旅游行程推荐方法、系统、可读存储介质及计算机设备

摘要

本发明涉及一种旅游行程推荐方法、系统、可读存储介质及计算机设备，所述方法包括：获取用户的出行定制信息，所述出行定制信息包括行程框架信息以及旅游服务需求信息；获取元素点实时数据集以及与所述旅行元素点相匹配的酒店餐饮服务数据集，在实际优化计算时采用预设TIP行程优化模型根据行程框架信息以及元素点实时数据集计算得到最低成本路线方案，根据旅游服务需求信息以及酒店餐饮服务数据集计算得到最优酒店餐饮服务方案，整体上极大减少了总计算量，提高了计算效率，以使得能够在较短时间内为旅客提供一套较优的旅游行程整体方案，满足了实际应用需求。

说明书

技术领域

本发明涉及信息技术领域，特别涉及一种旅游行程推荐方法、系统、可读存储介质及计算机设备。

背景技术

旅行指的是人们在不同的城市之间的移动和停留行为，近年来，随着全球经济的不断增长，旅游业也得到了十足的发展，旅行逐渐成为人们一种较为常见的消遣生活方式。

近年来，在信息技术快速发展的条件下，在线旅游也得到了快速发展。特别是个性化定制旅行逐渐成为一种主流，旅客对出游行程规划的个性化以及智能化的需求也越来越强烈。

然而，对旅游行程的设计是一件十分复杂繁琐的工作。不仅涉及到时间旅客空间位置的变化，更重要的是需要将旅客的个性需求、交通因素、旅游元素点(也即景点)以及景点周边的服务考虑进去，也即包括吃、住、行、游、购、娱等问题。因此基于上述如此多的参数所建立的运筹优化模型的计算量太大(为NP-hard问题)，使得在实际应用中无法在短时间内得到行程设计方案，无法为用户提供有效的解决方案。

发明内容

基于此，本发明的目的在于提出一种能够有效减少实际优化计算量的旅游行程推荐方法、系统、可读存储介质及计算机设备，以提高实际计算效率，满足实际应用需求。

本发明提出一种旅游行程推荐方法，所述旅游行程中包含多个旅行元素点，其中，所述方法包括如下步骤：

获取用户的出行定制信息，所述出行定制信息包括行程框架信息以及旅游服务需求信息，其中所述行程框架信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值，所述旅游服务需求信息包括酒店需求信息以及餐饮需求信息；

获取所述旅行元素点的元素点实时数据集以及与所述旅行元素点相匹配的酒店餐饮服务数据集，其中所述元素点实时数据集包括满意度评分值、旅行元素点成本以及旅行元素点开放时间，所述酒店餐饮服务数据集包括酒店服务时间窗口以及餐饮服务时间窗口；

基于预设TIP行程优化模型，根据所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案，根据所述旅游服务需求信息以及所述酒店餐饮服务数据集计算优化以得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案以得到最优行程方案。

本发明提出的旅游行程推荐方法，在实际优化计算时，分为行程框架计算以及旅游服务资源计算，在行程框架计算中获取对应的行程框架信息以及与该行程框架信息对应的所述元素点实时数据集，根据预设TIP行程优化模型计算得到最低成本路线方案，在计算得到了最优行程路线之后，对应地计算旅游服务资源，获取旅游服务需求信息以及对应的所述酒店餐饮服务数据集，同样根据预设TIP行程优化模型计算得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案便得到最优行程方案。由于在实际优化计算时，在计算行程框架时只考虑了与旅行元素点相关的交通、时间以及满意度等一些基本信息，而没有将餐饮酒店等资源考虑进去，同理，在计算旅游服务资源时仅考虑与酒店餐饮相关的数据资源，这极大减少了整体的计算量，提高了计算效率，以使得能够在较短时间内为旅客提供一套较优的旅游行程整体方案，满足了实际应用需求。

