基于蚁群算法的旅游路线优化方案

发布时间：2021-08-04 22:27

　　在传统旅游路径规划中,通常将问题抽象成旅行商问题（TSP）进行讨论,该方法仅考虑消耗时间最短的路径,忽视了景点当前热度、拥挤程度等诸多影响旅客旅游体验的因素。为了给旅客带来更好的旅游体验,综合考虑上述因素,对蚁群算法作出改进。改进后算法以交通时间更短、导向旅游体验好的景点为目标函数,根据各景点当前热度、拥挤度及景点与景点间路径交通状况对景区内各路径赋以合理的权重,从而规划出合理路径。实验结果表明,改进后的蚁群算法可综合考虑更多影响旅客旅游体验的因素,从而使规划出的旅游路径为旅客带来更良好的旅游体验。 

【文章来源】：软件导刊. 2020,19(09)

【文章页数】：4 页

【部分图文】：

路径规划结果

各次迭代中最小边权重之和

【参考文献】：
期刊论文
[1]基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题[J]. 张子成,韩伟,毛波.  电子学报. 2018(08)
[2]基于改进蚁群算法的旅游景区路径规划[J]. 黄于欣,蒋洪杰.  河南科学. 2018(06)
[3]基于蚁群算法的旅游线路优化[J]. 刘训星,胡敏,黎颖.  重庆理工大学学报(自然科学). 2017(10)
[4]基于优先权编码的改进禁忌搜索算法求解TSP问题[J]. 王宏斌,刘娜.  物流科技. 2017(06)
[5]改进的模拟退火和遗传算法求解TSP问题[J]. 姚明海,王娜,赵连朋.  计算机工程与应用. 2013(14)
[6]陕西省宁东森林公园景区划分与景点等级评价[J]. 王晓亮.  陕西林业科技. 2012(03)
[7]基于贪心策略的自适应蚁群算法在TSP中的应用[J]. 熊瑜.  计算机与数字工程. 2012(01)
[8]一种基于蚁群算法的TSP问题分段求解算法[J]. 吴斌,史忠植.  计算机学报. 2001(12)
[9]用神经网络求解TSP的一种改进算法[J]. 王知人.  吉林工业大学自然科学学报. 1999(02)

硕士论文
[1]基于时间和费用的多目标路径规划问题[D]. 孙杰.武汉科技大学 2018
[2]求解TSP问题的改进蚁群算法[D]. 敖磊.西安电子科技大学 2005



本文编号：3322518