三维路径（精选五篇）
三维路径 篇1
1 背景与意义
余姚市现有常住人口83.41万、流动人口51.5万, 常住和流动育龄妇女人数分别达21.3万、19.3万。全市医疗机构年分娩量达1.27万人次, 年管理常住和流动人口孕产妇数达1.25万余人。在这些孕产妇中, 有高危因素的孕妇占40%多, 其中一些患有妊娠合并症, 如妊娠合并心脏病、妊娠合并甲状腺疾病以及孕妇血型为Rh阴性的, 在妊娠分娩过程中如管理不当可能会影响母婴健康甚至威胁到母婴生命安全。随着对胎儿发育过程认识的不断深入, 以及生活水平的提高, 孕产妇及其家庭对围产期保健工作越来越重视。不少孕妇被过度保护, 出现营养过剩、活动量减少, 导致妊娠期糖尿病孕妇不断增多, 若不加以规范管理则孕产期母婴并发症发病率可能上升, 新生儿体重也难控制在正常范围[1]。现有的围产期保健内容已经无法满足孕产妇需求, 她们期望得到更全面和更专业的医疗保健服务, 解决在围产保健过程中遇到的健康问题, 提高新生儿出生质量, 保证母婴安全和健康。
围产保健管理是一项科学性、系统性、群众性很强的工作, 管理效应直接影响到围产保健管理系统目标的实现, 而科学的管理是使整个系统发挥最佳效应的关键[2]。因此, 认真抓好围产保健工作, 坚持在工作中探索规范的围产保健质量管理, 提高管理水平和保健质量是妇幼保健工作中具有深远意义的重要任务。
2 国内外研究现状
围产保健直接关系到母婴健康与安全, 是妇幼保健工作的主要内容, 是实现优生优育、提高民族健康水平的重要措施之一[3], 是在孕产妇系统保健基础上以母子共为监护对象、扩大保健内容、采用适宜监护技术, 对母子进行统一管理的保健手段。传统的围产保健模式就是指包括孕前、孕期、分娩期、产褥期的全程系列保健服务。在管理过程中, 有的地方提出“初诊产妇登记、产前检查、高危处理、孕期健康教育、住院分娩、产育期保健”等六个方面的围产期保健管理体系, 以及“普遍管理、分级管理、持续管理、综合管理”的四大原则[4]。有的结合实际, 出台了《围产保健管理办法》、《孕产期保健管理常规》、《高危妊娠管理办法》等相关制度。而在围产保健中如何提供更有效的服务措施、更规范的服务标准、更高的服务要求, 寻求一条最佳的保健途径, 以及如何将围产保健管理模式与孕产期疾病临床诊疗相结合, 是卫生行政部门和医疗保健机构需要面对和思考的问题。
临床路径作为一种新型的病种管理模式, 具有改善医疗服务质量, 降低医疗服务费用, 提高患者满意度, 增强医院竞争力的作用[5]。目前, 国外对临床路径的研究与应用已处于成熟阶段, 实施临床路径管理不再局限于外科手术病种, 已从急性病向慢性病、从外科病向内科病、从医疗向保健、从单纯临床管理向医院各方面管理扩展[6]。目前, 国内各地将推广临床路径作为完善公立医院管理的重要手段, 通过建立健全临床路径管理制度、工作模式、运行机制和评估体系, 推动医疗管理向专业化、精细化发展。但目前, 将临床路径管理模式的应用范畴向基本公共卫生服务项目延伸, 在妇幼保健管理工作中进行尝试, 把研究对象及范围界定在围产保健工作, 并对围产保健路径管理模式、机制进行系统研究的著述还未查及。
3 主要做法
“三维保健平台”是指整合余姚市属地医疗保健机构、市妇幼保健所和市人民医院三个保健环节, 将市、镇、村三级妇幼保健管理服务网络与市人民医院的综合诊治力量有机结合, 形成双向转诊、信息互通、上下联动的保健模式, 不断提高临床诊治能力和保健服务质量。“围产保健路径管理”是指对围产保健中发现的一些合并症或并发症, 按照《孕产期保健工作规范》要求实行专案管理, 制定出具有最适当的程序、进度及围产保健特色的保健管理方案加以实施, 促进医疗保健工作人员行为的规范化、标准化, 合力推动保健管理向专业化、精细化发展, 提高保健管理质量和效率, 降低孕产期母婴并发症发生率, 降低胎儿畸形发生率和剖宫产率, 最大限度地保障母婴健康与安全。
