芮瀟 劉曉青

摘 ?要： 風(fēng)景園林規(guī)劃設(shè)計(jì)過程中計(jì)算機(jī)輔助技術(shù)起到了越來(lái)越大的作用，特別是在園林道路路徑設(shè)計(jì)方面，有效的最短路徑規(guī)劃可以提升游客的體驗(yàn)。因此，提出一種基于群智優(yōu)化的dijkstra最短路徑規(guī)劃算法。首先基于風(fēng)景園林應(yīng)用創(chuàng)建環(huán)境地圖;然后對(duì)典型的dijkstra最短路徑算法進(jìn)行分析;最后采用群智優(yōu)化對(duì)dijkstra最短路徑算法進(jìn)行改進(jìn)，并給出信息素濃度更新的方法。仿真測(cè)試結(jié)果表明，相比傳統(tǒng)dijkstra算法，提出的群智優(yōu)化算法的路徑長(zhǎng)度更小，可以有效滿足園林道路規(guī)劃的需求。

關(guān)鍵詞： 風(fēng)景園林; 最短路徑規(guī)劃; 群智優(yōu)化技術(shù); dijkstra算法; 蟻群算法; 信息素濃度

中圖分類號(hào)： TN02?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）15?0106?03

Application of group intelligence optimization path technology

in landscape architecture planning and design

RUI Xiao， LIU Xiaoqing

（School of Architecture & Artistic Design， Southeast University Chengxian College， Nanjing 210000， China）

Abstract： Computer?aided technology plays an important role in the planning and design of landscape architecture. Especially for the design of architecture path， the effective shortest path planning can improve the experience of tourists. Therefore， a dijkstra shortest path planning algorithm based on group intelligence optimization is proposed. An environmental map is created on the basis of landscape architecture applications. The typical dijkstra shortest path algorithm is analyzed. The dijkstra shortest path algorithm is improved by using group intelligence optimization， and the method of pheromone concentration update is given. The simulation test results show that， in comparison with the traditional dijkstra algorithm， the proposed group intelligence optimization algorithm has shorter path length， and can effectively meet the needs of architecture road planning.

Keywords： landscape architecture; shortest path planning; group intelligence optimization technology; dijkstra algorithm; ant colony algorithm; pheromone concentration

0 ?引 ?言

傳統(tǒng)的風(fēng)景園林規(guī)劃設(shè)計(jì)方法主要依靠不斷積累和完善的設(shè)計(jì)師經(jīng)驗(yàn)。對(duì)于大型的風(fēng)景園林規(guī)劃應(yīng)用，設(shè)計(jì)師必須具備扎實(shí)的設(shè)計(jì)理論、專業(yè)的設(shè)計(jì)技能以及廣泛的藝術(shù)修養(yǎng)[1?3]。隨著計(jì)算機(jī)輔助設(shè)計(jì)發(fā)展逐步完善，各種智能化的協(xié)助方法不斷出現(xiàn)，使得風(fēng)景園林規(guī)劃設(shè)計(jì)更加人性化、智能化和完善化。相較于傳統(tǒng)的憑經(jīng)驗(yàn)選線方法，基于計(jì)算機(jī)輔助設(shè)計(jì)的選線方法更為科學(xué)、準(zhǔn)確、高效、可操作性強(qiáng)[4]。目前，基于計(jì)算機(jī)輔助算法的參數(shù)化設(shè)計(jì)方法逐步形成，使得邏輯構(gòu)建過程設(shè)計(jì)研究成為該領(lǐng)域研究的熱點(diǎn)，參數(shù)化方法的使用為風(fēng)景環(huán)境道路選線提供了可靠的科學(xué)依據(jù)。

風(fēng)景環(huán)境的道路選線是一項(xiàng)多目標(biāo)的系統(tǒng)性工程?，F(xiàn)階段對(duì)于園林風(fēng)景設(shè)計(jì)中的道路選線研究主要分為以下幾個(gè)方面：

