粒子群融合的蚁群优化算法的研究及其在工商巡查调度中的实践-计算机软件与理论专业论文.docx

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on the ant colony optimization algorithm merged with particle swarm optimization algorithm and its practice in the industrial and commercial inspection dispatch Candidate: Feng Weiwei Supervisor: Associate Prof. Qiu Jiong March, 2015 杭州电子科技大学 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作 所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发 表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明 确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后， 发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交 论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许 采用影印、缩印或其它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州 杭州电子科技大学硕士学位论文 摘 要 常规工商管理是通过对讲来实现对巡查人员的调度，但是处理过程管理不够精细， 导致巡查效率低下、效果不佳。主要表现为巡查路线较长、无法实时任务调度等问题， 为了解决上述问题，本文引入粒子群算法，将其与蚁群算法融合，采用全过程精细化管 理模式，实现了巡查过程有计划可循、可视化监管调度。 本文主要工作如下： 1、在深入了解蚁群算法、最小生成树与最优路径间关系后，总结了蚁群系统中概 率选择的优势，提出了采用自适应的路径选择策略的改进算法即 PMST-ACS 算法。 2、在 PMST-ACS 算法的基础上，融合粒子群算法，得到最优参数组合以减少参数 选择的随机性，并将最优参数组合应用于 PMST-ACS 算法以解决巡查调度问题，从而 获得巡查过程中的最优路径，且以巡查方案的形式下发给巡查人员，最终方便了管理员 快速调度巡查人员进行市场巡查。 3、为了更好地体现 GPS 定位和上述算法的应用，本文结合 GPS 和 GIS 地图实现人 员定位、轨迹跟踪。另外为了解决 GPS 数据量过大的问题，研究了道格拉斯-普克算法， 对 GPS 数据进行压缩并将简化后的数据显示在 GIS 地图中。 本文将以上改进算法和技术应用于工商巡查调度管理中，在移动终端和浏览器上实 现了对巡查人员的有效调度，并通过多媒体信息及时掌握现场巡查状况，使得交流更充 分，实现了较高的巡查效率和巡查效果。 关键词：蚁群算法；PMST-ACS；粒子群算法；工商巡查调度 I ABSTRACT Conventional business management schedules inspectors with the intercom, while the process of management is not fine, resulting to the bad efficiency and poor effect of patrol inspection. It mainly shows the problems of having the more redundancy routes and more difficulty to timely dispatch and so on. In order to solve the above problem, this paper gets a combination of the particle swarm algorithm and the ant colony algorithm, then uses the refined management mode of the whole process, at last it realizes the visual supervision and scheduling as plan. In this paper,