所述旅游行程推荐方法，所述旅游行程被划分为多个行程时间窗口，其中，所述预设TIP行程优化模型包括一旅行成本最低化目标函数，所述旅行成本最低化目标函数的表达式为：对应的约束条件包括旅行元素点约束以及旅游服务资源约束，其中所述旅行元素点约束包括如下约束:

(1)所述旅行元素点的所述满意度评分值要大于等于用户的满意度需求值，表达式为：

(2)用户从指定的所述旅行元素点出发并在指定的另一所述旅行元素点结束，表达式为：

(3)同一所述旅行元素点只能游玩一次，表示为：

(4)按照预定的所述旅行元素点的游览时间顺序进行游览，表示为：

(5)游览行程的时间限定在总时间限制之内，表示为：

(6)旅行到所述旅行元素点时的时间点限制在所述旅行元素点开放时间之内，表示为：

(7)当某个所述旅行元素点被指定时，则必须被访问，表示为：

(8)所述旅行元素点与所述行程时间窗口之间进行匹配性约束，表示为：

(9)独立变量值的集合，表示为：

其中，x_ij＝1表示行程经过所述旅行元素点i至所述旅行元素点j，否则为0；v_i表示所述旅行元素点i的开始时间；y_ik＝1表示所述旅行元素点i的开始时间在行程时间窗口k之间；N表示所述旅行元素点的集合，其中i∈N；R表示餐饮、酒店的行程时间窗口集合，其中k∈R；O_i表示所述旅行元素点的时间窗口的开始时间；C_i表示所述旅行元素点的时间窗口的结束时间；w_i表示所述旅行元素点i的游览时长；p_i表示所述旅行元素点i的费用成本；S_i表示所述旅行元素点i的所述满意度评分值；C_ij表示所述旅行元素点i到所述旅行元素点j的交通成本；t_ij表示所述旅行元素点i到所述旅行元素点j的所需时间；E表示用户的所述满意度需求值；T_min以及T_max表示行程的总时间限制；M表示一个常数。

所述旅游行程推荐方法，其中，所述旅游服务资源约束包括如下约束：

(1)根据所述行程时间窗口选择对应的旅游服务资源的类型，其中所述旅游服务资源包括酒店服务以及餐饮服务，表示为：

(2)在所述酒店服务时间窗口或所述餐饮服务时间窗口内进行对应旅游服务资源的消费，表示为：

其中，TP_i表示旅游服务资源的类型；TR_k表示所述行程时间窗口的类型；TRC_k表示第k个所述行程时间窗口的结束时间；TRO_k表示第k个所述行程时间窗口的开始时间。

所述旅游行程推荐方法，其中，所述基于预设TIP行程优化模型，根据所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案的步骤包括：

(1)初始化：令S_o＝Φ，u＝1,......U，|S_opt|＝∞，f_opt＝∞，其中U为最大迭代次数，S_u为第u次迭代后的解，S_opt为当前最优解，f_u为第u次迭代后得到的最优目标函数值，f_opt为当前最优目标函数值；

(2)获取所述行程框架信息以及所述元素点实时数据集，根据公式进行计算优化以得到一当前解S_u以及一当前目标函数值f_u；

(3)判断所述当前目标函数值f_u是否小于所述当前最优目标函数值f_opt，若是，则令S_opt＝S_u，f_opt＝f_u且u＝u+1；

(4)判断当前迭代次数u是否小于所述最大迭代次数U，若是，则跳转至步骤(2)，若否，则返回所述当前最优目标函数值f_opt以及所述当前最优解S_opt后终止。

本发明还提出一种旅游行程推荐系统，所述旅游行程中包含多个旅行元素点，其中，所述系统包括：

第一信息获取模块，用于获取用户的出行定制信息，所述出行定制信息包括行程框架信息以及旅游服务需求信息，其中所述行程框架信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值，所述旅游服务需求信息包括酒店需求信息以及餐饮需求信息；

第二信息获取模块，用于获取所述旅行元素点的元素点实时数据集以及与所述旅行元素点相匹配的酒店餐饮服务数据集，其中所述元素点实时数据集包括满意度评分值、旅行元素点成本、旅行元素点类型以及旅行元素点开放时间，所述酒店餐饮服务数据集包括酒店服务时间窗口以及餐饮服务时间窗口；

