本发明属于任务调度与优化技术领域，尤其涉及一种基于目标重要性的区域重访路径优化方法、装置、电子设备及存储介质。
背景技术：
随着无人机探测、卫星遥感以及物流系统等技术的深入发展与应用，面向更加复杂任务需求和更大规模系统资源的调度方法不断产生，对特定应用场景复杂调度问题的解决提供了有力支撑。
针对无人机探测、卫星遥感以及物流系统应用中出现的实际问题，即在问题场景中分布若干目标点，且由于传感器探测范围较大或物流装备具备区域内多目标点单次服务能力，因此可采用区域覆盖方法，将多个目标点处理任务转化为区域访问任务。同时，根据各目标点重要性评估结果合理决定各区域访问频次，并根据各区域相对空间位置，基于最短路径原则进行重访路径优化调度，从而实现系统资源的最大化利用。
技术实现要素：
为解决上述技术问题，本发明提出了一种区域重访路径优化方法、装置、电子设备及存储介质。
基于本发明实施例的一个方面，公开一种区域重访路径优化方法，包括：
获取区域信息，设定每个目标点所属的区域；
依据每个目标点所属的区域，获取每个区域的重访频次；
依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表；
依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径。
在另一个实施例中，所述依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表，包括：
获取每个区域内的每个目标点重访频次；
依据所述每个区域内的每个目标点重访频次，获取每个区域的目标点重要性之和；
依据所述每个区域的目标点重要性之和，获取目标点重要性之和值最小的区域；
依据目标点重要性之和值最小的区域，获取每个区域的目标点重要性之和与目标点重要性之和最小的和值的比值并取整，作为每个区域的重访频次值；
依据每个区域的重访频次值，生成区域的重访频次列表。
在另一个实施例中，所述依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径，包括：
基于进化算法，通过解种群进化实现优化重访路径。
在另一个实施例中，所述基于进化算法，通过解种群进化实现优化重访路径，包括：
依据所述每个区域的重访频次列表，获取区域重访的维度，所述区域重访的维度为所有区域的重访频次之和；
依据所述区域重访的维度，计算各区域中心点坐标的距离矩阵；
依据所述各区域中心点坐标的距离矩阵，设置最优种群个体数和最大进化迭代数；
对种群进行初始化，获取第一种群及第一种群中各种群个体所代表的区域重访路径方案；
依据各区域中心点坐标的距离矩阵，和第一种群中各种群个体所代表的区域重访路径方案，获取第一种群中各种群个体的总路径长度；
依据所述第一种群中各种群个体的总路径长度，获取第一种群中各种群个体的适应度；
依据所述第一种群中各种群个体的适应度，获取第一种群中各种群个体的适应度大于设定阈值的种群个体为第一选中种群个体，将第一种群的种群个体和第一选中种群个体合并作为第二种群的种群个体，生成第二种群；
对所述第二种群的种群个体中随机选择两个种群个体进行交叉算子运算，生成两个新的种群个体，将第二种群中剩余的种群个体和两个新的种群个体合并作为第三种群；
对所述第三种群中的任意两个种群个体进行变异算子运算，获取第四种群，所述第四种群与第三种群的规模相同；
将第四种群的种群个体和第一种群的种群个体合并作为第五种群的种群个体，生成第五种群，完成一次进化迭代；
循环进行进化迭代，当任一次进化迭代内某种群的种群个体数达到最优种群个体数，则将该种群输出为最优种群，或进化迭代的次数达到最大进化迭代数，则将最大进化迭代数的进化迭代中的第五种群输出为最优种群。
在另一个实施例中，所述对种群进行初始化包括：
设定种群的种群个体数目为1；
复制所述每个区域的重访频次列表，将所述重访频次列表的序列打乱，生成随机整数序列；
遍历所述随机整数序列，设置第一整数参数，将整数序列中第一整数参数的对应位置设置为1；
如果所述第一整数参数大于所述区域的个数，则遍历所述每个区域的重访频次列表，将当前重访频次为设定重访频次的区域下标设置为1；
如果所述第一整数参数小于所述区域的个数，则将当前整数序列中的整数为设定数值的对应位置加1，重新获取所述位置对应的第一整数参数，直至所述第一整数参数大于所述区域的个数；