3.1 管理对象
首批进入围产保健路径管理的对象为妊娠合并心脏病、妊娠期糖尿病、妊娠合并甲状腺功能低下以及Rh阴性血型孕妇等四种类型。
3.1.1 妊娠合并心脏病
包括风湿性心脏病、先天性心脏病、高血压性心脏病、冠心病、心肌炎、围生期心肌病、严重心律失常等各种心脏病[7]。凡是心血管科医生和/或产科医生确诊或疑似为病理性心脏改变的病例均需纳入管理、上报范围;如心血管医生确认为妊娠生理性改变, 也要加强妊娠期监护。
3.1.2 妊娠合并甲状腺功能低下
筛查项目初步规定为孕妇血清TSH、FT4、TPO-Ab、TgAb四项, 诊断参考标准值TSH参照美国ATA标准即TI期0.1-2.5;T2期0.2-3.0;T3期0.3-3.0;FT4参照试剂盒推荐标准[8]。
3.1.3 妊娠期糖尿病
孕24~28周, 先查FBG, 如FBG≥5.1mmol/L, 复测仍≥5.1mmol/L诊断妊娠期糖尿病;如FBG<5.1mmol/L行75gOGTT检查, 空腹血糖、服糖1小时、2小时血糖分别为5.1mmol/L、10.0 mmol/L、8.5mmol/L, 任何一点达到或超过即诊断妊娠期糖尿病[9]。
3.1.4 Rh阴性血型
血型检查为Rh阴性血型的孕妇。
3.2 具体内容
针对上述四种类型, 余姚市卫生局整合区域卫生资源, 实行围产保健对象三重管理, 形成“市妇保所质控督导+市人民医院临床技术支撑+属地医疗保健机构跟踪管理”的服务模式, 提供更贴近围产保健对象需求的“立体化”服务。
3.2.1 市妇保所质控督导
余姚市妇幼保健所根据要求制定围产保健路径管理制度和考核评估方案, 结合妊娠合并心脏病、妊娠期糖尿病、妊娠合并甲状腺功能低下、Rh阴性血型等四种类型的特点, 从保健类型筛查、合理转诊、接诊与会诊、追踪管理、待产及终止妊娠、产后访视、42天检查、信息报告及结案等各个环节, 设置精细化、标准化、程序化的围产保健路径。同时, 指定妇保科及相关人员专门管理, 明确职责, 督促属地医疗保健机构认真收集路径管理实施过程中的相关信息, 定期报送实施情况, 并在责任团队下乡时加以指导与督查。
3.2.2 市人民医院临床技术支撑
市人民医院根据实际工作及病种管理要求, 指定接诊科室、接诊医生、追踪随访人员、信息报告人员、病种管理人员, 按照围产保健路径管理要求, 开展高危妊娠的临床诊治和专案管理, 由产科高危门诊与相关科室做好相应的衔接和追踪工作, 协同做好高危孕妇的医疗保健管理, 防止管理链断裂、脱节。同时, 成立会诊与转诊专家小组, 发挥综合性三乙医院的综合诊治力量, 随时提供医疗保健技术支撑, 确保母婴安全。
3.2.3 属地医疗保健机构跟踪管理
各乡镇 (中心) 卫生院及街道社区卫生服务中心在产前筛查时一旦发现高危因素, 则根据围产保健路径管理实施方案, 将符合条件的相关孕妇纳入路径管理之中, 按要求分步实施, 及时跟踪随访。对列入路径管理的围产保健对象, 主动帮助其与市人民医院或市妇保所联系, 使其便捷、迅速地接受诊断和治疗。按路径管理要求建立档案, 详细记录其孕情、生育、去向等, 做到底子清、情况明, 确保跟踪不漏人, 服务不缺项。同时, 根据每个围产保健对象档案情况, 指定专人负责, 开展一对一上门服务, 有针对性地到服务对象家中, 重点给予孕前、孕期和孕后全过程优生服务指导。
3.3 相关培训
