论文总字数：24070字

摘 要

现代人在出行在外或者是旅游时，往往需要借助多个APP进行查找、比对，然后再结合自己的个人时间安排与资金预算来规划自己的行程。这样一来不仅耗时耗力，而且有很大可能性不能够做出让自己满意的规划。且目前关于旅游这一市场一直没有一个综合全面的旅游规划软件，在这一方面可以说是大有可为的。

蚁群算法(ant colony optimization, ACO)是一种用来寻找优化路径的概率型算法，通过用户所提供的目的地、起始地址等信息，结合景点开放时间、景区票价以及不同交通工具所花费的时间与资金等外在因素，算出最短路径，最经济路径等等不同规划，反馈给用户以供选择。本系统采用C#作为系统开发语言，数据库则利用了SQLServer数据库并布置在远程云端服务器上使用，同时也使用到了MATLAB程序作为辅助计算方式

对于旅游路径规划这一领域，本系统有着很大的发展空间，同时其核心蚂蚁算法，其作为一个概率型算法也有着除了路径规划以外的更为多样化的应用场景。

关键词：路径规划；ACO；C#；SQLServer；云端服务器，MATLAB

Design and implementation of path planning system based on ant colony algorithm

Abstract

When people go out or travel, they often need to search and compare with multiple APPs, and then plan their trips according to their personal time arrangement and financial budget. This not only takes time and effort, but also has a high probability of not being able to make a satisfactory plan. At present, there has been no comprehensive tourism planning software in the tourism market, which can be said to be promising in this regard.

Ant Colony Optimization Algorithm (ACO) is a probabilistic algorithm used to find the optimal path. Based on the destination and initial address information provided by users, combined with external factors such as the opening time of scenic spot, ticket price of scenic spot and the time and money spent by different means of transportation, the shortest path can be calculated. The most economical path and so on different planning, feedback to the user for choice. The system uses C# as the system development language, the database uses the SQLSERVER database and is arranged in the remote cloud server to use, but also uses the Matlab program as the auxiliary calculation method.

For the field of tourism path planning, this system has a great space for development. At the same time, its core ant algorithm, as a probabilistic algorithm, also has a more diversified application scenarios besides path planning.

Keywords: path planning; The ACO. C #; Cloud server; MATLAB

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1 选题背景 1

1.1.1 系统开发背景 1

1.1.2 国内现状 1

1.2选题意义 1

1.3课题研究内容 1

第二章 系统开发环境及相关技术 3

2.1系统开发环境 3

2.2 C#语言 3

2.3 MATLAB 3

2.4 SQL Server数据库 3

2.5 蚁群算法 3

第三章 需求分析 5

3.1 系统需求分析 5

3.2 可行性需求分析 5

3.2.1技术可行性 5

3.2.2经济可行性 5

3.2.3法律可行性 5

3.3性能需求分析 5

3.3.1 硬件性能需求 5

3.3.2 软件性能需求 6

第四章 概要设计 7

4.1总体结构图 7

4.2系统模块功能 8

4.2.1登陆模块 8

4.2.2使用者与商家模块 8

4.2.3平台模块 9

4.3系统实体关系 9

4.3.1实体对象 9

4.3.2实体关系 11

4.4 核心算法设计 11

4.4.1 蚁群算法基本原理 11

4.4.2 基本蚁群算法解决旅行商问题的数学模型 11

4.4.3 基本蚁群算法解决旅行商问题的算法流程 12

第五章 详细设计 14

5.1数据库设计 14

5.2程序结构图 15

5.3蚁群算法类在系统中的应用场景 16

第六章 系统功能的具体实现 18

6.1登陆功能 18

6.2路径规划功能 19

6.3添加景点信息功能 22

6.4景点信息审核功能 24

第七章 系统测试 25

7.1登陆功能测试 25

7.2管理员功能测试 25

7.3用户功能测试 26

第八章 总结 28

致谢 28

参考文献(References) 29

第一章 绪论

1.1 选题背景

1.1.1 系统开发背景

现代人在出行在外或者是旅游时，一般来说都是借助多个相关软件收集信息后再自己做出路径规划。这样一来不仅耗时耗力，而且有很大可能性不能够做出让自己满意的规划。所以通过用户所提供的目的地、起始地址等信息，结合景点开放时间、景区票价以及不同交通工具所花费的时间与资金等外在因素，算出最短路径，最经济路径等等不同规划，反馈给用户以供选择，这样的一个系统是极其具有开发前景的。

1.1.2 国内现状

目前来说，国内市场现存的各大旅游软件，都只是相对死板的展示景点的信息，抑或是提供一个旅游景点的O2O平台。而路径规划这一方面，则一般都是交由导航软件来完成的。并且导航软件只能够针对某一地点进行路径上的规划，完全不能满足旅游者的需要。所以说，一个集成了景点信息查询，多个景点之间的最短路径、最经济路径查询的系统是完全有必要与有前景的。

1.2选题意义

现代人的生活和互联网的联系随着时代的发展愈发紧密，各式各样的计算机软件系统也已经渗入我们生活的方方面面。而这也就意味着，越来越多的重复性手动操作必将被一个个高度集成的网络计算机软件系统所取代。对于传统的旅游规划，一般而言是由旅行者自己收集目标景点的资料，再根据自身需求，结合实际情况规划线路。而当今时代，一般路径规划的工作已经由各式样的导航软件所取代。但是，导航软件的使用本质上还是由旅行者自身去筛选所需的路线并将其组合，并不是实际意义上的自动化智能路径规划。所以说，一个集成旅游景点信息查询、路径规划的软件系统是十分有必要的。

同时，就蚂蚁算法而言，其用处也远不止与去解决旅行商问题。这一核心算法还能有其他多种不同的实际运用。

1.3课题研究内容

旅行商问题(Traveling Salesman Problem,TSP)是运筹学中具有代表性的组合优化问题，同时也是典型的NP完全问题，其问题描述很简单，但其求解过程却十分困难，对于具有n个目标点的TSP问题，其可能有的路径为(n-1)!/2, [1-2]理论上利用枚举法可以解决这一问题，但是当n过大时，枚举法所消耗的时间便会使此方法失去实际价值。而在此问题的基础上，受到蚁群觅食时往往能够发现蚁巢与食物源之间最短路径与旅行商问题之间的相似性的启发，意大利学者M.Dorigo等人提出了一种新型的模拟计算算法——蚁群算法(Ant Colony Optimization, ACO)。[3-5]

剩余内容已隐藏，请支付后下载全文，论文总字数：24070字