本发明涉及计算机技术领域，具体涉及一种基于遗传算法的路径选择方法。
背景技术：
近年来，随着我国社会经济的高速发展，水利行业及污水处理行业发展也越来越快，为了不断提高生产效率和减少企业成本，行业中无人值守站点越来越多。为保障各站点的运行稳定和正常工作。通过传统的人工运行维护手段，已不能将各个区域的多个站点统筹规划，合理维护起来，如何将提高维护效率，降低维护成本。依据遗传算法的原理和实施智能规划的设计模式，在优化遗传算法的基础，通过添加规划的方式将遗传算法和智能动态规划相结合，去解决实际的运送问题。车辆的路径选择是运行维护中的重要组成部分。
虽然在现有技术中，对车辆路径通过遗传算法的优化已经存在，但是这些路径优化往往采用车辆路过路径的方式进行，实际中作业过程需要车辆在站点进行停留并完成作业任务，这就使得现有的路径优化技术在作业领域优化不够准确。
技术实现要素：
本发明所要解决的技术问题是实际中作业过程需要车辆在站点进行停留并完成作业任务，这就使得现有的路径优化技术在作业领域优化不够准确，目的在于提供一种基于遗传算法的路径选择方法，解决上述问题。
本发明通过下述技术方案实现：
一种基于遗传算法的路径选择方法，包括以下步骤：s1：输入作业车辆的参数；s2：采用遗传算法对路径进行优化选择；s3：在优化后的路径中加入每个站点的工作时间，并得出开销最小的路径作为最优路径。
现有技术中，实际中作业过程需要车辆在站点进行停留并完成作业任务，这就使得现有的路径优化技术在作业领域优化不够准确。在考虑作业任务完成时间时，往往出现一个车辆的作业任务还在进行，后续站点还都未完成作业时，另一个车辆全部的作业都已经完成了，这就造成了作业资源的浪费。
本发明应用时，先输入作业车辆的参数；再采用遗传算法对路径进行优化选择；再然后在优化后的路径中加入每个站点的工作时间，并得出开销最小的路径作为最优路径。这里所述的遗传算法可以采用现有的带约束的遗传算法，而在进行路径优化后，在选择路径之前，在路径中加入每个站点的工作时间，就可以得出每个站点实际的时间开销，以这个实际的时间开销作为评价路径的评判标准可以有效的减少作业资源浪费。本发明通过设置上述步骤，实现了对作业任务的路径优化，通过加入工作时间对作业任务进行控制，可以有效的对作业路径进行分配，减少了作业资源的浪费。
进一步的，所述作业车辆的参数包括各站点之间的距离及各站点与起始中心站之间的距离、作业任务的类型、作业车辆数量和作业车辆状态。
进一步的，步骤s3包括以下子步骤：s31：在优化出的路径中选出n条路径，加入每个站点的工作时间并进行迭代，得出每条路径的时间开销值；s32：重复执行s31至所有路径都被选取过后，将时间开销值最优的路径作为全局最小开销路径，并将全局最小开销路径作为最优路径。
本发明应用时，为了对所有路径进行比对，先在优化出的路径中选出n条路径，加入每个站点的工作时间并进行迭代，得出每条路径的时间开销值，这里首先需要通过智能作业系统提出作业任务的种类和完成每一个种类任务所需要的时间，然后再将这些数据加入到路径中并进行迭代，例如可以先初始化100条路径，并进行1000次迭代计算，计算100条路径中每条路径的开销值并记下最优的一条路径，如果其小于全局最优路径开销值则将其定位全局最小开销路径，并将其作为最优路径，通过这样的方式可以将加入了站点工作时间后的路径时间开销进行处理并得出最优路径。
进一步的，步骤s31包括以下子步骤：s311：在n条路径中选取m条路径，所述m<n；s312：选出m条路径中时间开销最小的路径，并对开销最小的路径进行随机变换后，选取变换结果中时间开销值最小的路径作为这m条路径中的最优路径；s313：重复执行s311和s312至n条路径中的每条路径都被选择过。
本发明应用时，初始化n条路径时，这个n必然是一个相对较大的值，如100，这就使得在进行处理时，对于一条路径往往只能处理这条路径本身，而无法对路径变化时的数据进行处理，本发明在这n条路径中选择m条路径，m可以为一个较小的值，比如4，这时计算开销值，并进行随机变换，这里所说的随机轮换是指对该条路径站点的巡检顺序进行翻转、交换或滑动，这样就可以将路径中不同走向的多种情况提取出来进行判断，从而大幅提高最优路径选择的准确性。
进一步的，所述在优化出的路径中选出n条路径采用以下步骤：随机产生路径r，r经过所有的站点，站点总数为g；对产生的路径进行车辆安排。
进一步的，所述车辆安排包括以下步骤：将第l辆车分配给总路径中相邻的xl个站点，且xl<＝g，用fl表示第l辆车要去的第一个站点，且xl+fl<＝g；根据下式得出第l辆车的总里程：
采用下式对第l辆车的总工作时间进行控制：
tl+sl/c＜＝wt；式中sl为第l辆车的总里程；c为车辆的平均速度；wt为预设的时间控制量；tl第l辆车在所有站点工作时间之和。
本发明应用时，为了对整个路径进行时间控制，这里的时间包括车辆在路上的时间和车辆在站点进行作业的时间，其中站点的作业时间是已知的，这就需要对车辆在路上的时间进行计算；根据公式tl+sl/c＜＝wt可以实现对总时间的控制，其中tl是已知的，也就是在一个路径中工作时间之和，而得出路上的时间需要计算车辆运行的里程，通过先将车辆分配到路径的站点上，然后循着车辆行走的路径，也就是sl进行总里程计算，计算中建立距离矩阵，并以距离矩阵中的元素作为求sl的数据，通过上式得出sl后，可以通过tl+sl/c＜＝wt对总的时间进行控制，通过上述计算过程可以有效的将工作时间数据融入计算，从而实现了将加入了站点工作时间后的路径时间开销进行处理并得出最优路径。