如果当前重访频次大于1，令所述第一整数参数为所述当前重访频次的对应区域下标，所述当前重访频次减1；
如果当前重访频次不大于1，则当前重访频次为设定重访频次的区域下标加1，重新获取所述区域下标对应的当前重访频次，直至当前重访频次大于1；
跳出当前循环，将整数序列中的当前整数的对应位置加1；
如果整数序列中的当前整数的对应位置大于区域重访的维度，则完成种群初始化；
如果否，则重新进行种群初始化。
在另一个实施例中，所述交叉算子运算包括：
x＝find(ai＝＝aj(p))
y＝find(aj＝＝ai(p))
x＝x(1)
y＝y(1)
temp1＝ai(p)
ai(p)＝aj(p)
aj(p)＝temp1
temp2＝ai(x)
ai(x)＝aj(y)
aj(y)＝temp2
式中，find()函数表示寻找符合相应条件的数组下标，p为交叉点位，p∈[1,n]为整数，n为区域重访的维度，ai,aj表示种群个体，ai(p),aj(p)表示交叉点位的种群个体，temp1、temp2为交叉算子运算的中间代字。
在另一个实施例中，所述变异算子运算包括：
temp＝ai(p1)
ai(p1)＝ai(p2)
ai(p2)＝temp
式中，ai表示种群个体，p为变异点位，p∈[1,n]为整数，temp为变异算子运算的中间代字。
本申请实施例提供了一种区域重访路径优化装置，包括：
获取模块，用于获取区域信息，设定每个目标点所属的区域；依据每个目标点所属的区域，获取每个区域的重访频次；
频次列表模块，用于依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表；
路径生成模块，用于依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径。
本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意实施例所提供的区域重访路径优化方法的步骤。
本申请实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意实施例所提供的区域重访路径优化方法的步骤。
与现有技术相比，本发明具有如下优点：
采用本发明的区域重访路径优化方法、装置、电子设备及存储介质通过区域内目标点的重要性评估结果生成各区域访问频次，根据各区域访问频次，结合各区域相对空间位置，基于最短路径原则进行重访路径优化调度，实现系统资源的最大化利用，方法结构简单，可行性与鲁棒性强，运行速度快。
附图说明
图1为本发明提出的区域重访路径优化方法的流程图；
图2为本发明提出的区域重访路径优化方法的另一个实施例的流程图；
图3为本发明提出的区域重访路径优化方法的又一个实施例的流程图；
图4为一个实施例中区域重访路径优化装置的结构框图；
图5为一个实施例中电子设备的内部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图和实施例对本发明提供的一种区域重访路径优化方法、装置、电子设备及存储介质进行更详细地说明。
为了更好的说明本申请的实施例，需要首先说明相关概念：
区域dn：表示问题涉及的各区域d1,d2,...,dn。
区域dn中心点坐标(xn,yn)：表示各区域中心点平面直角坐标。
区域dn内目标点
区域dn内目标点重要性
区域dn重访频次tn：表示单个任务周期内区域dn的重访次数，其中，tn≥1且为整数。
在一个具体的实施例中，如图1所示，所属区域重访路径优化方法包括：
步骤101，获取区域信息，设定每个目标点所属的区域。
具体的，在本申请的一个实施例中，针对无人机探测、卫星遥感以及物流系统应用中出现的实际问题，即在问题场景中分布若干目标点，且由于传感器探测范围较大或物流装备具备区域内多目标点单次服务能力。因此，对于本申请的区域而言，重访路径优化的对象是区域而不是单个目标点，需首先根据各目标点的重要性评估结果决定各区域访问频次；有别于传统路径优化问题中每个点仅需访问1次，本场景允许在一个任务周期内对区域进行多次重访；单个区域在一个任务周期内重访次数必须符合该区域访问频次要求。
具体的，在本申请的一个实施例中，对区域的划分可以是对任务范围的设定面积的划分，将任务范围划定区域以后，就可以获取每个区域内的目标点情况。
步骤102，依据每个目标点所属的区域，获取每个区域的重访频次。
