寻求最短粮食运输路径的方法、设备、系统及存储介质与流程
本发明涉及路径规划技术邻域，尤其涉及一种寻求最短粮食运输路径的方法、设备、系统及存储介质。
背景技术：
我国粮食主产区至主销区的粮食运输主要依靠铁路和铁水联运。但铁路运能严重不足，山海关成为东北粮食外运的瓶颈，粮食跨区调运尤其是北粮南运受限严重，主产区储备粮难以及时运往主销区使得销区供应难以保证，而主销区已销售的粮食不能按时出库。在加拿大，运往终端粮库的车皮每节运量可达100吨，一次运粮可达1.6万吨，是我国专列运量的5倍多，并且其装卸设备完善、高效，实现了自动化和专业化。澳大利亚20世纪初发展粮食四散化技术，目前散装粮食运输体系在其国内已经建立，散装散运率达99％，效率高，成本低。相比，我国粮食物流效率总体上处于较低水平，有待进一步提高。
国内外有许多学者对粮食运输路径问题进行了相关研究，希望通过算法来进行粮食运输路径的规划。dantzig和ramser在1959年首次提出vrp(车辆路径问题)时就给出了一种算法，后来他们又改进了这一算法，但是这两个算法都只注重路线的完整组成，而没有考虑到目标函数(路径节约)的最小化问题。gendreau等人最先将由glover提出的禁忌搜索算法应用于求解车辆路径问题中，但ts算法对初始解的依赖性较强，且不能并行搜索，全局性较差。cambardella和dorigo针对组合优化问题的求解给出了蚂蚁算法模型一蚂蚁群体优化，蚁群算法的计算机制为并行，可以吸取其他算法的优点为己用，鲁棒性强，但是不能避免局部最优，收敛速度过慢。
近年来也有学者用混合优化算法对粮食运输路径问题进行了研究，如郎茂祥的基于遗传算法(ga，geneticalgorithm)和爬山法的混合ga；陈卫东、王佳的基于遗传变异算子的混合蚁群算法；王菌的基于ga与ts算法的混合算法等。
蚁群算法前期收敛速度快，但后期收敛速度慢、易陷入局部最优。蚁群算法中初始信息素匮乏。蚁群算法一般需要较长的搜索时间，其复杂度可以反映这一点；而且该方法容易出现停滞现象，即搜索进行到一定程度后，所有个体发现的解完全一致，不能对解空间进行进一步搜索，不利于发现更好的解。禁忌搜索算法对初始解有较强的依赖性，较差的初始解会降低禁忌搜索算法的收敛速度；除此之外，迭代搜索过程是把一个解移动到另一个解，从而降低了得到全局最优解的概率。
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。
技术实现要素：
本发明的主要目的在于提供一种寻求最短粮食运输路径的方法、设备、系统及存储介质，旨在解决现有技术中用于规划粮食运输路径的算法精度差，造成粮食流通及运输成本高的技术问题。
为实现上述目的，本发明提供一种寻求最短粮食运输路径的方法，所述方法包括以下步骤：
获取粮食配送中心及多个运输目标城市的位置信息；
基于所述位置信息，通过蚁群算法获得多条粮食运输路径；
从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径；
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
优选地，所述基于所述位置信息，通过蚁群算法获得多条粮食运输路径，具体包括：
基于所述位置信息，建立粮食运输模型；
基于所述粮食运输模型，通过蚁群算法获得多条粮食运输路径；
相应地，所述将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，具体包括：
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述粮食运输模型，通过禁忌搜索算法确定最短粮食运输路径。
优选地，所述基于所述粮食运输模型，通过蚁群算法获得多条粮食运输路径，具体包括：
将所述粮食配送中心设置为所述蚁群算法中所有蚂蚁的出发点；
计算当前蚂蚁向当前允许选择的城市转移的概率；
根据转移概率确定当前蚂蚁将要达到的目标运输城市；
将所述蚂蚁遍历所述目标运输城市的路线作为粮食运输路径。
优选地，通过以下方式计算当前蚂蚁向当前允许选择的城市转移的概率，
其中，
优选地，所述将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述粮食运输模型通过禁忌搜索算法确定最短粮食运输路径，具体包括：
通过预设交换算子，分别对所述目标粮食运输路径中的城市位置进行变换，获得所述目标粮食运输路径的路径邻域集；
基于期望函数分别对所述路径邻域集中的粮食运输路径进行计算，获得所述粮食运输路径对应的期望值；
将所述路径邻域集中最大期望值对应的粮食运输路径作为最短粮食运输路径。
优选地，所述将所述蚂蚁遍历所述目标运输城市的路线作为粮食运输路径之后，所述方法还包括：