行程计算优化模块，用于基于预设TIP行程优化模型，根据所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案，根据所述旅游服务需求信息以及所述酒店餐饮服务数据集计算优化以得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案以得到最优行程方案。

所述旅游行程推荐系统，其中，所述行程计算优化模块包括依次连接的第一约束单元、第二约束单元以及计算优化单元，所述行程计算优化模块用于对一旅行成本最低化目标函数进行计算优化以得到一当前最优目标函数值f_opt以及一当前最优解S_opt，所述旅行成本最低化目标函数的表达式为：其中x_ij＝1表示行程经过所述旅行元素点i至所述旅行元素点j，C_ij表示所述旅行元素点i到所述旅行元素点j的交通成本，p_i表示所述旅行元素点i的费用成本，所述第一约束单元用于对所述旅行成本最低化目标函数进行旅行元素点约束，所述第二约束单元用于对所述旅行成本最低化目标函数进行旅游服务资源约束。

所述旅游行程推荐系统，其中，所述计算优化单元包括依次连接的初始化单元、函数解析单元、第一判断单元以及第二判断单元；

所述初始化单元用于初始化处理，令S_o＝Φ，u＝1,......U，|S_opt|＝∞，f_opt＝∞，其中U为最大迭代次数，S_u为第u次迭代后的解，S_opt为当前最优解，f_u为第u次迭代后得到的最优目标函数值，f_opt为当前最优目标函数值；

所述函数解析单元用于获取所述行程框架信息以及所述元素点实时数据集，根据公式进行计算优化以得到一当前解S_u以及一当前目标函数值f_u；

所述第一判断单元用于判断所述当前目标函数值f_u是否小于所述当前最优目标函数值f_opt，若是，则令S_opt＝S_u，f_opt＝f_u且u＝u+1；

所述第二判断单元用于判断当前迭代次数u是否小于所述最大迭代次数U，若是，则继续进行函数解析作业，若否，则返回所述当前最优目标函数值f_opt以及所述当前最优解S_opt后终止。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上所述的旅游行程推荐方法。

本发明还提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的旅游行程推荐方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明第一实施例提出的旅游行程推荐方法的流程图；

图2为本发明第二实施例提出的旅游行程推荐系统的结构示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，对于本发明第一实施例中的旅游行程推荐方法，所述旅游行程中包含多个旅行元素点，在本实施例中，所述旅行元素点指的即为景点，所述方法包括如下步骤：

S101，获取用户的出行定制信息，所述出行定制信息包括行程框架信息以及旅游服务需求信息，其中所述行程框架信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值，所述旅游服务需求信息包括酒店需求信息以及餐饮需求信息。

具体的，在本实施例中，我们以旅客的一个实际出行的方案为例进行说明。首先需要获取用户的出行定制信息，如上所述，旅客的出行定制信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值。例如旅客的居住城市为南昌，旅行的目的地为四川(则此时出发城市以及返回城市均为南昌)，旅客所选择的出行交通方式为飞机，旅行的开始时间为2017年6月18日，结束时间为2017年6月23日，旅行元素点名称(也即游玩的景点名称)为峨眉山风景区、九寨沟以及马湖，对上述三个所选择的景点而言，对应的旅行元素游览时长分别为24h、24h以及4h，所述满意度需求值均设为4.5以上(也即当某一景点的历史评分值低于4.5分，则将不会出现在旅客进行选择的旅行元素点名称的列表当中)。在此还需要说明的是，由于最终要计算旅行的总成本，因此还需要输入具体的出行人数，出行人数包括成人人数以及儿童人数。

进一步的，对上述的旅行起止时间而言，具体应精确到去程时间段以及回程时间段。在本实施例中，去程时间段为2017年6月18日7:00-10:00，回程时间段为2017年6月23日16:00-21:00。

