基于蟻群算法的智慧旅游路線規劃方案分析

王毅菲

（西安翻譯學院，西安 710105）

隨著國民經濟水平的逐漸提高，人們對精神世界的追求逐漸增高，旅游業迎來機遇和發展，但是旅游路線規劃作為旅游者重視的體驗之一，傳統的旅游路線規劃費時費力，用戶體驗感較差，急需改進［1-4］。近年來科學技術的發展給傳統的旅游路線規劃提出了新的挑戰和機遇，基于科技力量的智慧旅游路線規劃應運而生［5，6］。

目前旅游路線規劃取得了一定的研究成果，定量與定性分析在旅游路線設計中有一定的應用，但是缺乏實踐驗證；以路線節點為分析依據設計旅游路線，在實踐中得到驗證，但所考慮的分析因素有限［7，8］。本研究提出的基于蟻群算法的智慧旅游路線規劃方案，相比之前的研究，在理論和時間方面均得到了驗證，適合不同需求的人進行定制化設置，針對金錢緊張的人，可以不考慮時間因素，制定相應的計劃；針對時間緊張的人，可以不考慮金錢的影響，制定精細化的計劃；針對金錢和時間一般的人，可以制定高性價比的旅游計劃，符合各種用戶對旅游線路的要求［9，10］。

1 蟻群算法

蟻群算法由意大利科學家提出，是根據螞蟻尋找食物的路徑而發明的，在螞蟻尋找食物的過程中會產生信息素，并進行釋放，故在路徑尋找中螞蟻主要用到3 個性能，分別為標記路線、簡介通訊、集群優化［11］。

1.1 基本原理

每個螞蟻從一個位置到另一位置過程中，當發覺哪個路徑距離短且行進方便，則這個路徑上面的信息素釋放較多。隨著時間的推移，更多的螞蟻也在尋找兩地之間的最優路徑，同時該地的信息素也在不斷揮發稀釋，經過一段時間的疊加，單個地方的信息素濃度最高，這條線路即為最優線路。

蟻群算法的基本流程為：①對各個計算參數進行初始化；②隨機在各個地點放上螞蟻；③螞蟻自由選擇地點；④若有地點可選擇，就再次進行步驟③，直到沒有地點可供選擇，此時更新信息素表；⑤計算疊加次數，如果疊加次數沒有達到極限值，就重新進行步驟②，直到疊加次數到達限制，此時得到蟻群算法的最優路徑。

1.2 改進算法原理

由于基本的蟻群算法花費的時間較長，而且容易在一個地方不斷循環，陷入死局，為了改善蟻群算法的缺點，對基本的蟻群算法進行改進［12］。

針對時間花費較長的問題，采用搜索范圍集中的措施，基本的蟻群算法在搜索范圍的時候，是根據問題所涉及的區域范圍進行篩選，花費的時間較長，改進后的算法根據蟻群的特征，以蟻群走過集中地帶的區域作為搜索范圍，大大縮短了消耗時間。針對容易在一個地方不斷循環、陷入死局的情況，采用信息素實時更新，可以排除一些不必要的路線，同時采用信息素回滾機制，避免死局的產生。

基本的蟻群算法階段有狀態轉移階段、更新信息素階段，改進后的蟻群算法，在狀態轉移階段之前加入了搜索范圍集中化階段，將更新信息素階段變為實時更新信息素階段，并且在之后增加一個信息素回滾機制階段。

2 智慧旅游路線規劃模型

2.1 模型建立

旅游者旅游的目標是希望花費更少的錢，得到最大最舒適的旅游體驗，這是本次函數建立的主要目的。

根據目前的交通工具調查發現，一般跨省之間的交通工具多選擇飛機、高鐵或自駕游，假設從省會i到j采用的交通工具是否為飛機設為fij，是飛機則fij為1，不是飛機則fij為0，飛機的票價為pij；采用的交通工具是否為高鐵設為hij，是高鐵則hij為1，不是高鐵則hij為0，高鐵的票價為qij；采用的交通工具是否為自駕汽車設為cij，是自駕汽車則cij為1，不是自駕汽車則cij為0，自駕汽車的花費為rij。假設現在有一個旅游團，共m人，m≤5 人，考慮到人數問題，采用的交通工具為自駕汽車，則從省會i到j再從省會j到i的費用之和為式（1）。

在景點i和j之間的動態用sijk表示，如果第k天在景點之間變動，則sijk為1，若不變動則sijk為0，兩個景點之間的路有兩種選擇，一種為高速公路，總長為vij，一種為普通公路，總長為wij，則從景點i到j產生花費為式（2）。

