一种基于局部贪心搜索的兴趣旅游路线规划算法
发布时间：2021-02-07 22:38
智能旅游路线规划是智慧旅游的重要内容,目前旅游路线规划存在主观性较强和考虑旅游者兴趣的个性化程度较低等问题.针对目前旅游路线规划存在的问题提出了一种基于局部贪心搜索的兴趣旅游路线规划算法.首先建立兴趣景点智能提取模型,其次对提取的兴趣景点构建贪心搜索路线规划算法,建立动机迭代值输出模型.通过算例数据迭代获取不同旅游路线动机迭代值和依旅游者兴趣的景点顺序导览图,从而分析得到满足旅游者动机利益的最优路线和次优路线.算例证明,该算法符合旅游实际,对智慧旅游路线规划具有较强的可行性和实践意义.
【文章来源】：河北师范大学学报(自然科学版). 2019,43(03)
【文章页数】：7 页
【部分图文】：
图３基向量Ｓｗ元素构成的完全二叉树及其元素位Ｆｉｇ．３ＣｏｍｐｌｅｔｅＢｉｎａｒｙＴｒｅｅａｎｄＩｔｓＥｌｅｍｅｎｔｓＦｏｒｍｅｄｂｙＢａｓｅＶｅｃｔｏｒＳｗＥｌｅｍｅｎｔｓ
１６９０．１１７０．５７７②①③０．２８６０．２０００．０９１０．２５００．１３６０．２２２０．２０００．０７１０．１６７０．１１６０．７４８②③①０．１９２０．２０００．０７１０．１６７０．１２１０．２２７０．２０００．０７１０．１６７０．１１６０．５８２③①②０．２２７０．２０００．０７１０．１６７０．１１６０．２４４０．２０００．０９１０．２５００．１２９０．７１４③②①０．１８８０．２０００．０６９０．１６９０．１１７０．２４４０．２０００．０９１０．２５００．１３６０．６８５图４算例景点及其迭代输出顺序导览图Ｆｉｇ．４ＥｘａｍｐｌｅＳｃｅｎｉｃＳｐｏｔｓａｎｄＧｕｉｄｅＭａｐｓｏｆＩｔｅｒａｔｉｏｎＲｅｓｕｌｔｓ从笔者算法角度分析，根据表２数据和图４导览图，迭代值最大的是路线②①③，旅游者首先参观二七纪念馆，其次游览碧沙岗公园，最后到二七万达消费娱乐，整个过程能够获得最大动机利益满足．其次是路线③①②，旅游者首先到二七万达消费娱乐，其次游览碧沙岗公园，最后参观二七纪念馆，可获得次优动机利益满足．智能机为旅游者提供若干条最优和次优路线，并分别说明时间、行程、路径、交通等规划安排，能够让旅游者围绕自身旅游兴趣快速了解陌生城市旅游信息，辅助旅游者做出合理决策，从而获得动机利益的充分满足．４结束语本文中，笔者在分析目前旅游路线规划存在问题的基础上提出了一种基于局部贪心搜索的兴趣旅游路线规划算法，充分考虑旅游者自身兴趣，根据贪心搜索思想搜索确定由一个景点到下一景点的最短路径，并在多项通路区间迭代指标的基础上迭代计算涵盖所
如下所述．Ｓｔｅｐ１：确定景点路线动机子区间ΔＨｋ（Ｐｋ，Ｐｋ＋１）内关键道路节点集Ｑ．特征兴趣景点Ｐｋ和Ｐｋ＋１之间所有主要道路节点ｑｖ构成道路节点集，其中ｖ∈（０，ｖｍａｘ］?Ｚ＋．Ｓｔｅｐ２：确定深度搜索叠加层．根据景点Ｐｋ缓冲区半径Ｒ和节点间平均邻近距离珋ｓ（ｑｖ，ｑｖ＋１），将道路节点集分为若干子集Ｋｂ，ｂ∈（０，ｂｍａｘ］?Ｚ＋，并以子集作为深度搜索层次．图１为景点缓冲区决定的深度搜索叠加层．图１景点缓冲区深度搜索叠加层Ｆｉｇ．１ＳｃｅｎｉｃＳｐｏｔＢｕｆｆｅｒＤｅｅｐＳｅａｒｃｈＬａｙｅｒ图２道路节点区间距离深度叠加Ｆｉｇ．２ＲｏａｄＩｎｔｅｒｖａｌＤｉｓｔａｎｃｅＤｅｅｐＳｅａｒｃｈＡｍｏｎｇＲｏａｄＮｏｄｅｓ·４６２·
【参考文献】：
期刊论文
[1]基于禁忌搜索和Floyd混合算法的物流配送路线规划[J]. 乔仁杰,周思育,田琪,宋庭新. 物流技术. 2017(10)
[2]旅游路线动态规划问题研究——以西安市出发为例[J]. 袁光辉,谢科,邓林胜,黄鹏,韩景倜. 数学的实践与认识. 2016(15)
[3]基于决策场理论的出行者动态决策行为研究[J]. 龙雪琴,王建军,周备. 交通运输系统工程与信息. 2016(01)
[4]旅游路线规划蚁群算法的伪随机比例规则优化[J]. 孙琼,李林. 科技通报. 2016(01)
[5]基于旅游动机的旅游目的地选择行为分析[J]. 赵昕,关宏志,王昊. 交通运输系统工程与信息. 2014(05)
[6]基于遗传算法的超市最短导购路径推荐[J]. 韩建妙,刘业政. 计算机工程与应用. 2016(04)