除此之外，对所述旅游服务需求信息而言，所述旅游服务需求信息包括与各所述旅行元素点相对应的酒店需求信息以及餐饮需求信息。对所述酒店需求信息而言，包括酒店等级需求信息以及房型需求信息。可以理解的，在所述酒店等级需求信息中可选的为经济型、三星级、四星级或五星级，在所述房型需求信息中可选的为标准双人房、大床双人房、单人房、三人房、四人房、五人房、六人房以及床位房。在本实施例中，旅客选择的酒店等级为经济型，房型选择的为标准双人房。对所述餐饮需求信息而言，包括餐饮消费等级需求以及餐饮风格偏好。可以理解的，对所述餐饮消费等级而言，系统根据人均消费金额划分成了多个等级，例如50-100元/人或100-150元/人；对所述餐饮风格偏好而言，根据菜色的不同也同样分为了不同的类型，例如川菜风格、粤菜风格或湘菜风格等。在本实施例中，旅客选择的餐饮消费等级为50-100元/人，选择的餐饮风格为川菜风格。

如上所述，在旅客完成了上述设置之后，进一步的，需要选择确定旅行元素点类型，在本实施例中，选择的类型为山峰峡谷。在此需要进一步说明的是，上述所获取的信息均为旅客的出行定制信息，不同的旅客所选择的出行定制信息也不同，在获取了与旅客相关的全部出行定制信息之后，系统便会继续执行下一步行程计算。

S102，获取所述旅行元素点的元素点实时数据集以及与所述旅行元素点相匹配的酒店餐饮服务数据集，其中所述元素点实时数据集包括满意度评分值、旅行元素点成本以及旅行元素点开放时间，所述酒店餐饮服务数据集包括酒店服务时间窗口以及餐饮服务时间窗口。

如上所述，在获取了旅客的出行定制信息之后，系统还需要基于互联网的数据库获取与旅客的出行定制信息中的旅行元素点相对应的元素点实时数据集以及酒店餐饮服务数据集。具体的，所述元素点实时数据集包括满意度评分值、旅行元素点成本以及旅行元素点开放时间。例如当旅行元素点为九寨沟时，那么便要获取与九寨沟相对应的实时数据集，包括九寨沟的历史满意度评分值(例如九寨沟的满意度评分值为4.9分，需要说明的是，由于存在分值限定，景点的满意度评分值必须要大于旅客选择的满意度需求值4.5分)、旅行元素点成本(该旅行元素点成本主要包括景区门票等)以及旅行元素点开放时间(也即必须要在景点的开放时间内才可以进行游览，例如九寨沟的开放时间为06:30-18:00)。在此需要说明的是，对上述元素点实时数据集而言，其所包含的并不仅限于上述满意度评分值、旅行元素点成本以及旅行元素点开放时间，具体的以实际计算时所需用到的数据信息为准。

除此之外，对于所述酒店餐饮服务数据集而言，其包括酒店服务时间窗口以及餐饮服务时间窗口，该酒店餐饮服务数据集与所选择的旅行元素点相互对应。例如，当旅客选择的旅行元素点为九寨沟时，此时需要获取的酒店餐饮服务数据集为九寨沟周边(系统根据限定的距离在景点附近查找对应的酒店以及餐饮)的酒店餐饮服务。具体的，对酒店服务而言，所需要获取的数据集包括酒店服务时间窗口、酒店的消费等级以及酒店的位置信息等信息。例如，酒店服务时间窗口为全天24h，酒店的消费等级为经济型。若旅客在出行定制信息中对酒店的需求也选择为经济型，且该酒店的位置与景点的距离在限定距离之内，则该酒店便会被系统推荐。对餐饮服务而言，所需要获取的数据集包括餐饮服务时间窗口、餐饮的位置信息以及所提供的餐饮风格等信息，例如，餐饮服务时间窗口包括6:30-8:30、11:30-1:30以及5:30-7:30，餐饮的位置与景点的距离也在限定距离之内，提供的餐饮的风格包括川菜风格、粤菜风格以及湘菜风格。如上所述，旅客所选择的餐饮风格为川菜风格，当游览到对应的景点且当前时间在所述餐饮服务时间窗口内时，则该餐饮服务便会被系统推荐。在此还需要说明的是，对所述酒店餐饮服务数据集而言，其包含的并不仅限于餐饮服务时间窗口、餐饮的位置信息以及所提供的餐饮风格等信息，具体的根据实际计算时所需的信息为准。

