一种智能分布式选线系统及选线方法与流程

1.本发明涉及计算机领域，尤其涉及一种智能分布式选线系统及选线方法。


背景技术：

2.选线是一种结合各种属性的多维约束决策，也就是多准则决策问题。每步决策都会使线路向前延伸一定距离。智能选线将人工智能等技术结合，提供多样化的线路备选方案。
3.对于选线的方法有很多，黄耀龙等人于2020.02.21公开的发明专利cn201911051420.1一种基于模糊层次分析法的道路选线方法，主要包括：结合层次分析法建立岩土稳定性概率模型，结合概率模型选择最优路线s。但本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：该方法计算量大，计算复杂度较高，不能保证搜索的方案是否为全局最优，且方法论较为落后，没有尝试过人工智能领域最新的优化理论，所公开的方法较为局限，无法确保能适用于本领域的其他场景问题中。


技术实现要素：

4.本技术实施例通过提供一种智能分布式选线系统及选线方法，解决了现有技术中计算量较大、选线精准性和智能性不足以及应用场景较为局限的问题，最终能够降低计算复杂度，得到最佳线路，具有较强智能性和自适应性，并适用于多种场景的选线设计。
5.本发明的技术方案如下：一种智能分布式选线系统，包括以下部分：模型生成组件、信息采集组件、属性权重预测组件、属性作用组件、筛选组件、智能选线组件、评价输出组件。
6.优选的，所述属性权重预测组件，用于构建属性权重预测模型，根据所述属性权重预测模型得到不同属性信息的属性权重，将属性权重发送给所述属性作用组件；所述属性作用组件，分布于m个服务器中，每个属性作用组件相当于区块链的一个节点，用于计算每个初始控制点不同属性的影响因子，由影响因子绘制出每个初始控制点的属性作用圆，并根据属性作用圆计算每个候选线路的通讯成本，将通讯成本发送给所述筛选组件；所述智能选线组件，用于引入智能体agent，设置智能体的状态和动作，并为智能体设置分裂功能和记忆功能，通过智能体遍历选线模型所有可行线路，智能体输出给所述评价输出组件；所述评价输出组件，用于设置智能体的奖励机制，根据奖励值得到最佳线路，完成选线方法。
7.一种智能分布式选线方法，包括以下步骤：s1.构建选线模型，确定选线设计区域内初始控制点的属性信息，计算每个初始控制点不同属性的权重值；
s2.将每个初始控制点不同属性的加权量化值作为影响因子，绘制每个初始控制点的属性作用圆，计算每条通讯线路的通讯成本，建立候选线路的通讯覆盖区；s3.基于通讯覆盖区筛选得到整体候选线路，引入智能体agent，设置智能体的状态和动作，根据智能体的奖励值选出最佳线路，完成智能分布式选线。
8.优选的，所述步骤s1具体包括：所述属性权重预测组件构建属性权重预测模型，根据所述属性权重预测模型得到不同属性信息所对应的重要程度，即属性权重。
9.优选的，所述步骤s2具体包括：将每个初始控制点不同属性的影响因子作为以当前初始控制点为圆心构成的属性作用圆的半径。以每个初始控制点为圆心，以当前初始控制点不同属性的影响因子为半径，绘制每个初始控制点的属性作用圆。
10.优选的，所述步骤s2具体包括：将所述初始控制点之间连接组成的所有候选线路集视为区块链不同节点之间的通讯连接线路，以区块链不同节点之间的通讯成本作为候选线路的评价值。对所述候选线路集上的每条候选线路，以其为中心建立通讯覆盖区。
11.优选的，所述步骤s2具体包括：计算每条通讯线路的通讯成本，即每条候选线路的评价值，根据通讯成本得到每条通讯线路的通讯覆盖区。
12.优选的，所述步骤s3具体包括：所述智能选线组件基于选线模型引入智能体agent，设置智能体的状态和动作，通过智能体遍历选线模型所有可行线路；为智能体设置分裂功能和记忆功能，初始智能体从起点出发，每当遇到不同候选线路岔口时，自动分裂为相对应的数量，由多个智能体共同向前行动，每个智能体拥有经过的所有控制点信息的记忆。
13.优选的，所述步骤s3具体包括：所述评价输出组件设置智能体的奖励，即智能体输出线路走向后，对智能体进行反馈；选择奖励值最大的智能体输出的线路即为最佳线路。