对围产保健路径管理实施人员加强医疗业务知识规范培训, 使承担路径管理的相关工作人员系统掌握基本知识和基本技能, 明确工作要求和操作规范, 特别是重视各个环节之间的衔接, 重点是加强市人民医院心内科、内分泌科、产科、输血科等科室业务骨干与基层妇保医生之间相关病种专业知识上的衔接, 强化基层妇保医生基本诊疗技能的培训与考核;同时, 对实施保健路径管理的孕妇加强相关疾病知识、疾病风险及转诊、治疗重要性教育与指导, 提高保健管理依从性。
3.4 效果评价
各实施单位在每例保健路径管理案例结束时, 对照标准对各个环节进行自查, 及时发现不足, 及时整改落实, 不断提高实施质量;市妇幼保健所定期对各单位围产保健路径管理实施的各个环节进行抽查, 并对四种实施类型的并发症发生率、Rh阴性血型孕妇自体血备用率、剖宫产发生率、妊娠结局、医务人员和孕产妇及其家属的满意度调查等给予评估, 并进行阶段性总结, 定期对路径管理实施情况进行分析、总结和通报。
4 结论
4.1 创新了围产保健管理理念
在三维保健平台下实施围产保健路径管理, 能充分发挥市卫生局、市妇幼保健所的组织管理职能以及乡镇医疗保健机构在三级妇幼保健管理服务网络中的枢纽作用, 借助市内三级综合医院的诊疗与救治力量, 使医疗保健资源共享, 体现出全局性和整体性的优化管理理念。同时, 制定适合本地实际的围产保健管理路径, 并在探索实践过程中不断加以改进和完善, 切实提高围产保健质量和效率。
4.2 围产保健行为进一步规范
随着围产保健路径管理工作的实施, 使属地医疗保健机构、市妇幼保健所、市人民医院对同一类型的围产保健对象采取统一标准下的规范化保健措施, 消除以往不同妇幼保健人员处理同一类型保健对象在保健方法与手段上的差异。围产保健各个环节均责任到人、职责明确、环环相扣, 避免失访、漏诊, 可有效提高工作效率和管理质量。
4.3 保健与临床结合更加紧密
以加强基层围产保健服务能力为基础, 对路径管理对象做到及时发现、及时就医、及时实施救治, 充分发挥市人民医院临床科室的基本功能, 对路径管理对象高危因素采取有效的干预措施, 预防严重的产科并发症, 提高诊疗质量和诊疗水平。通过开展针对性的高危管理, 规范保健服务标准, 优化保健服务流程, 使保健服务得到更精、更深的发展, 形成新的特色优势。
4.4 围产保健质量得到持续改进
通过实施围产保健路径管理, 达到规范接诊、规范会诊、规范转诊、规范诊断、规范治疗与规范管理, 不断提高围产保健管理水平, 保障母婴健康与安全。而且, 通过制定路径管理评估标准等考核评价手段, 以此作为评价医疗保健机构保健服务质量的基本依据, 稳步推进妇幼保健体系建设和质量管理。
4.5 保健依从性进一步提高
在三维保健平台下, 实施路径管理的围产保健对象由专人进行规范化、系统化的管理和指导, 经过宣教和围产期知识的普及, 以及个性化宣教、电话预约、孕情跟踪等一系列人文关怀式措施, 围产期保健的重要性得到公众普遍认可[10], 使广大孕妇及家庭自觉自愿地接受围产期保健服务, 可大大提高孕妇定期保健检查的依从性, 降低围产期母婴并发症发生率。
4.6 医患关系更加和谐
通过实施围产保健路径管理, 使参与路径管理的医务人员在医患沟通过程中, 能按规范要求向保健对象或家属介绍疾病诊断、治疗方法、重要检查的目的及结果、疾病预后、可能发生的并发症及防范措施等, 引导保健对象及其家属参与整个保健服务过程, 使她们对医疗保健的顺应性、主动性得到提高, 使医患之间的隔阂、分歧得到消除和化解, 有效提高患者满意度, 体现“以病人为中心”的服务理念。
参考文献
[1]贾波.经新标准确诊的妊娠期糖尿病对孕产妇新生儿围生期各类并发症发生率的影响[J].中国实用乡村医生杂志, 2014, 21 (3) :36-37.