S103，基于预设TIP行程优化模型，根据所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案，根据所述旅游服务需求信息以及所述酒店餐饮服务数据集计算优化以得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案以得到最优行程方案。

如上所述，在获取了旅客的出行定制信息(包括行程框架信息以及旅游服务需求信息)、元素点实时数据集、以及与旅行元素点相对应的酒店餐饮服务数据集之后，根据TIP行程优化模型分别计算优化以得到最低成本路线方案以及最优酒店餐饮服务方案，最终确定得到最优行程方案。

具体的，对所述TIP行程优化模型而言，由于要使得旅行的成本最低化，因此也即对一旅行成本最低化目标函数进行计算优化，该旅行成本最低化目标函数的表达式为：

对该旅行成本最低化目标函数而言，在进行具体计算时，需要对其进行多个限制，包括旅行元素点约束以及旅游服务资源约束。其中，所述旅行元素点约束包括如下约束:

(1)所述旅行元素点的所述满意度评分值要大于等于用户的满意度需求值(也即若某景点的历史满意度评分值低于用户的满意度需求值，则该景点便不会被系统推荐给旅客)，表达式为：

(2)用户从指定的所述旅行元素点出发并在指定的另一所述旅行元素点结束(例如，当旅客选定了从景点A出发至景点B，则必须按照该路线规划进行行程)，表达式为：

(3)同一所述旅行元素点只能游玩一次(该约束主要是为了将旅行的成本降至最低)，表示为：

(4)按照预定的所述旅行元素点的游览时间顺序进行游览(该约束主要是为了避免路线更改而造成的旅行成本的增加)，表示为：

(5)游览行程的时间限定在总时间限制之内(其中T_min与T_max的差值不超过24h)，表示为：

(6)旅行到所述旅行元素点时的时间点限制在所述旅行元素点开放时间之内，表示为：

(7)当某个所述旅行元素点被指定时，则必须被访问，表示为：

(8)所述旅行元素点与所述行程时间窗口之间进行匹配性约束(所述旅游行程被划分为多个行程时间窗口，在某个行程时间窗口游览对应的旅行元素点)，表示为：

(9)独立变量值的集合，表示为：

其中，x_ij＝1表示行程经过所述旅行元素点i至所述旅行元素点j，否则为0；v_i表示所述旅行元素点i的开始时间；y_ik＝1表示所述旅行元素点i的开始时间在行程时间窗口k之间；N表示所述旅行元素点的集合，其中i∈N；R表示餐饮、酒店的行程时间窗口集合，其中k∈R；O_i表示所述旅行元素点的时间窗口的开始时间；C_i表示所述旅行元素点的时间窗口的结束时间；w_i表示所述旅行元素点i的游览时长；p_i表示所述旅行元素点i的费用成本；S_i表示所述旅行元素点i的所述满意度评分值；C_ij表示所述旅行元素点i到所述旅行元素点j的交通成本；t_ij表示所述旅行元素点i到所述旅行元素点j的所需时间；E表示用户的所述满意度需求值；T_min以及T_max表示行程的总时间限制；M表示一个常数。

除此之外，在对所述旅行元素点进行了约束之后，还需要对旅游服务资源进行对应约束。具体包括：

(1)根据所述行程时间窗口选择对应的旅游服务资源的类型(例如在11:30-13:30为午餐时间，对应的旅游服务资源为餐饮服务)，其中所述旅游服务资源包括酒店服务以及餐饮服务，表示为：