具体的，获取每个区域的重访频次就是获取每个区域中，在设定时间内访问的次数。
步骤103，依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表。
具体的，在本申请的一个实施例中，所述依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表，包括：
获取每个区域内的每个目标点重访频次；
依据所述每个区域内的每个目标点重访频次，获取每个区域的目标点重要性之和；
依据所述每个区域的目标点重要性之和，获取目标点重要性之和值最小的区域；
依据目标点重要性之和值最小的区域，获取每个区域的目标点重要性之和与目标点重要性之和最小的和值的比值并取整，作为每个区域的重访频次值；
依据每个区域的重访频次值，生成区域的重访频次列表。
具体的，在本申请的一个实施例中，遍历每个区域d1,d2,...,dn，分别计算各个区域内目标点重要性之和dpn：
令dpmin＝min{dp1,dp2,...,dpn},若dpmin对应的区域为di，则区域di重访频次ti＝1；
对于每个区域d1,d2,...,dn，其重访频次计算方法为：
式中，[]表示取整运算。
步骤104，依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径。
具体的，在本申请的一个实施例中，基于进化算法，通过解种群进化实现优化重访路径。
具体的，如图2所示，在本申请的一个实施例中，所述基于进化算法，通过解种群进化实现优化重访路径，包括：
依据所述每个区域的重访频次列表，获取区域重访的维度，所述区域重访的维度为所有区域的重访频次之和；
具体的，区域重访的维度为：
依据所述区域重访的维度，计算各区域中心点坐标的距离矩阵；
具体的，各区域中心点距离矩阵dis，则：
依据所述各区域中心点坐标的距离矩阵，设置最优种群个体数和最大进化迭代数；
具体的，设置最优种群个体数np及最大进化迭代数g。
对种群进行初始化，获取第一种群及第一种群中各种群个体所代表的区域重访路径方案；
具体的，这里的第一种群就是进行初始化后，第一次出现的种群，种群a中某种群个体anp具体格式为：
anp＝{anp(1),anp(2),...,anp(n)},其中anp(1),anp(2),...,anp(n)∈[1,n]且均为整数。
具体的，在本申请的一个实施例中，如图3所示，所述对种群进行初始化包括：
设定种群的种群个体数目为1，具体的，如图3所示，将当前种群的种群个体数目为np，令np＝1；
复制所述每个区域的重访频次列表，将所述重访频次列表的序列打乱，生成随机整数序列；
遍历所述随机整数序列，设置第一整数参数，将整数序列中第一整数参数的对应位置设置为1，具体的，如图3所示，第一整数参数为i，i对应位置为j，令j＝1；
如果所述第一整数参数大于所述区域的个数，则遍历所述每个区域的重访频次列表，将当前重访频次为设定重访频次的区域下标设置为1，具体的，如图3所示，即比较第一整数参数i与区域个数n的关系，如果i>n，则遍历赋值的区域，将当前重访频次设置为k，k对应区域下标为m，令m＝1；
如果所述第一整数参数小于所述区域的个数，则将当前整数序列中的整数为设定数值的对应位置加1，重新获取所述位置对应的第一整数参数，直至所述第一整数参数大于所述区域的个数，具体的，如图3所示，如果i<n，则第一整数参数i对应位置j＝j 1；
如果当前重访频次大于1，令所述第一整数参数为所述当前重访频次的对应区域下标，所述当前重访频次减1，具体的，如图3所示，如果当前重访频次k>1，则将第一整数参数i＝当前重访频次对应区域下标m，当前重访频次k＝k-1；
如果当前重访频次不大于1，则当前重访频次为设定重访频次的区域下标加1，具体的，如图3所示，即当前重访频次对应区域下标m＝m 1，重新获取所述区域下标对应的当前重访频次，直至当前重访频次大于1；
跳出当前循环，将整数序列中的当前整数的对应位置加1；
如果整数序列中的当前整数的对应位置大于区域重访的维度，则完成种群初始化；
如果否，则重新进行种群初始化。
依据各区域中心点坐标的距离矩阵，和第一种群中各种群个体所代表的区域重访路径方案，获取第一种群中各种群个体的总路径长度；
具体的，第一种群中各种群个体的总路径长度为：
特别的，若区域重访路径方案中存在相邻2个访问区域为同一区域的情况，则需要在总路径长度中加入罚函数，该罚函数一般取正无穷大值：