假設在第k天的住宿花費zk，旅途中住宿花費之和為車輛租賃的花費為(1 -cij)× 300 ×K，旅游中的花費之和M的最小值為式（3）。

針對旅游者旅游體驗的影響因素進行調查，結果顯示，在各個景點的旅游時間越長，旅游者對本次旅游的體驗評價越高；當在各個景點的旅游時間之和一定的情況下，整個旅游所花費的時間越少，即非景點旅游時間越少，旅游者對本次旅游的體驗評價越高。由此可得，旅游者的體驗與時間有聯系，假設F為旅游體驗函數，則F為式（4）。

力求F最好，則有式（5）。

假設每次旅游的交通工具只能選擇一種，景點不重復旅游，則智慧旅游路線規劃模型為：

2.2 基于蟻群算法的模型求解

首先進行模型轉化，將路線規劃模型的體驗目標、花費目標綜合設為目標P，P值與本次旅行規劃的整體評價有關，當P值越小，表明整個旅途規劃的評價越好，則有式（7）。

首先，將模型中的參數進行初始化設置：循環數NC= 0，最大循環數Nc-max，禁忌表tabuk= 0，信息要素的初始設置為τij( 0 )= 0，隨著事情的發展τij( 0 )=τ0，計算公式

然后，將m個螞蟻隨機放到n個景點上，并將信息記錄到tabuk中，設置參數Nc=Nc+ 1，當疊加次數小于1 時，減小各影響因素的可選范圍，并且根據選擇結果，更新tabuk表。

接著，調整和更新表格內容，如果tabuk表已經滿了，則將最優旅游路線、路程、無效搜索次數記錄下來，設置tabuk= 0；如果tabuk表還有空間，則根據上個步驟判斷疊加次數。

最后統計無效搜索次數，若次數大于最大值，則利用信息分析技術得到其疊加次數，若次數小于最大值，則直接得到其疊加次數；當疊加次數小于最大值時，則將螞蟻放在景區，重新記錄，當疊加次數大于最大值時，得到最優解。

3 模型應用

3.1 基本信息

本次旅游路線規劃的對象景點為192 個，均為5A 級別，其中北京 7 個，時間 3.5 h；廣東 10 個，時間6 h；天津 2 個，時間 1.5 h；廣西 4 個，時間 3 h；河北 5個，時間5 h；山西6個，時間3.5 h；重慶6個，時間6 h；內蒙古 2 個，時間 1.5 h；四川 10 個，時間 8 h；遼寧 4個，時間 2.5 h；湖南 7 個，時間 5 h；吉林 4 個，時間2.5 h；貴州 4 個，時間 3 h；黑龍江 5 個，時間3 h；云南6個，時間4.5 h；上海3個，時間2 h；西藏2個，時間1 h；江蘇 10 個，時間 12 h；陜西 6 個，時間 3.5 h；湖北 11個，時間 8.5 h；甘肅 4 個，時間 3 h；浙江 12 個，時間7.5 h；寧夏 4 個，時間 2.5 h；福建 8 個，時間 7 h；江西7個，時間6 h；山東9個，時間6 h；青海2個，時間1.5 h；河南 10 個，時間 9 h；新疆 9 個，時間 8 h；安徽 8 個，時間7 h；海南5 個，時間2.5 h。旅游者要求每年外出游玩的時間不超過一個月，可以分次進行，最多不超過4 次。

3.2 最佳旅游路線規劃

將192 個旅游景區進行劃分，劃分標準以旅游天數是否超過15 d 為準，當超過15 d 時，將該省份進行區域劃分；當天數不足15 d 時，將兩個區域進行合并，如將拉薩與西寧進行合并為4 區域，西安與濟南合并為16 區域，共分為27 個區域，如圖1 所示。通過建立的智慧旅游路線規劃模型，利用蟻群算法進行計算，得到的結果如表1 所示。

4 結論

對蟻群算法在智能化旅游路徑的方案中進行分析，主要得出以下結論。

1）為了改善基本的蟻群算法花費時間長、容易陷入死局的缺點，對基本的蟻群算法進行改進，與基本蟻群算法相比，增加了搜索范圍集中化階段、實時更新信息素階段、信息素回滾機制階段。

表1 最佳旅游線路安排

2）以旅游花費更少的錢、得到最大最舒適的旅游體驗為目標，建立了旅游路線規劃模型。

3）利用改進蟻群算法對模型進行求解。

4）基于蟻群算法的智慧旅游路線規劃模型在實際案例中進行應用，得到最優旅游路徑。