Тип работы:
Предмет:
Язык работы:


Построение оптимального маршрута и его визуализация с помощью WebGL

Работа №77810

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы43
Год сдачи2016
Стоимость4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
45
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 4
ГЛАВА 1. ОБЗОР ЗАДАЧИ 6
1.1. Задача коммивояжера 6
1.2. Анализ существующих сервисов и их недостатки 8
1.3. Постановка задачи 11
1.4. Выводы по Главе 1 12
ГЛАВА 2. МАТЕМАТИЧЕСКАЯ ОСНОВА ПРОЕКТА 13
2.1. Анализ алгоритмов поиска оптимального пути 13
2.1.1. Т очные алгоритмы 13
2.1.2. Неточные алгоритмы 18
2.2. Генетический алгоритм 23
2.3. Выводы по Главе 2 29
ГЛАВА 3. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ И РЕЗУЛЬТАТЫ РАБОТЫ ... 30
3.1. Обзор используемых в разработке приложения инструментов 30
3.1.1. HTML, CSS и Bootstrap 30
3.1.2. JavaScript и jQuery 31
3.1.3. Google.Maps 31
3.1.4. WebGL 32
3.2. Логика приложения 33
3.3. Анализ полученных результатов 37
3.4. Выводы по Главе 3 39
ЗАКЛЮЧЕНИЕ 40
СПИСОК ЛИТЕРАТУРЫ 41

Задача построения оптимального маршрута, впервые поднятая в 1832 году в книге «Коммивояжер - как он должен вести себя и что должен делать для того, чтобы доставлять товар и иметь успех в своих делах
- советы старого курьера», является актуальной и на сегодняшний день
- разрабатываются новые методы решения задачи, реализуются программы, которые позволяют работать с количеством узлов близким к миллиону за приемлемое время. Неугасаемый интерес к этой задачи обусловлен разнообразием применений ее на практике. Поиск оптимального пути широко используется во всех задачах транспортной логистики, на производстве - в виде задач минимизации времени переналадки и при работе дыропробивных прессов.[1]
Вопросы оптимизации маршрута поднимаются в трудах таких известных деятелей математики как Уильям Роуэн Гамильтон, Джордж Данциг, Ричард Мэннинг Карп, Дэвид Аплгейт, Герхард Райнельт. [1]
Несмотря на обширную теоретическую базу, к сожалению, представлено не так много приложений, позволяющих людям, далеким от математики и программирования, использовать существующую разработки для решения практических задач. Пользователь, который хочет обойти n-ное количество мест за минимальное время, используя такие популярные картографические сервисы как «Яндекс.Карты» [2] и «Google Карты» [3], не может решить поставленную задачу, так как маршрут в приложении строится по заранее заданному в определенном порядке списку мест. Цель данной работы заключается в интегрировании алгоритма задачи коммивояжера в Google.Maps с использованием технологии WebGL [4] на примере приложения поиска оптимального маршрута между достопримечательностями Санкт-Петербурга.
Для достижения указанной цели поставлены следующие задачи:
1. рассмотреть основные алгоритмы поиска оптимального маршрута;
2. провести анализ данных алгоритмов и выбрать один из них для практической реализации;
3. написать код выбранного алгоритма, используя JavaScript;
4. на основе полученных данных анализа разработать приложение, позволяющее пользователям отметить на карте достопримечательности и получить оптимальный путь, наглядно показанный на Google.Maps.
Актуальность данной работы заключается в поставленной цели - анализа алгоритмов, оптимальных для поставленной задачи, и создании удобного приложения по поиску оптимального пути для гидов, экскурсоводов и нуждающихся в быстром доступе к разнообразным маршрутам туристов. Практическая значимость работы выражается в потенциале для дальнейшего развития и коммерциализации приложения.
Дипломная работа разделена на три главы. В первой главе «Обзор задачи» представлен обзор предметной области, описывается функциональность приложения, определяются границы проекта. Во второй главе «Математическая основа проекта» проводится анализ алгоритмов для решения задачи. В третьей главе «Практическая реализация и результаты работы» рассказано, какие инструменты использовались при создании проекта, анализируются полученные данные.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В данной работе была исследована задача коммивояжера. Были выявлены недостатки существующих приложений для поиска оптимального пути и по результатам исследования сформулированы требования к разрабатываемому приложению.
При решении задачи поиска оптимального пути были изучены различные алгоритмы, был проведен анализ, в результате которого был выбран генетический алгоритм как наиболее удовлетворяющий поставленные цели.
Генетический алгоритм был реализован на языке JavaScript c использованием Google.Maps и WebGL. Разработанное приложение было успешно протестировано при различных вводных данных, было исследовано качество результатов при определенных параметрах алгоритма, в результате чего были выбраны наиболее эффективные решения.
Цель работы, заключающаяся в создании удобного интерактивного приложения по поиску оптимального пути для экскурсоводов и туристов, была в полном объеме достигнута.