1） 基于流程圖和表格的園林設(shè)計(jì)方法，主要將可拓學(xué)引入園林設(shè)計(jì)之中，構(gòu)成可拓園林設(shè)計(jì)[5];

2） 基于參數(shù)化的風(fēng)景環(huán)境道路選線方法，主要分為柵格模型與矢量模型兩種表示模型[6?7]，其道路選線主要利用基于ArcGIS軟件平臺(tái)的道路選線算法，進(jìn)行計(jì)算與分析的對(duì)象為柵格模型，主要采用成本距離、路徑距離與成本路徑三個(gè)算法。本文的研究方向?yàn)閰?shù)化風(fēng)景環(huán)境道路選線中的路徑距離最小化算法。

在以上研究的基礎(chǔ)上，本文設(shè)計(jì)一種基于群智優(yōu)化的dijkstra最短路徑規(guī)劃算法。風(fēng)景環(huán)境道路選線算法的應(yīng)用仿真測(cè)試結(jié)果表明，相比傳統(tǒng)算法，本文提出的路徑規(guī)劃算法具有較高的準(zhǔn)確性和工作效率。

1 ?風(fēng)景環(huán)境道路選線模型

1.1 ?創(chuàng)建風(fēng)景園林環(huán)境地圖

以某省會(huì)山丘風(fēng)景區(qū)的部分片區(qū)規(guī)劃為例，構(gòu)建風(fēng)景園林環(huán)境地圖，大小為5 000 m×5 000 m的矩形，其中黑色多邊形表示風(fēng)景區(qū)內(nèi)的不同景點(diǎn)區(qū)域，視為障礙區(qū)域，如圖1所示。

圖1 ?風(fēng)景園林環(huán)境地圖建模

假設(shè)園林環(huán)境為[W]，邊界為[WSB]，區(qū)域內(nèi)的所有多邊形障礙區(qū)域?yàn)閇Qi]，則：

1.2 ?Dijkstra最短路徑算法

本文選擇的研究方向是基于路徑距離算法的風(fēng)景園林規(guī)劃道路選線模型，如圖1所示。目前，最典型的最短路徑算法是Dijkstra算法[8]，此算法用于解決單源最短路徑問題。因此，設(shè)定源點(diǎn)[S]和終點(diǎn)[T]后，采用Dijkstra算法尋找風(fēng)景環(huán)境道路選線的初值，在圖1中找出從[S]到[T]的最短路徑。

2 ?基于群智優(yōu)化的全局最短路徑研究

2.1 ?提出的蟻群優(yōu)化算法

采用群體智能算法對(duì)dijkstra最短路徑算法進(jìn)行改進(jìn)，具體的群體智能算法為典型的蟻群算法[9]。將基于Dijkstra算法獲得的初始路徑作為蟻群算法的初值以便進(jìn)行優(yōu)化。設(shè)點(diǎn)[S]，[P1]，[P2]等為初始路徑的不同節(jié)點(diǎn)。[Pi1]表示道路選線段的起始節(jié)點(diǎn)，[Pi2]表示道路選線段的結(jié)束節(jié)點(diǎn)，則該條道路選線段上任意一點(diǎn)就可以表示為：

3 ?仿真實(shí)驗(yàn)

3.1 ?實(shí)驗(yàn)環(huán)境

為了對(duì)本文提出的群智優(yōu)化dijkstra最短路徑規(guī)劃算法進(jìn)行驗(yàn)證，進(jìn)行了仿真測(cè)試。仿真硬件環(huán)境為： Intel[?] Core i7 2.8 GHz四核CPU，8 GB內(nèi)存。仿真軟件環(huán)境為Windows 7操作系統(tǒng)，Matlab 7.0仿真軟件。

3.2 ?蟻群搜索路徑示例

種群數(shù)量為30且信息素初始濃度為0.2時(shí)，蟻群算法實(shí)現(xiàn)路徑搜索的示例如圖2所示?？梢钥闯?，每只螞蟻在時(shí)刻[t]留下濃度為1的信息素，當(dāng)路徑上還沒有信息素時(shí)，所有螞蟻會(huì)隨機(jī)地選擇路徑前進(jìn)。