进一步的，最优路线选择的目标函数为：
本发明应用时，在最终路径选择时，必然是多个路径进行组合才能得到最终结果，也就是将车辆分配时，分配的车辆数量越少，越符合时间成本的要求，所以采用上式作为目标函数进行计算，可以实现最优路径的选择。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明一种基于遗传算法的路径选择方法，通过设置上述步骤，实现了对作业任务的路径优化，通过加入工作时间对作业任务进行控制，可以有效的对作业路径进行分配，减少了作业资源的浪费。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本发明一种基于遗传算法的路径选择方法，包括以下步骤：s1：输入作业车辆的参数；s2：采用遗传算法对路径进行优化选择；s3：在优化后的路径中加入每个站点的工作时间，并得出开销最小的路径作为最优路径。
本实施例实施时，先输入作业车辆的参数；再采用遗传算法对路径进行优化选择；再然后在优化后的路径中加入每个站点的工作时间，并得出开销最小的路径作为最优路径。这里所述的遗传算法可以采用现有的带约束的遗传算法，而在进行路径优化后，在选择路径之前，在路径中加入每个站点的工作时间，就可以得出每个站点实际的时间开销，以这个实际的时间开销作为评价路径的评判标准可以有效的减少作业资源浪费。本发明通过设置上述步骤，实现了对作业任务的路径优化，通过加入工作时间对作业任务进行控制，可以有效的对作业路径进行分配，减少了作业资源的浪费。
实施例2
本实施例在实施例1的基础上，步骤s3包括以下子步骤：s31：在优化出的路径中选出n条路径，加入每个站点的工作时间并进行迭代，得出每条路径的时间开销值；s32：重复执行s31至所有路径都被选取过后，将时间开销值最优的路径作为全局最小开销路径，并将全局最小开销路径作为最优路径。
本实施例实施时，为了对所有路径进行比对，先在优化出的路径中选出n条路径，加入每个站点的工作时间并进行迭代，得出每条路径的时间开销值，这里首先需要通过智能作业系统提出作业任务的种类和完成每一个种类任务所需要的时间，然后再将这些数据加入到路径中并进行迭代，例如可以先初始化100条路径，并进行1000次迭代计算，计算100条路径中每条路径的开销值并记下最优的一条路径，如果其小于全局最优路径开销值则将其定位全局最小开销路径，并将其作为最优路径，通过这样的方式可以将加入了站点工作时间后的路径时间开销进行处理并得出最优路径。
实施例3
本实施例在实施例2的基础上，步骤s31包括以下子步骤：s311：在n条路径中选取m条路径，所述m<n；s312：选出m条路径中时间开销最小的路径，并对开销最小的路径进行随机变换后，选取变换结果中时间开销值最小的路径作为这m条路径中的最优路径；s313：重复执行s311和s312至n条路径中的每条路径都被选择过。
本实施例实施时，初始化n条路径时，这个n必然是一个相对较大的值，如100，这就使得在进行处理时，对于一条路径往往只能处理这条路径本身，而无法对路径变化时的数据进行处理，本发明在这n条路径中选择m条路径，m可以为一个较小的值，比如4，这时计算开销值，并进行随机变换，这里所说的随机轮换是指对该条路径站点的巡检顺序进行翻转、交换或滑动，这样就可以将路径中不同走向的多种情况提取出来进行判断，从而大幅提高最优路径选择的准确性。
实施例4
本实施例在实施例2的基础上，所述车辆安排包括以下步骤：将第l辆车分配给总路径中相邻的xl个站点，且xl<＝g，用fl表示第l辆车要去的第一个站点，且xl+fl<＝g；根据下式得出第l辆车的总里程：
采用下式对第l辆车的总工作时间进行控制：
tl+sl/c＜＝wt；式中sl为第l辆车的总里程；c为车辆的平均速度；wt为预设的时间控制量；tl第l辆车在所有站点工作时间之和。
本实施例实施时，为了对整个路径进行时间控制，这里的时间包括车辆在路上的时间和车辆在站点进行作业的时间，其中站点的作业时间是已知的，这就需要对车辆在路上的时间进行计算；根据公式tl+sl/c＜＝wt可以实现对总时间的控制，其中tl是已知的，也就是在一个路径中工作时间之和，而得出路上的时间需要计算车辆运行的里程，通过先将车辆分配到路径的站点上，然后循着车辆行走的路径，也就是sl进行总里程计算，计算中建立距离矩阵，并以距离矩阵中的元素作为求sl的数据，通过上式得出sl后，可以通过tl+sl/c＜＝wt对总的时间进行控制，通过上述计算过程可以有效的将工作时间数据融入计算，从而实现了将加入了站点工作时间后的路径时间开销进行处理并得出最优路径。
实施例5
本实施例在实施例4的基础上，最优路线选择的目标函数为：
本实施例实施时，在最终路径选择时，必然是多个路径进行组合才能得到最终结果，也就是将车辆分配时，分配的车辆数量越少，越符合时间成本的要求，所以采用上式作为目标函数进行计算，可以实现最优路径的选择。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。