考虑集合X的最优路径Psu。图 6展示了点增长的过程。可以得到
[0071]
[0072] 显然，本发明可以通过取上面两者的最小花费作为f(u，X)，也就是上面的那个状 态转移方程式。
[0073] 基于上面的状态转移方程，本发明可以通过最好优先（best-first)的动态规划 策略来求解0MMPR搜索问题。
[0074] 0MMPR算法的详细过程如下所示：
[0075] 输入：图G=(V，E，W)，点集U，a，出发点s，目的点t。
[0076] 输出：最小花费。
[0077] ⑴初始化队列Q和集合D，将初始状态((.v，0}，〇)加入队列Q。
[0078](2)当队列Q不为空时重复以下步骤：
[0079] (2.1)弹出队列Q中第一个元素（(v，X)，C〇st);
[0080] (2. 2)如果v=t同时X=U则返回cost;
[0081] (2. 3)将状态（V，X)加入集合D;
[0082] (2. 4)对于集合E里的所有（v，u)边循环，
[0083] (2. 4. 1)更新（Q，D，（V，X)，cost+aXw(v，u));
[0084] (2. 5)对于集合U-X里的所有x点循环，
[0085] (2. 5. 1)更新
[0086] (Q,D, (V，XU{x})，cost+(1_a)Xdist(X，v))。
[0087](3)所有上述循环结束还没有找到最优解，则返回m。
[0088] 更新（Q,D, (V，XUX'），cost'）的操作如下：
[0089] 当状态（V，X)GD时，直接返回；
[0090] 当状态(v'，AK)时，将状态（(V，X)，cost)压入队列Q;
[0091] 当cost<Q.cost((v，X))时，Q.update((v，X)，cost)。
[0092] 在上面的算法中，本发明定义了状态（v，X)，并用元组（(v，X)，C〇st)来表示，这里 的cost=f(v，X)，表示从点s出发，到点t结束，考虑查询集合X的0MMPR问题的花费。在 该算法里，本发明使用了一个优先队列Q来实现最好优先的策略。Q中的每一个元素都是 一个元组（(V，X)，cost)。在优先队列Q中，每个元素（(V，X)，cost)中的cost为优先序， cost最小的元素始终在队首。队列Q有三个操作，分别为弹出（pop)，压入（push)和更新 (update)。弹出操作将队首元素也就是cost最小的元素从队列中出队。压入操作将一个 元素压入队列当中。更新操作更新队列中一个元素的cost，并且调整该队列，使得其保持优 先顺序。算法中还使用了一个集合D来保存已经被计算过的状态。
[0093] 相应地，本发明还提供了一种最优多会合点路径搜索装置，包括：
[0094] 搜索信息输入单元：用于获取路径搜索预设信息，包括：图G= (V，E，W)，点集U， a，出发点s，目的点t;
[0095] 路径搜索单元：用于根据所述路径搜索预设信息，通过最好优先的动态规划策略， 搜索在所述图G中从出发点s到目的点t的最优路径；
[0096] 搜索结果输出单元：用于输出显示最优路径；显示的方式可根据用户的使用习惯 或者个性化需求采用不同的多种方式。
[0097] 上述最优多会合点路径搜索装置可应用于各种移动终端，具体可以为移动电话、 智能电话、笔记本电脑、个人数字助理、平板电脑，只要安装有实时合乘应用的终端均可使 用本装置。
[0098] 综上，上述算法高效地解决了实时合乘应用中的最优路径确定问题，填补了现有 技术的空白。下面将列举两个实例来对上述算法的应用进行说明。
[0099] 实例一
[0100] 本例中，通过介绍一个0MMPR问题的示例及其结果计算方法。考察图1所示的 示例图，假设8 = ￥1，七=￥1(|，〇=1/2，11={￥6}。则0丽?1?搜索的最优路径为？ ;^ =(Vpv3,v7,v1(l)，该路径的最优平均花费为3,即f(Pst) = 3。点v6和路径Pst的相遇点为v3， 因为路径（v6,v3)是从点v6到集合的最短路径。
[0101] 实例二
[0102] 本例中，沿用实例1中的例子，演示0MMPR算法在图1中求解最优多会合点路径的 算法流程。改变参数s,t,a，u后，算法流程与本例类似。