更新所述粮食运输模型中各城市之间的信息量；
相应地，所述通过预设交换算子，对所述目标粮食运输路径中的城市位置进行变换，获得所述目标粮食运输路径的路径邻域集，具体包括：
基于所述粮食运输模型中各城市间的信息量，确定所述目标粮食运输路径中各城市的竞争力；
根据所述城市的竞争力确定所述目标粮食运输路径中进行位置变换的目标城市。
优选地，基于所述粮食运输模型中各城市间的信息量，通过以下公式计算所述目标粮食运输路径中各城市的竞争力，
其中，cj为粮食运输路径中j城市的竞争力，τij为城市i和城市j之间的信息量，τjk为城市j和城市k之间的信息量，城市i和城市k分别为粮食运输路径中与城市j相邻的城市。
此外，为实现上述目的，本发明还提供一种寻求最短粮食运输路径的设备，所述寻求最短粮食运输路径的设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的寻求最短粮食运输路径的程序，所述寻求最短粮食运输路径的程序配置为实现如上文所述的寻求最短粮食运输路径的方法的步骤。
此外，为实现上述目的，本发明还提供一种寻求最短粮食运输路径的系统，所述寻求最短粮食运输路径的系统包括：
信息获取模块，用于获取粮食配送中心及多个运输目标城市的位置信息；
路径获取模块，用于基于所述位置信息，通过蚁群算法获得多条粮食运输路径；
目标路径确定模块，用于从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径；
最短路径确定模块，用于将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有寻求最短粮食运输路径的程序，所述寻求最短粮食运输路径的程序被处理器执行时实现如上文所述的寻求最短粮食运输路径的方法的步骤。
本发明的设备首先获取粮食配送中心及多个运输目标城市的位置信息，基于所述位置信息，通过蚁群算法获得多条粮食运输路径，从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径，将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，本发明通过蚁群算法与禁忌搜索算法的结合，将两种算法的优势保留下来，缺点被削弱，提高了用于粮食运输路径规划的算法的计算精度，寻求最短粮食运输路径，提高了粮食流通效率，降低了粮食流通成本。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的寻求最短粮食运输路径的设备结构示意图；
图2为本发明寻求最短粮食运输路径的方法第一实施例的流程示意图；
图3为本发明寻求最短粮食运输路径的系统第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的寻求最短粮食运输路径的设备的结构示意图。
如图1所示，该寻求最短粮食运输路径的设备可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本邻域技术人员可以理解，图1中示出的结构并不构成对实现复杂数据分析寻求最短粮食运输路径的设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及寻求最短粮食运输路径的程序。
图1所示的寻求最短粮食运输路径的设备中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；所述寻求最短粮食运输路径的设备通过处理器1001调用存储器1005中存储的寻求最短粮食运输路径的程序，并执行以下操作：
获取粮食配送中心及多个运输目标城市的位置信息；
基于所述位置信息，通过蚁群算法获得多条粮食运输路径；
从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径；
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
进一步地，处理器1001可以调用存储器1005中存储的寻求最短粮食运输路径的程序，还执行以下操作：
基于所述位置信息，建立粮食运输模型；
基于所述粮食运输模型，通过蚁群算法获得多条粮食运输路径；
相应地，所述将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，具体包括：
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述粮食运输模型，通过禁忌搜索算法确定最短粮食运输路径。
进一步地，处理器1001可以调用存储器1005中存储的寻求最短粮食运输路径的程序，还执行以下操作：