(2)在所述酒店服务时间窗口或所述餐饮服务时间窗口内进行对应旅游服务资源的消费(也即必须要在酒店或餐饮开放的时间窗口内才可享受到对应的服务，例如餐饮的服务时间窗口为11:30-13:30，则需在该时间段内进行用餐)，表示为：

其中，TP_i表示旅游服务资源的类型；TR_k表示所述行程时间窗口的类型；TRC_k表示第k个所述行程时间窗口的结束时间；TRO_k表示第k个所述行程时间窗口的开始时间。

在完成了对所述旅行成本最低化目标函数的约束之后，根据所获取的所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案，根据所述旅游服务需求信息以及所述酒店餐饮服务数据集计算优化以得到最优酒店餐饮服务方案。

在本实施例中，以计算所述最低成本路线方案为例进行说明。具体包括如下步骤：

(1)初始化：令S_o＝Φ，u＝1,......U，|S_opt|＝∞，f_opt＝∞，其中U为最大迭代次数，S_u为第u次迭代后的解，S_opt为当前最优解，f_u为第u次迭代后得到的最优目标函数值，f_opt为当前最优目标函数值。

具体的，对所述旅行成本最低化目标函数而言，在未进行迭代时设定S_o＝Φ，也即最初的解为空集。在进行第u次迭代后得到的解为S_u，将最初的最优解设为无穷大，最初的最优目标函数值f_u也为无穷大(也即旅行成本无穷大)，后续在完成一次迭代后便比较当前的解S_u以及当前目标函数值f_u分别与当前最优解S_opt以及当前最优目标函数值f_opt进行比较。

(2)获取所述行程框架信息以及所述元素点实时数据集，根据公式进行计算优化以得到一当前解S_u以及一当前目标函数值f_u。

如上所述，在获取了上述行程框架信息(所述行程框架信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值)以及所述元素点实时数据集(所述元素点实时数据集包括满意度评分值、旅行元素点成本以及旅行元素点开放时间)之后，将获取的信息代入对应的旅行成本最低化目标函数以及对应的约束条件中进行优化计算以得到所述当前解S_u以及所述当前目标函数值f_u。

(3)判断所述当前目标函数值f_u是否小于所述当前最优目标函数值f_opt，若是，则令S_opt＝S_u，f_opt＝f_u且u＝u+1。

具体的，若所述当前目标函数值f_u小于所述当前最优目标函数值f_opt，则说明当前经过优化计算得到了一个成本更低的成本路线方案，此时当前计算得到的当前目标函数值f_u也即为当前最优目标函数值f_opt，因此令S_opt＝S_u，f_opt＝f_u。此外，令u＝u+1，进行下一步优化计算直至优化次数达到最大迭代次数U为止。

(4)判断当前迭代次数u是否小于所述最大迭代次数U，若是，则跳转至步骤(2)，若否，则返回所述当前最优目标函数值f_opt以及所述当前最优解S_opt后终止。

由于在实际计算中，虽然迭代的次数越多所得到的优化结果也更加准确。但考虑到计算资源以及计算成本的限制，在可接受的精度范围内，将迭代的次数限定为一个合理的数值，以使得在确保优化结果准确的前提下更快地得到优化结果。因此在每完成一次迭代处理之后，需要判断当前迭代次数u是否小于所述最大迭代次数U，若是，则说明还未迭代完成，继续跳转至步骤(2)中计算优化以得到更低成本的最优目标函数值f_opt以及对应的当前最优解S_opt；若否，则说明迭代已经完成，所得到的所述当前最优目标函数值f_opt以及所述当前最优解S_opt即为最优解析方案。

在本实施例中，根据上述旅行成本最低化目标函数进行计算优化分别得到最低成本路线方案以及最优酒店餐饮服务方案，然后根据上述方案最终得到最优行程方案。具体行程安排如下表：