[0103] 如图1中所示的示例图，假设s=Vpt=v1(l,U= {v6}，a= 1/2。首先将元素 办,0),0)加入优先队列Q。在第一次迭代中，花费最小的元素办，0)，〇)从队列Q中弹出。接 下来，算法分别用边增长和点增长来扩展状态(S,0)。边增长时，对于所有的边（s，v)eE， 扩展该边。点增长时，对于所有的点;cet/-0，这里就只有一个点v6，扩展这个点。扩展结 果生成了 4 个状态((v2，0)，l)，（(v,,0)J)，（(vV0).1/2)和（(Vl，{v6})，3/2)，并将它们加 入队列Q。类似地，在第二轮迭代中，该算法弹出新的花费最小的元素((v4，0)J/2)，并以相 似的方式扩展状态(v4，0)。当算法弹出状态（vltl，{:v6})时，算法结束。则最优花费为3,最优 路径为（Vi,v3,v7,v1(l)。
[0104] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种应用于实时合乘的最优多会合点路径搜索方法，其特征在于，该方法包括： 获取路径搜索预设信息，包括：图G= (V，E，W)，点集U，a，出发点s，目的点t;其中，V、E和W分别为点集、边集和权值的集合；为顶点的子集；参数aG(〇，1)，用于平 衡图G上s~t路径Pst和U中的点到路径Pst之间的距离和的比重； 初始化队列Q和集合D，将初始状态((\0)，〇)加入队列Q; 当所述队列Q不为空时重复以下步骤： A、 弹出队列Q中第一个元素（(v，X)，C〇st);其中v为子路径的终点，X为纳入子路径的 U的子集，cost为状态（v，X)的花费。 B、 如果v=t同时X=U则返回cost; C、 将状态（v，X)加入集合D; D、 对于集合E里的所有（v，u)边循环，更新（Q，D, (v，X),cost+aXw(v，u)) ;w(v，u)为 边（v,u)的权值； E、 对于集合U-X里的所有x点循环，更新 (Q，D, (V，XU{x})，cost+(l_a)Xdist(X，v));其中dist(X，v)为点x到点v的距离。 循环结束后得到最优路径。2. 如权利要求1所述的最优多会合点路径搜索方法，其特征在于，所述方法中，若在所 述循环结束还没有找到最优解，则返回。3. 如权利要求1所述的最优多会合点路径搜索方法，其特征在于，所述方法中，更新 (Q,D, (V，X)，cost)的操作如下： 当状态（v，X)GD时，直接返回； 当状态(v'JX)时，将状态（(v，X)，cost)压入队列Q; 当cost<Q.cost((V，X))时，Q.update((V，X)，cost)。4. 一种应用于实时合乘的最优多会合点路径搜索装置，适用于移动终端，其特征在于， 所述装置包括： 搜索信息输入单元：用于获取路径搜索预设信息，包括：图G= (V，E，W)，点集U，a，出 发点s，目的点t;其中，v、e和w分别为点集、边集和权值的集合；r为顶点的子集；参 数aG(〇，1)，用于平衡路径Pst和U中的点到Pst之间的距离和的比重； 路径搜索单元：用于根据所述路径搜索预设信息，通过最好优先的动态规划策略，搜索 在所述图G中从出发点s到目的点t的最优路径； 搜索结果输出单元：用于输出显示所述路径搜索单元所搜索到的最优路径。5. 如权利要求4所述的最优多会合点路径搜索装置，其特征在于，所述移动终端包括： 移动电话、智能电话、笔记本电脑、个人数字助理、平板电脑。
【专利摘要】本发明提供了一种应用于实时合乘的最优多会合点路径搜索方法及装置，所述方法包括：获取路径搜索预设信息，包括：图G＝(V,E,W)，点集U，α，出发点s，目的点t；初始化队列Q和集合D，将初始状态加入队列Q；当所述队列Q不为空时重复以下步骤：A、弹出队列Q中第一个元素((v,X),cost)；B、如果v＝t同时X＝U则返回cost；C、将状态(v,X)加入集合D；D、对于集合E里的所有(v,u)边循环，更新(Q,D,(v,X),cost+α×w(v,u))；E、对于集合U-X里的所有x点循环，更新(Q,D,(v,X∪{x}),cost+(1-α)×dist(x,v))；循环结束后得到最优路径。本发明提出的最优多会合点路径搜索方法能够高效地解决目前实时合乘应用中尚未解决的技术难点，即，在匹配好了驾驶者和乘客之后，如何快速地确定最优的路径让驾驶者可以接上所有的匹配的乘客，填补了目前实时合乘应用中相关技术的空白。
【IPC分类】G06F19/00
【公开号】CN104992044
【申请号】CN201510274711
【发明人】李荣华, 邱宇轩, 毛睿, 秦璐, 钟舒馨
【申请人】深圳大学
【公开日】2015年10月21日
【申请日】2015年5月26日