lnp＝lnp inf。
依据所述第一种群中各种群个体的总路径长度，获取第一种群中各种群个体的适应度；
具体的，个体适应度计算方法为：
依据所述第一种群中各种群个体的适应度，获取第一种群中各种群个体的适应度大于设定阈值的种群个体为第一选中种群个体，将第一种群的种群个体和第一选中种群个体合并作为第二种群的种群个体，生成第二种群；
具体的，如果fitnessnp＞rand()，则第二种群：a'＝{a',anp}，anp为第一种群的种群个体，rand()函数设定阈值，为(0,1)区间的随机数。
对所述第二种群的种群个体中随机选择两个种群个体进行交叉算子运算，生成两个新的种群个体，将第二种群中剩余的种群个体和两个新的种群个体合并作为第三种群；
具体的，交叉算子运算应用于第二种群，从第二种群中随机选中的2个种群个体的部分路径方案交换，并相应交换冲突位置以保证各区域重访次数不变，生成新的2个种群个体。
具体的，所述交叉算子运算为：
第二种群中交叉的2个种群个体分别为ai,aj，其交叉点位为p∈[1,n]且p为整数，则交叉方法为：
x＝find(ai＝＝aj(p))
y＝find(aj＝＝ai(p))
x＝x(1)
y＝y(1)
temp1＝ai(p)
ai(p)＝aj(p)
aj(p)＝temp1
temp2＝ai(x)
ai(x)＝aj(y)
aj(y)＝temp2
其中，find()函数表示寻找符合相应条件的数组下标，p为交叉点位，p∈[1,n]为整数，n为区域重访的维度，ai,aj表示种群个体，ai(p),aj(p)表示交叉点位的种群个体，temp1、temp2为交叉算子运算的中间代字。
第二种群通过交叉算子运算以后，即获取第三种群。
对所述第三种群中的任意两个种群个体进行变异算子运算，获取第四种群，所述第四种群与第三种群的规模相同。
具体的，变异算子运算应用第三种群，在上述第二种群的交叉算子运算操作生成的第三种群的基础上，将第三种群中的种群个体的某2个位置进行变异算子运算操作，并进入下一代循环，同时保持种群规模不变。
第三种群中执行变异算子运算的种群个体为ai，随机选取交换的位置为p1,p2∈[1,n]且为整数，则变异操作方法为：
temp＝ai(p1)
ai(p1)＝ai(p2)；
ai(p2)＝temp
ai表示种群个体，p为变异点位，p∈[1,n]为整数，temp为变异算子运算的中间代字。
第三种群通过变异算子运算以后，即获取第四种群，第四种群的表达式为a'＝{a',ai}。
将完成变异算子运算操作的新的种群个体进入下一代循环，直到新种群a'的个体数量达到np。
将第四种群的种群个体和第一种群的种群个体合并作为第五种群的种群个体，生成第五种群，完成一次进化迭代；
循环进行进化迭代，当任一次进化迭代内某种群的种群个体数达到最优种群个体数，则将该种群输出为最优种群，或进化迭代的次数达到最大进化迭代数，则将最大进化迭代数的进化迭代中的第五种群输出为最优种群。
本申请实施例的区域重访路径优化方法通过区域内目标点的重要性评估结果生成各区域访问频次，根据各区域访问频次，结合各区域相对空间位置，基于最短路径原则进行重访路径优化调度，实现系统资源的最大化利用，方法结构简单，可行性与鲁棒性强，运行速度快。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种区域重访路径优化装置，所述装置包括：获取模块、频次列表模块、路径生成模块。
获取模块，用于获取区域信息，设定每个目标点所属的区域；依据每个目标点所属的区域，获取每个区域的重访频次；
频次列表模块，用于依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表；
路径生成模块，用于依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径。
具体的，在本申请的另一个实施例中，本申请的区域重访路径优化装置通过频次列表模块获取每个区域内的每个目标点重访频次；依据所述每个区域内的每个目标点重访频次，获取每个区域的目标点重要性之和；依据所述每个区域的目标点重要性之和，获取目标点重要性之和值最小的区域；依据目标点重要性之和值最小的区域，获取每个区域的目标点重要性之和与目标点重要性之和最小的和值的比值并取整，作为每个区域的重访频次值；依据每个区域的重访频次值，生成区域的重访频次列表。