本发明提出的旅游行程推荐方法，在实际优化计算时，分为行程框架计算以及旅游服务资源计算，在行程框架计算中获取对应的行程框架信息以及与该行程框架信息对应的所述元素点实时数据集，根据预设TIP行程优化模型计算得到最低成本路线方案，在计算得到了最优行程路线之后，对应地计算旅游服务资源，获取旅游服务需求信息以及对应的所述酒店餐饮服务数据集，同样根据预设TIP行程优化模型计算得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案便得到最优行程方案。由于在实际优化计算时，在计算行程框架时只考虑了与旅行元素点相关的交通、时间以及满意度等一些基本信息，而没有将餐饮酒店等资源考虑进去，同理，在计算旅游服务资源时仅考虑与酒店餐饮相关的数据资源，这极大减少了整体的计算量，提高了计算效率，以使得能够在较短时间内为旅客提供一套较优的旅游行程整体方案，满足了实际应用需求。

请参阅图2，对于第二实施例提出的一种旅游行程推荐系统，所述旅游行程中包含多个旅行元素点，其中，所述系统包括依次连接的第一信息获取模块、第二信息获取模块以及行程计算优化模块，其中所述第一信息获取模块用于获取用户的出行定制信息，所述出行定制信息包括行程框架信息以及旅游服务需求信息，其中所述行程框架信息包括出行交通方式、旅行起止时间、旅行元素点类型、旅行元素点名称、旅行元素点游览时长以及满意度需求值，所述旅游服务需求信息包括酒店需求信息以及餐饮需求信息；所述第二信息获取模块用于获取所述旅行元素点的元素点实时数据集以及与所述旅行元素点相匹配的酒店餐饮服务数据集，其中所述元素点实时数据集包括满意度评分值、旅行元素点成本、旅行元素点类型以及旅行元素点开放时间，所述酒店餐饮服务数据集包括酒店服务时间窗口以及餐饮服务时间窗口；所述行程计算优化模块用于基于预设TIP行程优化模型，根据所述行程框架信息以及所述元素点实时数据集计算优化以得到最低成本路线方案，根据所述旅游服务需求信息以及所述酒店餐饮服务数据集计算优化以得到最优酒店餐饮服务方案，结合所述最低成本路线方案以及所述最优酒店餐饮服务方案以得到最优行程方案。

对所述行程优化计算模块而言，所述行程计算优化模块包括依次连接的第一约束单元、第二约束单元以及计算优化单元，所述行程计算优化模块用于对一旅行成本最低化目标函数进行计算优化以得到一当前最优目标函数值f_opt以及一当前最优解S_opt，所述旅行成本最低化目标函数的表达式为：其中x_ij＝1表示行程经过所述旅行元素点i至所述旅行元素点j，C_ij表示所述旅行元素点i到所述旅行元素点j的交通成本，p_i表示所述旅行元素点i的费用成本，所述第一约束单元用于对所述旅行成本最低化目标函数进行旅行元素点约束，所述第二约束单元用于对所述旅行成本最低化目标函数进行旅游服务资源约束。

对所述计算优化单元而言，包括依次连接的初始化单元、函数解析单元、第一判断单元以及第二判断单元；所述初始化单元用于初始化处理，令S_o＝Φ，u＝1,......U，|S_opt|＝∞，f_opt＝∞，其中U为最大迭代次数，S_u为第u次迭代后的解，S_opt为当前最优解，f_u为第u次迭代后得到的最优目标函数值，f_opt为当前最优目标函数值；所述函数解析单元用于获取所述行程框架信息以及所述元素点实时数据集，根据公式进行计算优化以得到一当前解S_u以及一当前目标函数值f_u；所述第一判断单元用于判断所述当前目标函数值f_u是否小于所述当前最优目标函数值f_opt，若是，则令S_opt＝S_u，f_opt＝f_u且u＝u+1；所述第二判断单元用于判断当前迭代次数u是否小于所述最大迭代次数U，若是，则继续进行函数解析作业，若否，则返回所述当前最优目标函数值f_opt以及所述当前最优解S_opt后终止。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上所述的旅游行程推荐方法。

本发明还提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的旅游行程推荐方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，包括上述方法所述的步骤。所述的存储介质，包括：ROM/RAM、磁碟、光盘等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。