3.3 ?性能對(duì)比

為了驗(yàn)證本文提出算法的性能，在相同環(huán)境條件下，分別對(duì)本文算法與傳統(tǒng)Dijkstra算法進(jìn)行對(duì)比實(shí)驗(yàn)。兩種不同算法得到的最優(yōu)規(guī)劃長(zhǎng)度如表1所示。從表1可以看出，相比傳統(tǒng)Dijkstra，本文算法得到的規(guī)劃路徑長(zhǎng)度更小。也就是說，在與風(fēng)景園林地形地貌相契合的條件下，群智優(yōu)化dijkstra平均路徑規(guī)劃算法得到的道路選線是最短的，體現(xiàn)出路徑規(guī)劃的科學(xué)性和高效性。

圖2 ?蟻群搜索路徑示例

表1 ?路徑規(guī)劃結(jié)果對(duì)比

4 ?結(jié) ?論

本文提出一種基于群智優(yōu)化的dijkstra最短路徑規(guī)劃算法。在對(duì)典型的dijkstra最短路徑算法進(jìn)行分析后，采用群智優(yōu)化對(duì)dijkstra最短路徑算法進(jìn)行改進(jìn)，并給出了信息素濃度更新的方法。得出如下結(jié)論：相比傳統(tǒng)方法，本文提出方法的規(guī)劃路徑長(zhǎng)度更小，魯棒性更高;提出方法可以有效滿足園林道路選線的需求。但是不同種群數(shù)量和信息素初始濃度對(duì)道路選線的性能影響需要進(jìn)一步研究。

參考文獻(xiàn)

[1] 王長(zhǎng)柳，麥賢敏，趙兵，等.風(fēng)景園林合理分布三維圖像仿真系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)仿真，2017，34（8）：265?268.

WANG Changliu， MAI Xianmin， ZHAO Bing， et al. Design of 3D image simulation system for rational distribution of landscape architecture [J]. Computer simulation， 2017， 34（8）： 265?268.

[2] LAWSON L. The planner in the garden： a historical view into the relationship between planning and community gardens [J]. Journal of planning history， 2016， 3（3）： 151?176.

[3] SILVA C N. Garden cities and colonial planning： transnationa?lity and urban ideas in Africa and Palestine [J]. Planning perspectives， 2016， 30（1）： 1?10.

[4] BIGON L， KATZ Y. Garden cities and colonial planning [J]. Planning perspectives， 2017， 30（1）： 1?10.

[5] 徐思婧，朱建寧.基于可拓學(xué)的風(fēng)景園林設(shè)計(jì)方法研究[J].中國(guó)園林，2016（8）：52?57.

XU Sijing， ZHU Jianning. Research on landscape architecture design method based on extenics [J]. Chinese garden， 2016（8）： 52?57.

[6] 龔定文.風(fēng)景園林規(guī)劃中園林道路的設(shè)計(jì)[J].現(xiàn)代園藝，2015（2）：62.

GONG Dingwen. Design of garden roads in landscape architecture planning [J]. Modern horticulture， 2015（2）： 62.

[7] 袁旸洋，成玉寧.參數(shù)化風(fēng)景環(huán)境道路選線研究[J].中國(guó)園林，2015（7）：36?40.

YUAN Yangyang， CHENG Yuning. Research on road selection of parametric landscape environment roads [J]. Chinese garden， 2015（7）： 36?40.

[8] ZHANG J D， FENG Y J， SHI F F， et al. Vehicle routing in urban areas based on the oil consumption weight?Dijkstra algorithm [J]. IET intelligent transport systems， 2016， 10（7）： 495?502.

[9] QIANG Y， CHEN W N， YU Z， et al. Adaptive multimodal continuous ant colony optimization [J]. IEEE transactions on evolutionary computation， 2017， 21（2）： 191?205.