14.本发明的有益效果是：（1）通过计算初始控制点不同属性的权重可以获知不同属性的重要程度，从而得到控制点在不同方面的影响力，便于对控制点进行全面了解和进一步分析，保证选线的精准性。
15.（2）通过初始控制点不同属性的影响因子分布式计算不同初始控制点之间候选线路的通讯成本，不仅避免了重复计算，降低计算复杂度，而且便于筛选候选线路，为选线提供基础。
16.（3）对候选线路进行精确筛选，利用智能体的分裂功能和记忆功能对整体候选线路进行评分奖励，最终得到最佳线路，保证了方案的全局最优，且具有较强智能性和自适应性，适用于多种场景的选线设计。
17.（4）本技术的技术方案能够有效解决计算量较大、选线精准性和智能性不足以及应用场景较为局限的问题，并且，上述系统及方法经过了一系列的效果调研，通过计算通讯成本、智能体智能选线等方法验证，最终能够降低计算复杂度，得到最佳线路，具有较强智能性和自适应性，适用于多种场景的选线设计。
附图说明
18.图1为本技术所述的一种智能分布式选线系统结构图；图2为本技术所述的一种智能选线方法流程图；
图3为本技术所述的候选线路的通讯覆盖区示意图。
具体实施方式
19.本技术实施例通过提供一种智能分布式选线系统及选线方法，解决了现有技术中存在的计算量较大、选线精准性和智能性不足以及应用场景较为局限的问题。
20.本技术实施例中的技术方案为解决上述的问题，总体思路如下：本发明通过计算初始控制点不同属性的权重可以获知不同属性的重要程度，从而得到控制点在不同方面的影响力，便于对控制点进行全面了解和进一步分析，保证选线的精准性；通过初始控制点不同属性的影响范围分布式计算不同初始控制点之间的通讯成本，不仅避免了重复计算，降低计算复杂度，而且便于确定初始控制点的候选线路，为选线提供基础；通过对候选线路进行精确筛选，利用智能体的分裂功能和记忆功能进行智能选线，最终得到最佳线路，保证了方案的全局最优，且具有较强智能性和自适应性，适用于多种场景的选线设计。
21.为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
22.参照附图1，本技术所述的一种智能分布式选线系统包括以下部分：模型生成组件10、信息采集组件20、属性权重预测组件30、属性作用组件40、筛选组件50、智能选线组件60、评价输出组件70所述模型生成组件10，用于选线区域和分布的初始控制点组成选线模型，将初始控制点传输给所述信息采集组件20，同时模型生成组件10接收筛选组件50发送的筛选后的控制点，对选线模型进行更新，并将更新后的选线模型发送给所述智能选线组件60；所述信息采集组件20，用于根据选线设计规划的需求数据采集选线区域内不同初始控制点的多层属性信息，将不同初始控制点的多层属性信息发送给所述属性权重预测组件30；所述属性权重预测组件30，用于构建属性权重预测模型，根据所述属性权重预测模型得到不同属性信息的属性权重，将属性权重发送给所述属性作用组件40；所述属性作用组件40，分布于m个服务器中，每个属性作用组件相当于区块链的一个节点，用于计算每个初始控制点不同属性的影响因子，由影响因子绘制出每个初始控制点的属性作用圆，并根据属性作用圆计算每个候选线路的通讯成本，将通讯成本发送给所述筛选组件50；所述筛选组件50，用于从每个初始控制点与其他初始控制点的候选线路中，以通讯成本为基础，筛选出符合通讯覆盖阈值的候选线路，得到符合条件的整体候选线路，所述筛选组件50将筛选后的整体候选线路发送给所述模型生成组件10；所述智能选线组件60，用于引入智能体agent，设置智能体的状态和动作，并为智能体设置分裂功能和记忆功能，通过智能体遍历选线模型所有可行线路，智能体输出给所述评价输出组件70；所述评价输出组件70，用于设置智能体的奖励机制，根据奖励值得到最佳线路，完成选线方法。
23.本发明所述的智能分布式选线系统中组件之间的连接方式均采用数据连接。
24.参照附图2，本技术所述一种智能选线方法包括以下步骤：s1.构建选线模型，确定选线设计区域内初始控制点的属性信息，计算每个初始控制点不同属性的权重值；s110.所述模型生成组件10获取需要进行选线设计的区域，并根据现有技术及实际情况确定选线区域内的初始控制点，所述初始控制点是在选线区域内可以经过控制点设置线路的节点，包括起点和终点。由选线区域和分布的初始控制点组成选线模型。由于选线设计需要考虑的因素众多，需要处理大量的业务，因此本发明将选线区域基于控制点位置拆分成单个选线问题，将每个初始控制点的处理部署到不同服务器节点中，灵活的进行分布式部署，即所述属性作用组件40位于每个服务器中，将所有服务器节点组成一个区块链。