具体的，在本申请的另一个实施例中，本申请的区域重访路径优化装置通过路径生成模块基于进化算法，通过解种群进化实现优化重访路径。
具体的，在本申请的另一个实施例中，本申请的区域重访路径优化装置通过路径生成模块依据所述每个区域的重访频次列表，获取区域重访的维度，所述区域重访的维度为所有区域的重访频次之和；依据所述区域重访的维度，计算各区域中心点坐标的距离矩阵；依据所述各区域中心点坐标的距离矩阵，设置最优种群个体数和最大进化迭代数；对种群进行初始化，获取第一种群及第一种群中各种群个体所代表的区域重访路径方案；依据各区域中心点坐标的距离矩阵，和第一种群中各种群个体所代表的区域重访路径方案，获取第一种群中各种群个体的总路径长度；依据所述第一种群中各种群个体的总路径长度，获取第一种群中各种群个体的适应度；依据所述第一种群中各种群个体的适应度，获取第一种群中各种群个体的适应度大于设定阈值的种群个体为第一选中种群个体，将第一种群的种群个体和第一选中种群个体合并作为第二种群的种群个体，生成第二种群；对所述第二种群的种群个体中随机选择两个种群个体进行交叉算子运算，生成两个新的种群个体，将第二种群中剩余的种群个体和两个新的种群个体合并作为第三种群；对所述第三种群中的任意两个种群个体进行变异算子运算，获取第四种群，所述第四种群与第三种群的规模相同；将第四种群的种群个体和第一种群的种群个体合并作为第五种群的种群个体，生成第五种群，完成一次进化迭代；循环进行进化迭代，当任一次进化迭代内某种群的种群个体数达到最优种群个体数，则将该种群输出为最优种群，或进化迭代的次数达到最大进化迭代数，则将最大进化迭代数的进化迭代中的第五种群输出为最优种群。
具体的，在本申请的另一个实施例中，本申请的区域重访路径优化装置通过路径生成模块设定种群的种群个体数目为1；复制所述每个区域的重访频次列表，将所述重访频次列表的序列打乱，生成随机整数序列；遍历所述随机整数序列，设置第一整数参数，将整数序列中第一整数参数的对应位置设置为1；如果所述第一整数参数大于所述区域的个数，则遍历所述每个区域的重访频次列表，将当前重访频次为设定重访频次的区域下标设置为1；如果所述第一整数参数小于所述区域的个数，则将当前整数序列中的整数为设定数值的对应位置加1，重新获取所述位置对应的第一整数参数，直至所述第一整数参数大于所述区域的个数；如果当前重访频次大于1，令所述第一整数参数为所述当前重访频次的对应区域下标，所述当前重访频次减1；如果当前重访频次不大于1，则当前重访频次为设定重访频次的区域下标加1，重新获取所述区域下标对应的当前重访频次，直至当前重访频次大于1；跳出当前循环，将整数序列中的当前整数的对应位置加1；如果整数序列中的当前整数的对应位置大于区域重访的维度，则完成种群初始化；如果否，则重新进行种群初始化。
本申请实施例的区域重访路径优化装置通过区域内目标点的重要性评估结果生成各区域访问频次，根据各区域访问频次，结合各区域相对空间位置，基于最短路径原则进行重访路径优化调度，实现系统资源的最大化利用，方法结构简单，可行性与鲁棒性强，运行速度快。
在一个实施例中，提供了一种电子设备，该电子设备内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信(nfc)或其他技术实现。该计算机程序被处理器执行时以实现一种区域重访路径优化方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的区域重访路径优化装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的电子设备上运行。电子设备的存储器中可存储组成该区域重访路径优化装置的各个程序模块，比如，图4所示的获取模块、频次列表模块、路径生成模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的区域重访路径优化方法中的步骤。
例如，图5所示的电子设备可以通过4所示的区域重访路径优化装置的获取模块，用于获取区域信息，设定每个目标点所属的区域；依据每个目标点所属的区域，获取每个区域的重访频次；频次列表模块，用于依据所述每个区域的重访频次，获取每个区域内目标点的重要性评估结果，生成每个区域的重访频次列表；路径生成模块，用于依据所述每个区域的重访频次列表，基于最短路径原则生成优化重访路径。