[7]基于混合蚁群算法的“多日游”路线优化问题[J]. 杨丽馨. 唐山师范学院学报. 2013(05)
[8]基于Agent的游览路线设计与模拟[J]. 曹敏,马强. 现代测绘. 2013(01)
本文编号：3022927
【文章来源】：河北师范大学学报(自然科学版). 2019,43(03)
【文章页数】：7 页
【部分图文】：
图３基向量Ｓｗ元素构成的完全二叉树及其元素位Ｆｉｇ．３ＣｏｍｐｌｅｔｅＢｉｎａｒｙＴｒｅｅａｎｄＩｔｓＥｌｅｍｅｎｔｓＦｏｒｍｅｄｂｙＢａｓｅＶｅｃｔｏｒＳｗＥｌｅｍｅｎｔｓ
１６９０．１１７０．５７７②①③０．２８６０．２０００．０９１０．２５００．１３６０．２２２０．２０００．０７１０．１６７０．１１６０．７４８②③①０．１９２０．２０００．０７１０．１６７０．１２１０．２２７０．２０００．０７１０．１６７０．１１６０．５８２③①②０．２２７０．２０００．０７１０．１６７０．１１６０．２４４０．２０００．０９１０．２５００．１２９０．７１４③②①０．１８８０．２０００．０６９０．１６９０．１１７０．２４４０．２０００．０９１０．２５００．１３６０．６８５图４算例景点及其迭代输出顺序导览图Ｆｉｇ．４ＥｘａｍｐｌｅＳｃｅｎｉｃＳｐｏｔｓａｎｄＧｕｉｄｅＭａｐｓｏｆＩｔｅｒａｔｉｏｎＲｅｓｕｌｔｓ从笔者算法角度分析，根据表２数据和图４导览图，迭代值最大的是路线②①③，旅游者首先参观二七纪念馆，其次游览碧沙岗公园，最后到二七万达消费娱乐，整个过程能够获得最大动机利益满足．其次是路线③①②，旅游者首先到二七万达消费娱乐，其次游览碧沙岗公园，最后参观二七纪念馆，可获得次优动机利益满足．智能机为旅游者提供若干条最优和次优路线，并分别说明时间、行程、路径、交通等规划安排，能够让旅游者围绕自身旅游兴趣快速了解陌生城市旅游信息，辅助旅游者做出合理决策，从而获得动机利益的充分满足．４结束语本文中，笔者在分析目前旅游路线规划存在问题的基础上提出了一种基于局部贪心搜索的兴趣旅游路线规划算法，充分考虑旅游者自身兴趣，根据贪心搜索思想搜索确定由一个景点到下一景点的最短路径，并在多项通路区间迭代指标的基础上迭代计算涵盖所
如下所述．Ｓｔｅｐ１：确定景点路线动机子区间ΔＨｋ（Ｐｋ，Ｐｋ＋１）内关键道路节点集Ｑ．特征兴趣景点Ｐｋ和Ｐｋ＋１之间所有主要道路节点ｑｖ构成道路节点集，其中ｖ∈（０，ｖｍａｘ］?Ｚ＋．Ｓｔｅｐ２：确定深度搜索叠加层．根据景点Ｐｋ缓冲区半径Ｒ和节点间平均邻近距离珋ｓ（ｑｖ，ｑｖ＋１），将道路节点集分为若干子集Ｋｂ，ｂ∈（０，ｂｍａｘ］?Ｚ＋，并以子集作为深度搜索层次．图１为景点缓冲区决定的深度搜索叠加层．图１景点缓冲区深度搜索叠加层Ｆｉｇ．１ＳｃｅｎｉｃＳｐｏｔＢｕｆｆｅｒＤｅｅｐＳｅａｒｃｈＬａｙｅｒ图２道路节点区间距离深度叠加Ｆｉｇ．２ＲｏａｄＩｎｔｅｒｖａｌＤｉｓｔａｎｃｅＤｅｅｐＳｅａｒｃｈＡｍｏｎｇＲｏａｄＮｏｄｅｓ·４６２·
【参考文献】：
期刊论文
[1]基于禁忌搜索和Floyd混合算法的物流配送路线规划[J]. 乔仁杰,周思育,田琪,宋庭新. 物流技术. 2017(10)
[2]旅游路线动态规划问题研究——以西安市出发为例[J]. 袁光辉,谢科,邓林胜,黄鹏,韩景倜. 数学的实践与认识. 2016(15)
[3]基于决策场理论的出行者动态决策行为研究[J]. 龙雪琴,王建军,周备. 交通运输系统工程与信息. 2016(01)
[4]旅游路线规划蚁群算法的伪随机比例规则优化[J]. 孙琼,李林. 科技通报. 2016(01)
[5]基于旅游动机的旅游目的地选择行为分析[J]. 赵昕,关宏志,王昊. 交通运输系统工程与信息. 2014(05)
[6]基于遗传算法的超市最短导购路径推荐[J]. 韩建妙,刘业政. 计算机工程与应用. 2016(04)
[7]基于混合蚁群算法的“多日游”路线优化问题[J]. 杨丽馨. 唐山师范学院学报. 2013(05)
[8]基于Agent的游览路线设计与模拟[J]. 曹敏,马强. 现代测绘. 2013(01)
本文编号：3022927
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3022927.html