25.s120.所述信息采集组件20获取选线设计规划的需求数据，根据所述需求数据确定选线设计需要采集的属性信息。由所述信息采集组件20采集选线区域内不同初始控制点的多层属性信息，由属性信息可以对属性进行权值分配。
26.s130.所述属性权重预测组件30构建属性权重预测模型，根据所述属性权重预测模型得到不同属性信息所对应的重要程度，即属性权重。
27.s131.设立选线区域共有m个初始控制点，每个初始控制点有n种属性信息，每种属性信息采集n个特征向量，对于任意一个属性特征向量为，，。对于任意一个初始控制点，其对应的任意一个属性特征向量记为，，s132.将所述选线区域的任意一种属性信息的一组特征向量输入不同属性权重预测模型中，所述输入数据包括不同控制点的属性特征向量。计算第i种属性的权重：：其中，是所有属性的权重之和，是输入的属性特征向量的标准差，是输入的属性特征向量的均值。为任意一个属性特征向量，，。
28.s133.对于任意一个初始控制点，其对应的任意一个属性特征向量记为，。
29.属性的权重函数采用了m个初始控制点属性的公知高斯函数：，为输入值，为输入值的均值。通过计算所有属性的权重总和，并用每个属性的权重属于
所有属性的权重总和，实现标准化，使得所有属性的权重之和为1。
30.所述属性权重预测模型实现的有益效果为：通过计算初始控制点不同属性的权重可以获知不同属性的重要程度，从而得到控制点在不同方面的影响力，便于对控制点进行全面了解和进一步分析，保证选线的精准性。
31.s2.将每个初始控制点不同属性的加权量化值作为影响因子，绘制每个初始控制点的属性作用圆，计算每条通讯线路的通讯成本，建立候选线路的通讯覆盖区；s210.所述属性作用组件40将每个初始控制点不同属性的加权量化值作为影响因子，即，表示不同属性在当前初始控制点的属性量化值，为第m个初始控制点的第i个影响因子。
32.s220.将每个初始控制点不同属性的影响因子作为以当前初始控制点为圆心构成的属性作用圆的半径。以每个初始控制点为圆心，以当前初始控制点不同属性的影响因子为半径，绘制每个初始控制点的属性作用圆，如图3所示。
33.s230.每个初始控制点对应至少一条候选线路，所述候选线路是控制点与下游控制点的连接路线。对于初始控制点的任意一条候选线路，设立每个初始控制点对应条候选线路。不同的初始控制点分布于不同服务器的属性作用组件40中，相当于区块链的不同节点，通过分布式计算降低计算复杂度，提高效率。
34.s240.将所述初始控制点之间连接组成的所有候选线路集视为区块链不同节点之间的通讯连接线路，以区块链不同节点之间的通讯成本作为候选线路的评价值。对所述候选线路集上的每条候选线路，以其为中心建立通讯覆盖区，所述通讯覆盖区为每个初始控制点的属性作用圆的融合区域。
35.s241.所述区块链中的m个节点依次根据每个属性作用圆，计算每条通讯线路的通讯成本，即每条候选线路的评价值，根据通讯成本得到每条通讯线路的通讯覆盖区。所述通讯成本的具体计算过程如下：其中，表示初始控制点与初始控制点之间形成的候选线路的通讯成本，表示除以外的其他初始控制点，表示初始控制点与初始控制点距离的绝对值，和分别为初始控制点所有属性作用圆中的最大半径和最小半径，即初始控制点所有属性影响因子中的最大值和最小值，和分别为初始控制点所有属性作用圆中的最大半径和最小半径，即初始控制点所有属性影响因子中的最大值和最小值。
36.s242.当时，初始控制点与初始控制点的属性作用圆影响范围没有重合，因此，初始控制点与初始控制点之间不可融合，无法形成通讯覆盖区，因此不可通讯，通讯成本为0；当
时，初始控制点与初始控制点之间的距离过短，初始控制点与初始控制点之间的候选线路的通讯覆盖区过度融合，通讯成本为1，因通讯成本过高而去除当前候选线路；其余条件情况下，根据初始控制点与初始控制点的具体距离确定通讯成本为。