在一个实施例中，处理器执行计算机程序时，实现以下步骤：获取每个区域内的每个目标点重访频次；依据所述每个区域内的每个目标点重访频次，获取每个区域的目标点重要性之和；依据所述每个区域的目标点重要性之和，获取目标点重要性之和值最小的区域；依据目标点重要性之和值最小的区域，获取每个区域的目标点重要性之和与目标点重要性之和最小的和值的比值并取整，作为每个区域的重访频次值；依据每个区域的重访频次值，生成区域的重访频次列表。
在一个实施例中，处理器执行计算机程序时，实现以下步骤：通过路径生成模块基于进化算法，通过解种群进化实现优化重访路径。
在一个实施例中，处理器执行计算机程序时，实现以下步骤：依据所述每个区域的重访频次列表，获取区域重访的维度，所述区域重访的维度为所有区域的重访频次之和；依据所述区域重访的维度，计算各区域中心点坐标的距离矩阵；依据所述各区域中心点坐标的距离矩阵，设置最优种群个体数和最大进化迭代数；对种群进行初始化，获取第一种群及第一种群中各种群个体所代表的区域重访路径方案；依据各区域中心点坐标的距离矩阵，和第一种群中各种群个体所代表的区域重访路径方案，获取第一种群中各种群个体的总路径长度；依据所述第一种群中各种群个体的总路径长度，获取第一种群中各种群个体的适应度；依据所述第一种群中各种群个体的适应度，获取第一种群中各种群个体的适应度大于设定阈值的种群个体为第一选中种群个体，将第一种群的种群个体和第一选中种群个体合并作为第二种群的种群个体，生成第二种群；对所述第二种群的种群个体中随机选择两个种群个体进行交叉算子运算，生成两个新的种群个体，将第二种群中剩余的种群个体和两个新的种群个体合并作为第三种群；对所述第三种群中的任意两个种群个体进行变异算子运算，获取第四种群，所述第四种群与第三种群的规模相同；将第四种群的种群个体和第一种群的种群个体合并作为第五种群的种群个体，生成第五种群，，完成一次进化迭代；循环进行进化迭代，当任一次进化迭代内某种群的种群个体数达到最优种群个体数，则将该种群输出为最优种群，或进化迭代的次数达到最大进化迭代数，则将最大进化迭代数的进化迭代中的第五种群输出为最优种群。
在一个实施例中，处理器执行计算机程序时，实现以下步骤：通过路径生成模块设定种群的种群个体数目为1；复制所述每个区域的重访频次列表，将所述重访频次列表的序列打乱，生成随机整数序列；遍历所述随机整数序列，设置第一整数参数，将整数序列中第一整数参数的对应位置设置为1；如果所述第一整数参数大于所述区域的个数，则遍历所述每个区域的重访频次列表，将当前重访频次为设定重访频次的区域下标设置为1；如果所述第一整数参数小于所述区域的个数，则将当前整数序列中的整数为设定数值的对应位置加1，重新获取所述位置对应的第一整数参数，直至所述第一整数参数大于所述区域的个数；如果当前重访频次大于1，令所述第一整数参数为所述当前重访频次的对应区域下标，所述当前重访频次减1；如果当前重访频次不大于1，则当前重访频次为设定重访频次的区域下标加1，重新获取所述区域下标对应的当前重访频次，直至当前重访频次大于1；跳出当前循环，将整数序列中的当前整数的对应位置加1；如果整数序列中的当前整数的对应位置大于区域重访的维度，则完成种群初始化；如果否，则重新进行种群初始化。
本申请处理器执行计算机程序时通过区域内目标点的重要性评估结果生成各区域访问频次，根据各区域访问频次，结合各区域相对空间位置，基于最短路径原则进行重访路径优化调度，实现系统资源的最大化利用，方法结构简单，可行性与鲁棒性强，运行速度快。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-onlymemory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(randomaccessmemory，ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，比如静态随机存取存储器(staticrandomaccessmemory，sram)和动态随机存取存储器(dynamicrandomaccessmemory，dram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
