DD = 0，进行参数初始化，调整各路径跟踪素;产生一个范 围为[0，1 ]的随机数P，若P <给定常数P 〇，按照下式选择下一个节点j : j = arg Ψ χ〖φ(?,Γ)]μ X ，其中leAk;否则根据概率模块3中的概率 公式选择下一个节点j，将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的 初始集Si;
[0045] 最优解模块6:从当前的初始集中生成一组新的可行解&，目标值变化量AS = Sj-Si，若Δ S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其 中N为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1;
[0046] 选择模块7:当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表Bk中 无数据更新，贝>J产生一个[0，1]范围的随机数u，若ei+e2+，···，ei-I<u<ei+e2+，···，ei，则选择 概率为ei的候选动物园饲料投放车作为下一个目标节点；
[0047]生成模块8:用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据 跟踪素更新规则，按照公式N(t+l)=N(t).v进行清空Bk列表，其中ve[0，l]，回到零点模块 5，重新产生随机数p;若DD = DDmax，则输出最优解作为最优路径。
[0048]本发明采用优化的路径算法，考虑了动物园饲料投放车运行过程中的各种成本因 素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省投放的运 行成本，能起到很好的节能效果。
[0049]最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种动物园饲料投放车，其特征是，包括动物园饲料投放车和安装在动物园饲料投 放车上的导航仪;导航仪具体包括信号模块、处理模块和生成模块； 信号模块，用于接收用户输入的本轮次的多个投放目的地以及到达各个目的地的预计 要求时间； 处理模块，用于根据本轮次的投放目的地和事先输入的地理环境信息选择最优路径， 具体包括： 建立模块：其中，mins为投放过程中的最低成本;m为当前动物园饲料投放车的总数;U为目的地数 量;b〇为单位距离碳排放成本；ω 〇为碳排放系数；Φ〇为空载时单位距离燃料消耗量;fij为目 的地i(i = l，2，···，U)到目的地j( j = l，2,…，U)之间的距离;c为动物园饲料投放车的载重 量;H为动物园饲料投放车的最大载重量；为满载时单位距离燃料消耗量；T1为动物园饲料投放 车提前到达损失系数，为于时刻G提前到达目的地i时的成本损失，Τ2为动物 园饲料投放车迟到损失系数，：为延迟至时刻〇到达目的地i时的成本损失， 提前到达损失系数和迟到损失系数用于考量动物园饲料投放车到达每一个目的地的准点 情况，TjPT2为人为设定的系数； 概率模块:假设共有R个节点，γ Jt)表示t时刻节点i与节点j之间的跟踪素强度，γ ^ (0)=Κ(Κ为数值较小的常数），动物园饲料投放车在运动过程中根据跟踪素强度选择转移 方向，则动物园饲料投放车k(k=l，2,. . .，m)从节点i转移到节点j的概率为：其中，g￡Ak;Ak= {0,1，…，R-l}_Bk表示动物园饲料投放车k下一步允许选择的点的集 合，随时间呈动态变化，Bk(k = 1，2，…，m)为第k辆动物园饲料投放车的禁忌表，用来记录动 物园饲料投放车k已服务过的点；<Pij(0为启发式因子，表示t时刻由节点i到节点j的期望程 度，一般取.为信息启发式因子，μ为期望启发因子;a(i，j)为下一个目的地的 时间度；纪为下一个目的地的时间度相对重要性； 更新模块：引入优化变量Xij (t)，其满足Xij (t+Ι) = σΧ( t) [ I-Xij (t)]，其中σ为控制变 量，得出优化的跟踪素更新规则： γ υ(?+1) = (1-ζ) γ ij(t)+A γ ij(t)+HXij(t) 其中，Fk为第 k辆动物园饲料投放车在本次循环中所走路径长度，I为跟踪素强度的常数，Δ：κ§(?_):表示在 本次循环中第k辆动物园饲料投放车在路径（i，j)上留下的跟踪素强度;ζ为跟踪素全局挥 发因子，ζ e [ 〇，1 ]，且ζ为根据如下公式动态调整的参数：其中Qin是人为设定的最小值；A yij(t)表示本次 循环中所有动物园饲料投放车在路径(i，j)上留下的跟踪素强度的总和;η为可调节系数； 零点模块:令迭代次数DD = O，进行参数初始化，调整各路径跟踪素；产生一个范围为 [〇，1 ]的随机数P，若口<给定常数PQ，按照下式选择下一个节点j : j = arg max {[ γ (i，1) ]Φ X【φ(?,Ζ)]μ X，其中IeAk;否则根据概率模块中的概率公式选择下一个节点j， 将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的初始集S1; 最优解模块:从当前的初始集中生成一组新的可行解Sj，目标值变化量AS = Sj-S1，若 A S<0，则接受新的可行解Sj为最优解;否则考虑偏差的影响:r = exp(- Δ S/N( t))，其中N 为随时间变化的量，若r>l，则接受&为最优解，否则不接受新的可行解，最优解仍为S1; 选择模块：当前最优解小于某一特定值时，进行跟踪素更新;如果本轮列表Bk中无数据 更新，贝1J产生一个[〇，1 ]范围的随机数u，若ei+e2+，…，ei-I<u<ei+e2+，…，ei，则选择概率为 ei的候选动物园饲料投放车作为下一个目标节点； 生成模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD<DDmax，根据跟踪 素更新规则，按照公式N(t+l)=N(t).v进行清空Bk列表，其中ve[〇，l]，回到零点模块，重 新产生随机数P;若DD = DDmax，则输出最优解作为最优路径。
【专利摘要】一种动物园饲料投放车，包括动物园饲料投放车和安装在动物园饲料投放车上的导航仪；导航仪具体包括信号模块、处理模块和生成模块。本发明采用优化的路径算法，考虑了动物园饲料投放车运行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省投放的运行成本，能起到很好的节能效果。
【IPC分类】G06Q10/04, G06Q50/10
【公开号】CN105488745
【申请号】CN201510860070
【发明人】蔡权
【申请人】蔡权
【公开日】2016年4月13日
【申请日】2015年12月1日
最新回复(0)