1. Geunes J. Operations Planning: Mixed Integer Optimization Models (Operations Research Series). CRC Press, 2014. P. 167-172.
2. Яндекс.Карты. https://yandex.ru/maps
3. Google Maps https://maps.google.com/
4. WebGL public wiki https://www.khronos.org/webgl/wiki/Main_Page
5. Cook W. J. In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation. Princeton University Press, 2012. P. 19-39.
6. Applegate D.L., Bixby R.E., Chvatal V., Cook W.J. The Traveling Salesman Problem. Princeton University Press, 2007. P. 44-52.
7. Левитин А. Алгоритмы. Введение в разработку и анализ. Вильямс, 2006. P. 160.
8. Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи. Мир, 1982.
9. Okano H. Study of Practical Solutions for Combinatorial Optimization Problems. Tohoku University, 2009. P. 14-17.
10. Meganavigator. http://meganavigator.com/
11. Логист. http://logist.poncy.ru/
12. Speedy Route. https://www.speedyroute.com/
13. Левитин А. Алгоритмы. Введение в разработку и анализ. Вильямс, 2006. 35-36 с.
14. Kona H., Burde A., Dr. Zanwar D. R. A Review of Traveling Salesman Problem with Time Window Constraint // IJIRST - International Journal for Innovative Research in Science & Technology, 2015. Vol. 2, Issue 1. P. 253¬254.
15. Tannenbaum P. Excursions in Mathematics. University of Kansas, 2011. P. 25.
16. Clausen J. Branch and Bound Algorithms - Principles and Examples. University of Copenhagen, 1999. P. 5-6.
17. Tollis I. G. Algorithms and Complexity. University of Crete, 2000. P. 140-146.
18. Applegate D., Bixby R., Chvatal V., Cook W. TSP cuts outside the template paradigm. Donet, 2000. P. 1-10.
19. Захарова Е.М., Минашина И.К. Обзор методов многомерной оптимизации // Информационные процессы, 2014. Том 14, № 3. стр. 265¬266.
20. Papadimitriou C., Vazirani U. Efficient Algorithms and Intractable Problems. Berkeley EECS, 1999. Chapter 10.
21. Goodrich M., Roberto T. Algorithm Design and Applications, Wiley, 2015. P. 513-514.
22. Nilsson C. Heuristics for the Traveling Salesman Problem. Linkoping University, 2011. P. 1-6.
23. Alsalibi B.A., Jelodar M.B., Venkat I. A Comparative Study between the Nearest Neighbor and Genetic Algorithms: A revisit to the Traveling Salesman Problem // International Journal of Computer Science and Electronics Engineering (IJCSEE), 2013. Vol. 1, Issue 1.
24. Gutin G.,Yeo A. The Greedy Algorithm for the Symmetric TSP. University of London, 2002. P. 1-2.
25. Gutin G., Karapetyan D. Lin-Kernighan Heuristic Adaptations for the Generalized Traveling Salesman Problem. Royal Holloway London University, 2010. P. 1-5.
26. Gupta R., Chauhan C., Pathak K. Survey of Methods of Solving TSP along with its Implementation using Dynamic Programming Approach. // International Journal of Computer Applications, 2012. Vol. 52, No.4. P. 1-6.
27. Basu S. Tabu Search Implementation on Traveling Salesman Problem and Its Variations: A Literature Survey. Indian Institute of Management Calcutta,
2012. P. 1-8.
28. Dorigo M., Caro G. D. Ant Algorithms for Discrete Optimization // Artificial Life, 1999. Vol. 5, No 2. P. 139-140.
29. Dorigo M., Gambardella L. M. Ant colonies for the traveling salesman problem. Universite Libre de Bruxelles, 1996. P. 1-4.
30. Johnson D. S., McGeoch L. A., Rothberg E. E. Asymptotic Experimental Analysis for the Held-Karp Traveling Salesman Bound. AT&T Bell Laboratories, 1999. P. 1-2.
31. Abdulkarim H.A., Alshammari I. F. Comparison of Algorithms for Solving Traveling Salesman Problem. // International Journal of Engineering and Advanced Technology, 2015. Vol.4, Issue 6. P. 76-79.
32. Роббинс Д.Н. HTML5, 5-е издание. Вильямс, 2015. P. 11-14.
33. HTML5. W3C Recommendation. https://www.w3.org/TR/html5/
34. Макфарланд Д.С. Большая книга CSS3. Символ-Плюс, 2014. P. 10-24.
35. Stylus official site http://stylus-lang.com/
36. Bootstrap official site http://getbootstrap.com/
37. Флэнаган Д. Javascript. Подробное руководство. 6 издание. Символ-Плюс,
2013. P. 21-39.
38. jQuery official site https://jquery.com/
39. Google Maps API https://developers.google.com
40. Мацуда К., Ли Р. WebGL: Программирование трехмерной графики. ДМК Пресс, 2015. P. 26-41.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