[2]郑小琳, 曹丽娟, 卢树华, 等.围产保健中质量管理的体会[J].中国妇幼保健, 2005, 20 (13) :1557-1559.
[3]汤雪娟, 陈华.围产保健居住地管理探讨与对策[J].中国妇幼保健, 2005, 20 (7) :798-799.
[4]王素萍.论如何重视基层医院围产期保健管理[J].健康之路, 2013, 12 (4) :329-330.
[5]孙川, 石志成, 王立, 等.临床路径在医疗改革新形势下的应用研究[J].当代医学, 2009, 15 (1) :1-3.
[6]赵亮, 张颖, 胡牧, 等.临床路径实施与应用效果探索[J].中华医院管理杂志, 2010.26 (7) :497-500.
[7]谢幸, 苟文丽.妇产科学[M].8版.北京:人民卫生出版社, 2013:3.
[8]刘爱胜, 陈荣贵, 文艳, 等.初孕孕妇甲状腺功能状况临床研究及诱因分析[J].国际检验医学杂志, 2012, 33 (14) :1778-1779.
[9]华克勤, 丰有吉.实用妇产科学[M].3版.北京:人民卫生出版社, 2013:10.
三维路径 篇2
关键词：小说；文本阅读；三维目标；实施路径
如何更好地在课堂上实施三维目标，我们可以在教学过程中把三维目标具体化，分别用“知道写什么、怎么写、为什么这么写”来学习知识和技能目标；“掌握学什么、怎么学、为什么这么学”建构过程和方法目标；“感悟什么、怎么悟、为什么这么悟”建构情感、态度价值观目标。但是这三维目标之间的关系，是一体三维的，任何一维必然会与另外两维有着密切关系。那就是：“在过程和方法中掌握知识和能力，获得情感、态度和价值观。”
《好嘴杨巴》是本人参加片区均衡中心赛课的课文。本文中，“知识与技能”目标之一就是把握杨巴的人物形象，体会杨巴的说话艺术。实现这一目标的“过程与方法”目标就定位为指导学生品读课文，尝试从人物的语言等角度解读杨巴的形象，同时渗透“情感、态度、价值观”教育，体会下层人物生活的辛酸与艰难。
此内容通过设计以下几个练习来完成。
练习一：阅读中堂大人怒摔茶汤一段。学生小组内活动：在原文的基础上创造性地给人物加上潜台词。全班展示明确：杨巴的说话艺术之一的“敢说”。
练习二：比较阅读以下几种对话，体会杨巴的说话艺术之一的“巧说”。
中堂大人息怒！大人有所不知，浮在上面的不是脏东西，而是碎芝麻，望中堂大人明察！
中堂大人息怒！小人的茶汤是咱天津的名吃，不知大人为何如此生气？望中堂大人明示！
中堂大人息怒！您大人有大量，就饶了小人这次吧！小人家中还有八十岁的老娘，刚出世三个月的黄毛小儿啊！
中堂大人息怒！小人不知道中堂大人不爱吃压碎的芝麻粒，惹恼了大人。大人不记小人过，饶了小人这次，今后一定痛改前非。
这两个练习，紧紧抓住人物语言来揣摩人物形象，同时通过这个过程和方法也让学生掌握了分析人物性格的一般规律。这种过程学习，会使学生正确把握人物的本质的性格特征。
但是这一过程的学习仅仅是通过“过程与方法”目标达成了对“知识与技能”目标的掌握。要想将这种“知识与技能”内化为学生的自觉牢固的行为，还必须达到一个新的阶段“感悟”。在这个阶段，对于小说类文本的阅读教学可以给学生出示一道片段作文题：改写、续写故事。促使知识背后所蕴含的思想、情感、价值等在学生心中形成。
在学生自己阅读小说文本时，如能在头脑追问：这篇文章写了什么事情，有哪些人物，是怎样刻画人物的，为什么要这么写，想表达什么。那么我们的小说类文本的阅读教学的三维目标就真正落到实处了。
（作者单位 重庆市开县云枫初级中学）
三维路径 篇3