将所述粮食配送中心设置为所述蚁群算法中所有蚂蚁的出发点；
计算当前蚂蚁向当前允许选择的城市转移的概率；
根据转移概率确定当前蚂蚁将要达到的目标运输城市；
将所述蚂蚁遍历所述目标运输城市的路线作为粮食运输路径。
进一步地，处理器1001可以调用存储器1005中存储的寻求最短粮食运输路径的程序，还执行以下操作：
通过预设交换算子，分别对所述目标粮食运输路径中的城市位置进行变换，获得所述目标粮食运输路径的路径邻域集；
基于期望函数分别对所述路径邻域集中的粮食运输路径进行计算，获得所述粮食运输路径对应的期望值；
将所述路径邻域集中最大期望值对应的粮食运输路径作为最短粮食运输路径。
进一步地，处理器1001可以调用存储器1005中存储的寻求最短粮食运输路径的程序，还执行以下操作：
基于所述粮食运输模型中各城市间的信息量，确定所述目标粮食运输路径中各城市的竞争力；
根据所述城市的竞争力确定所述目标粮食运输路径中进行位置变换的目标城市。
本实施例通过上述方案，获取粮食配送中心及多个运输目标城市的位置信息，基于所述位置信息，通过蚁群算法获得多条粮食运输路径，从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径，将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，本发明通过蚁群算法与禁忌搜索算法的结合，将两种算法的优势保留下来，缺点被削弱，提高了用于粮食运输路径规划的算法的计算精度，寻求最短粮食运输路径，提高了粮食流通效率，降低了粮食流通成本。
基于上述硬件结构，提出本发明寻求最短粮食运输路径的方法实施例。
参照图2，图2为本发明寻求最短粮食运输路径的方法第一实施例的流程示意图。
在第一实施例中，所述寻求最短粮食运输路径的方法包括以下步骤：
s10：获取粮食配送中心及多个运输目标城市的位置信息。
在具体实现中，获取粮食配送中心及多个运输目标城市的位置信息，具体包括粮食配送中心和多个运输目标城市之间以及多个运输目标城市之间的相对位置及距离信息。
s20：基于所述位置信息，通过蚁群算法获得多条粮食运输路径。
本发明是通过将实际的粮食运输问题转化成数学问题，通过算法求取粮食运输路径，因此，在具体实现中，会首先基于所述位置信息，建立粮食运输模型，再基于建立的粮食运输模型，通过蚁群算法获得多条粮食运输路径。
在具体实现中，首先进行参数初始化，时间t及循环次数nc设置为0，且根据具体情况设置最大循环次数ncmax，将粮食配送中心设置为所有蚂蚁的出发点，计算当前蚂蚁向当前允许选择的城市转移的概率，根据转移概率确定当前蚂蚁将要达到的当前目标城市，直至蚂蚁遍历所有目标运输城市，记录蚂蚁遍历所述目标运输城市的路线，并将遍历所述目标运输城市的路线作为粮食运输路径。
需要说明的是，本实施例中，通过下面所示的公式(1)计算当前蚂蚁向当前允许选择的城市转移的概率，
其中，
可以理解的是，α表示运动轨迹的相对重要程度，反应了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，可以根据具体情况进行设置，本实施例不加以具体的限制。β作为期望启发因子，表示路径可见程度的相对重要程度，其值越大，则该状态转移概率越接近于贪心规则，也就是，越倾向于往能见程度高的路径上行走，本实施例中，不采用固定的β值，只是设置β的最大值和最小值，采用自适应的β，通过公式(2)进行计算。
s30：从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径。
由于禁忌搜索算法对初始解具有较大的依赖性，故先用蚁群算法得到多条相似的初始解对禁忌搜索算法是没有太大意义的，本实施例中，会在蚁群算法获得的多条初始粮食运输路径中加入距离公式，从初始粮食运输路径中选出满足预先设置的路径相似度条件的目标粮食运输路径，提高禁忌算法的初始解的多样性，扩大搜索范围，有利于增强禁忌搜索算法的稳定性。
s40：将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
在具体实现中，通过预设交换算子，分别对所述目标粮食运输路径中的城市位置进行变换，获得各目标粮食运输路径的路径邻域集，基于期望函数分别对所述路径邻域集中的粮食运输路径进行计算，获得各粮食运输路径对应的期望值，并将其中路径邻域集中最大期望值对应的粮食运输路径作为最短粮食运输路径。
本实施例中，预设的交换算子可以为转置算子、相邻交换算子或插入算子。其中，转置算子是在当前路径中，随机选取两个路径点i和j，i之前的路径保持不变，将i和j之间的路径翻转其编号，j之后的路径保持不变，从而获取新路径的方法；相邻交换算子是在当前路径中，随机选择两个路径点i和j，将i和j的位置交换后就形成了一个新的路径；插入算子是在当前路径中，随机选择两个路径点i和j，将路径点i插入到路径点j-1之后。
