基于遗传模拟蚁群算法的5A景区旅游路线规划

摘要

近些年来，随着经济的发展，旅游业在全球经济格局中占重要的部分，国家逐步把一些旅游人数较多和文化底蕴比较深厚的旅游景区评定为5A景区。至2007年以来，全国已有279家旅游景点被评定为5A景区，其中河南省共有13家。但是由于个别风景区被评定的时间较晚以及本地交通情况较差，所以旅游景区的旅游人数较少，而旅游成本与维护又比较高，这对国民经济和当地的经济水平造成一定影响。为了使一些萧条的景区活跃起来，同时减少旅游拥挤造成的经济损失，调整和规划5A景区旅游路线的模型就成为了必要。
　　本文根据国内外著名学者对旅行商(TSP)问题的研究，详细参考了大量的参考文献，并对河南省5A景区的数据进行收集、研究。在此基础上建立了满足约束条件的最短路模型，同时利用遗传算法和蚁群算法分别对方案进行优化，得到满足条件的最短路规划模型，最后给出各条旅游路线图和旅游总距离。本文的设计思路有以下几个方面:
　　(1)首先，通过旅游路线中的限制条件建立数学模型，在约束条件上主要利用路线中到达风景区i的花费总额quant，的设置使其中约束条件满足:quant J≥quantI+piaojia J+lufeiIJ-cap+cap·precIJ+(cap-piaojiaJ-piaojiaI-lufeiIJ-lufeiJI)·prec JI并在此基础上使旅游路线中生成0-1变量precIJ，以此得到最优路径的长度。
　　(2)其次，在遗传算法中主要采用整数排序编号方式，将n个风景区作为染色体，使其每一个染色体都对应一个城市编号，然后对染色体进行编码，以生成满足最短路径上的染色体。对初始种群的染色体进行选择、交叉、变异、逆转化等操作，再将遗传操作下的新个体进行解码，解码后的新个体使目标函数值objv达到最低。经过遗传算法解决之后求出河南省5A景区的最短路的的长度为1283km。
　　(3)最后，利用蚁群算法求解含约束条件下的最短路问题，主要利用随机搜索的方法，让每个蚂蚁都在路径上释放信息素，并感知其它路径上的信息素，其中信息素越高的代表路径越短，因此蚂蚁会以较大的概率选择信息素浓度高的路径并释放一定信息素，以增加路径中的信息素的浓度，这就形成了一个正反馈，使蚂蚁最终能找到一条路径并使目标函数objv达到最优解。而蚂蚁访问过的风景区编号储存在命名的变量Tabu中。所以通过蚁群算法的方法，基于旅游花费上限1000元的限制，一共有三条路径可供选择，而这三条路径下生成的最短路径为1568km，旅游消费金额共2055元。

目录

声明

摘要

第一章 绪论

1．1 研究工业背景及意义

1．2 国内外研究现状

1．3 主要内容和安排

第二章 相关研究综述

2．1 河南省5A景区概述

2．2 河南省5A景区运营情况

2．3 TSP问题与Hamilton回路描述

2．3．1 旅行商问题(TSP)描述

2．3．2 Hamilton回路

第三章 旅游线路数学规划模型

3．1 数据信息

3．2 模型建立

3．2．1 条件假设

3．2．2 符号说明

3．2．3 模型建立

第四章 蚁群遗传算法简介

4．1 遗传算法的理论基础

4．1．1 遗传算法的描述

4．1．2 遗传算法的基本步骤

4．2 蚁群算法的理论基础

4．2．1 蚁群算法的概述

4．2．2 蚁群算法的基本原理

4．2．3 蚁群算法的步骤

4．3 蚁群算法

第五章 基于遗传算法的旅游规划模型

5．1．1 遗传算法实现

5．1．2 遗传算法模型结果分析

5．2 基于约束条件的蚁群算法最短路径

5．2．1 模型求解与分析

5．2．2 蚁群算法程序的实现

5．2．3 蚁群算法模型结果分析

5．3 模型评价

6．1 模型分析

6．2 模型展望

参考文献

附录

致谢