课堂是教育的主要形式。在新课程背景下, 高中化学课堂对教师的身份定位转换成了课堂的引导者。教师想要进一步实现化学教学的知识与技能、过程与方法、情感态度与价值观三个维度的教育目标, 就必须转变自身角色。
所谓情境, 指的是教师根据学生的实际生活和学习心态, 选取与学科知识相关的素材, 在课堂之初构造出一个假想的情节, 通过引导学生思考, 让学生的思维进入这个情境之中, 继而对知识进行主动思考。在高中化学课堂上, 角色扮演教学法是一种趣味性极高的情境教学法。化学知识具有一定的抽象性, 一方面, 物质内部的分子结构、反应物之间的化学反应, 用化学语言并不能够直观地展示, 高中的实验器材也并不足以将化学课堂的内部化学反应加以真实呈现。另一方面, 许多化学定义并没有与之相对应的真实情境。例如, 气体的摩尔体积等概念, 其抽象性往往是教师引入新知识的难点。
而角色扮演教学则正好可以解决这个难题, 能够将抽象的知识具体化。例如, 在气体摩尔体积概念教学的过程中, 教师通过角色扮演的方式很容易将这个抽象知识具体化, 让学生扮演气体分子:4 名大个子男同学分别位于教室的四个角落, 4 名小个子女同学也分别位于教室的四个角落, 他们围成矩形面积大小——几乎一样。学生通过游戏中形象的角色扮演, 掌握了抽象的知识——气体体积与分子自身大小几乎无关, 相同数目分子的体积取决于分子间的距离。在此基础上再介绍气体摩尔体积, 必然水到渠成。
二、提高学生地位, 采用过程式问题教学策略
过程式问题教学, 更加强调问题解决的过程和培养学生的问题式思维, 而后才是对解决问题情况的探讨。过程式问题教学的核心在于提升学生对问题的吸引力, 继而提高学生解决问题的积极性, 促使其积极思考。这就需要教师进一步提升问题的趣味性。对于化学课程而言, 利用化学实验以及生活实验来加强学生的情感活动体验, 可以有效提高学生对知识的兴趣。学生通过获取社会信息, 自行对信息进行整合、分析和处理, 不仅能够提高学生对化学学习的积极性, 还能够一定程度地展示自我, 获得成就感。
想要进一步提升学生对问题的研究能力, 教师应该采取一些措施鼓励学生多多发表意见, 并且要帮助一些基础较差的学生将讨论的问题进行分解, 降低难度, 同时对一些学生讨论出现偏离主题的现象进行适当引导以回到正轨, 最后对一些不喜欢讨论的学生给予关注, 尽量使这些学生不被边缘化或孤立化。
三、改善师生互动, 有效评价
改善化学课堂师生互动现状, 需要做好以下几个方面工作。
首先, 化学教师应该转变教学观念, 要充分重视化学教学中的情感教育目标, 改变以往“知识为主”的教学理念, 应该将师生互动活动融入课堂教学中去。
其次, 化学教师应该营造良好的课堂气氛, 不能让课堂过分严肃, 也不能让课堂过于轻松, 应该营造出一个轻松但又富有学习氛围的课堂, 为良好的师生互动活动创造有利条件。
再次, 教师应该在师生互动活动中体现出教师与学生的相互平等原则, 真正意义上保证学生的自由发言, 淡化教师的权威, 允许学生自由发言, 对于一些错误观点, 教师要进行纠正, 让学生勇于表达自己的意见。
最后, 教师应该设置多种课堂评价方式, 不能够单一利用成绩或者表现来评价学生;而应该采用综合评价方式。同时, 教师还应该在学生之间设置相互评价模式, 或者学生对教师教学水平、方式的评价以及学生自评的评价方式。
总之, 在高中化学新课程的教学中要实现三维教学目标, 需要化学老师勇于探索、 敢于实践。
参考文献
[1]李方泰.关于化学教学目标及目标教学的思考[J].绥化学院学报, 2000, (2) :62-63.