37.所述属性作用组件40实现的有益效果为：通过初始控制点不同属性的影响因子分布式计算不同初始控制点之间候选线路的通讯成本，不仅避免了重复计算，降低计算复杂度，而且便于筛选候选线路，为选线提供基础。
38.s3.基于通讯覆盖区筛选得到整体候选线路，引入智能体agent，设置智能体的状态和动作，根据智能体的奖励值选出最佳线路，完成智能分布式选线。
39.s310.所述筛选组件50去除通讯成本为0和1的候选线路，对剩余候选线路进行扩展线段操作，即在原有候选线路的基础上，遍历其他符合通讯覆盖区要求的线路，形成新的候选线路集。
40.s311.所述筛选组件50设定通讯覆盖阈值，以起点和终点为基础，将所有可连接的候选线路相连接，形成从起点到终点的整体候选线路。计算整体候选线路的通讯成本，筛选出通讯成本符合通讯覆盖阈值的整体候选线路。所述筛选组件50将筛选后的整体候选线路发送给所述模型生成组件10，由模型生成组件10更新选线模型，并将更新后的选线模型发送给智能选线组件60。
41.s320.由于仅通过通讯成本仅能筛选出符合条件的整体候选线路，无法筛选出最佳整体候选线路。所述智能选线组件60基于选线模型引入智能体agent，设置智能体的状态和动作，通过智能体遍历选线模型所有整体候选线路。
42.s321.所述智能体状态即智能体在选线模型中输出的线路，所述智能体动作即智能体输出的下一步空间线路走向。为智能体设置分裂功能和记忆功能，初始智能体从起点出发，每当遇到不同候选线路岔口时，自动分裂为相对应的数量，由多个智能体共同向前行动，每个智能体拥有经过的所有控制点信息的记忆。
43.s330.所述评价输出组件70设置智能体的奖励，即智能体输出所有整体候选线路走向后，对智能体进行反馈。所述奖励公式为：其中，表示第k个智能体的奖励，为智能体到达终点的权重系数，若到达终点，则；否则，。为评价标准，可根据实际需求自行设定，为不同评价标准对应的权重系数，根据实际情况设定。所述评价输出组件70选择奖励值最大的智能体输出的整体候选线路即为最佳线路。
44.作为一个具体实施例，对于山区道路选线方法，智能体的奖励公式为：其中，为智能体到达终点的权重系数，是线路单位造价，是动物生存状态，是环境可持续性指标，分别是三个评价指标的权重系数。
45.所述智能选线组件60实现的有益效果为：对候选线路进行精确筛选，利用智能体
的分裂功能和记忆功能对整体候选线路进行评分奖励，最终得到最佳线路，保证了方案的全局最优，且具有较强智能性和自适应性，适用于多种场景的选线设计。
46.综上所述，便完成了本技术所述的一种智能分布式选线系统及选线方法。
47.上述本技术实施例中的技术方案，至少具有如下的技术效果或优点：1、通过计算初始控制点不同属性的权重可以获知不同属性的重要程度，从而得到控制点在不同方面的影响力，便于对控制点进行全面了解和进一步分析，保证选线的精准性；2、通过初始控制点不同属性的影响因子分布式计算不同初始控制点之间候选线路的通讯成本，不仅避免了重复计算，降低计算复杂度，而且便于筛选候选线路，为选线提供基础。
48.3、对候选线路进行精确筛选，利用智能体的分裂功能和记忆功能对整体候选线路进行评分奖励，最终得到最佳线路，保证了方案的全局最优，且具有较强智能性和自适应性，适用于多种场景的选线设计。
49.效果调研：本技术的技术方案能够有效解决计算量较大、选线精准性和智能性不足以及应用场景较为局限的问题，并且，上述系统及方法经过了一系列的效果调研，通过计算通讯成本、智能体智能选线等方法验证，最终能够降低计算复杂度，得到最佳线路，具有较强智能性和自适应性，适用于多种场景的选线设计。
50.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
51.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
52.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
53.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。