需要说明的是，本发明是寻求最短粮食运输路径，可以将路径长度作为期望函数，具体的计算公式本实施例不加以限制。
本实施例中，选择进行位置变换的城市点并不是随机的，在蚂蚁算法达到最大迭代次数，算法结束之后，会对所述粮食运输模型中各城市之间的信息量进行更新，基于所述粮食运输模型中各城市间的信息量，确定目标粮食运输路径中各城市的竞争力，根据各城市的竞争力确定所述目标粮食运输路径中进行位置变换的目标城市。
进一步地，可以通过以下公式(3)计算所述目标粮食运输路径中各城市的竞争力，
其中，cj为粮食运输路径中j城市的竞争力，τij为城市i和城市j之间的信息量，τjk为城市j和城市k之间的信息量，城市i和城市k分别为粮食运输路径中与城市j相邻的城市。
在本实施例中，获取粮食配送中心及多个运输目标城市的位置信息，基于所述位置信息，通过蚁群算法获得多条粮食运输路径，从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径，将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，本发明通过蚁群算法与禁忌搜索算法的结合，将两种算法的优势保留下来，缺点被削弱，提高了用于粮食运输路径规划的算法的计算精度，寻求最短粮食运输路径，提高了粮食流通效率，降低了粮食流通成本。
参照图3，图3为本发明寻求最短粮食运输路径的系统第一实施例的功能模块图，基于寻求最短粮食运输路径的方法，提出本发明寻求最短粮食运输路径的系统的第一实施例。
在本实施例中，所述寻求最短粮食运输路径的系统包括：
信息获取模块10，用于获取粮食配送中心及多个运输目标城市的位置信息。
在具体实现中，获取粮食配送中心及多个运输目标城市的位置信息，具体包括粮食配送中心和多个运输目标城市之间以及多个运输目标城市之间的相对位置及距离信息。
路径获取模块20，用于基于所述位置信息，通过蚁群算法获得多条粮食运输路径。
本发明是通过将实际的粮食运输问题转化成数学问题，通过算法求取粮食运输路径，因此，在具体实现中，会首先基于所述位置信息，建立粮食运输模型，再基于建立的粮食运输模型，通过蚁群算法获得多条粮食运输路径。
在具体实现中，首先进行参数初始化，时间t及循环次数nc设置为0，且根据具体情况设置最大循环次数ncmax，将粮食配送中心设置为所有蚂蚁的出发点，计算当前蚂蚁向当前允许选择的城市转移的概率，根据转移概率确定当前蚂蚁将要达到的当前目标城市，直至蚂蚁遍历所有目标运输城市，记录蚂蚁遍历所述目标运输城市的路线，并将遍历所述目标运输城市的路线作为粮食运输路径。
需要说明的是，本实施例中，通过下面所示的公式(1)计算当前蚂蚁向当前允许选择的城市转移的概率，
其中，
可以理解的是，α表示运动轨迹的相对重要程度，反应了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，可以根据具体情况进行设置，本实施例不加以具体的限制。β作为期望启发因子，表示路径可见程度的相对重要程度，其值越大，则该状态转移概率越接近于贪心规则，也就是，越倾向于往能见程度高的路径上行走，本实施例中，不采用固定的β值，只是设置β的最大值和最小值，采用自适应的β，通过公式(2)进行计算。
目标路径确定模块30，用于从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径。
由于禁忌搜索算法对初始解具有较大的依赖性，故先用蚁群算法得到多条相似的初始解对禁忌搜索算法是没有太大意义的，本实施例中，会在蚁群算法获得的多条初始粮食运输路径中加入距离公式，从初始粮食运输路径中选出满足预先设置的路径相似度条件的目标粮食运输路径，提高禁忌算法的初始解的多样性，扩大搜索范围，有利于增强禁忌搜索算法的稳定性。
最短路径确定模块40，用于将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
在具体实现中，通过预设交换算子，分别对所述目标粮食运输路径中的城市位置进行变换，获得各目标粮食运输路径的路径邻域集，基于期望函数分别对所述路径邻域集中的粮食运输路径进行计算，获得各粮食运输路径对应的期望值，并将其中路径邻域集中最大期望值对应的粮食运输路径作为最短粮食运输路径。
本实施例中，预设的交换算子可以为转置算子、相邻交换算子或插入算子。其中，转置算子是在在当前路径中，随机选取两个路径点i和j，i之前的路径保持不变，将i和j之间的路径翻转其编号，j之后的路径保持不变，从而获取新路径的方法；相邻交换算子是在当前路径中，随机选择两个路径点i和j，将i和j的位置交换后就形成了一个新的路径；插入算子是在当前路径中，随机选择两个路径点i和j，将路径点i插入到路径点j-1之后。
需要说明的是，本发明是寻求最短粮食运输路径，可以将路径长度作为期望函数，具体的计算公式本实施例不加以限制。
本实施例中，选择进行位置变换的城市点并不是随机的，在蚂蚁算法达到最大迭代次数，算法结束之后，会对所述粮食运输模型中各城市之间的信息量进行更新，基于所述粮食运输模型中各城市间的信息量，确定目标粮食运输路径中各城市的竞争力，根据各城市的竞争力确定所述目标粮食运输路径中进行位置变换的目标城市。
进一步地，可以通过以下公式(3)计算所述目标粮食运输路径中各城市的竞争力，
其中，cj为粮食运输路径中j城市的竞争力，τij为城市i和城市j之间的信息量，τjk为城市j和城市k之间的信息量，城市i和城市k分别为粮食运输路径中与城市j相邻的城市。
在本实施例中，获取粮食配送中心及多个运输目标城市的位置信息，基于所述位置信息，通过蚁群算法获得多条粮食运输路径，从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径，将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，本发明通过蚁群算法与禁忌搜索算法的结合，将两种算法的优势保留下来，缺点被削弱，提高了用于粮食运输路径规划的算法的计算精度，寻求最短粮食运输路径，提高了粮食流通效率，降低了粮食流通成本。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有寻求最短粮食运输路径的程序，所述寻求最短粮食运输路径的程序被处理器执行时实现如下操作：
获取粮食配送中心及多个运输目标城市的位置信息；
基于所述位置信息，通过蚁群算法获得多条粮食运输路径；
从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径；
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径。
进一步地，所述寻求最短粮食运输路径的程序被处理器执行时还实现如下操作：
基于所述位置信息，建立粮食运输模型；
基于所述粮食运输模型，通过蚁群算法获得多条粮食运输路径；
相应地，所述将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，具体包括：
将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述粮食运输模型，通过禁忌搜索算法确定最短粮食运输路径。
进一步地，所述寻求最短粮食运输路径的程序被处理器执行时还实现如下操作：
将所述粮食配送中心设置为所述蚁群算法中所有蚂蚁的出发点；
计算当前蚂蚁向当前允许选择的城市转移的概率；
根据转移概率确定当前蚂蚁将要达到的当前目标城市；
将所述蚂蚁遍历所述目标运输城市的路线作为粮食运输路径。
进一步地，所述寻求最短粮食运输路径的程序被处理器执行时还实现如下操作：
通过预设交换算子，分别对所述目标粮食运输路径中的城市位置进行变换，获得所述目标粮食运输路径的路径邻域集；
基于期望函数分别对所述路径邻域集中的粮食运输路径进行计算，获得所述粮食运输路径对应的期望值；
将所述路径邻域集中最大期望值对应的粮食运输路径作为最短粮食运输路径。
进一步地，所述寻求最短粮食运输路径的程序被处理器执行时还实现如下操作：
基于所述粮食运输模型中各城市间的信息量，确定所述目标粮食运输路径中各城市的竞争力；
根据所述城市的竞争力确定所述目标粮食运输路径中进行位置变换的目标城市。
本实施例通过上述方案，获取粮食配送中心及多个运输目标城市的位置信息，基于所述位置信息，通过蚁群算法获得多条粮食运输路径，从所述粮食运输路径中选取若干条满足预设路径相似度条件的目标粮食运输路径，将所述目标粮食运输路径作为禁忌搜索算法的初始粮食运输路径，基于所述位置信息通过禁忌搜索算法确定最短粮食运输路径，本发明通过蚁群算法与禁忌搜索算法的结合，将两种算法的优势保留下来，缺点被削弱，提高了用于粮食运输路径规划的算法的计算精度，寻求最短粮食运输路径，提高了粮食流通效率，降低了粮食流通成本。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本邻域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术邻域，均同理包括在本发明的专利保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！