三维路径 篇4
1机器人的工作空间建模及其路径规划
1.1机器人的工作空间建模
首先构建一个三维有障碍物地形,如图1所示。然后将此地形进行m等分并且均匀单位网格化,划分方法如图2、图3所示,得到一个ABCD-EFGH的几何空间, 设AB=m,BC=n,CG=v,那么,此空间的离散点就可以记作P(i,j,k),其中:i={0,1,2,…,m},j={0,1,2,…, n},k={0,1,2,…,v},有x=i,y=j,z=k。
1.2蚁群算法三维路径规划
在已网格化的三维空间中,若平面 Πi-1(i分别取1, 2,…,m)上的某点Pi-1(i-1,j,k)与 Πi(i分别取Pi+1(i +1,j,k),1,2,…,m)上的某点Pi(i,j,k)的连线不与任何障碍物体接触,那么称Pi-1(i-1,j,k)到Pi(i,j,k)的路径为 可行路径,同时把这 段可行路 径存入列 表Allowed(i,j,k)。蚁群三维路径规划就是在已网格化的三维空间中找出一条从起始点到目标点的最优路径。按照蚁群算法状态转移概率函数和信息素更新规则,在经过的所有点都属于Allowed(i,j,k),机器人就可以在有障碍物的O-XYZ坐标系中,从 Π0上的起点S点出发,到达第一个平面Π1上的某点P1(1,j,)(其中,j∈{0,1,…, n},k∈{0,1,…,v}),然后从P1(1,j,k)点到达第二个平面Π2上的某点P2(2,j,k)(其中,j∈{0,1,…,n},k∈{0, 1,…,v}),依次到达平面 Πm-1上某点Pm-1(m-1,j,k) (其中,j∈{0,1,…,n},k∈{0,1,…,v}),最后从Pm-1(m -1,j,k)点到达Πm上的目标点D,这样就构成了从起始点S到目标点D的一条最优路径S→P1(1,j,k)→P2(2, j,k)→…→Pm-1(m-1,j,k)→D。
2蚁群算法的改进设计
2.1状态转移概率函数的改进
根据几何原理,起始点到目标点的连线(直线)L是最短的路径,但是前提 是没有障 碍物才可 以直接过 去。 即:选择下一个平面上距离L比较近的点可以近视逼近这条直线,因此下一平面的目标点P到L的距离长度dPL对状态转移概率函数有影响,对算法的收敛性起到决定性作用,因此给出一个距离因子概念。
定义 : 距离因子, 其中 , dPL , i+1为属于Allowed(i,j,k)条件的点Pi+1(i+1,j,k)到直线L的距离长度,距离因子D对选择下一可行点有逼近最优路径直线L的作用。
在传统的状态转移概率函数基础上 , 取 α=1 , β =1再乘以距离因子,得到对处于平面 Πi(i=0,1,2,…,m1)上的任意点Pi(i,j,k)的蚂蚁选择平面 Πi+1上的某点的概率为:
式中:τi+1为Πi+1平面上点Pi+1(i+1,j,k)上的信息素含量;d(Pi,Pi+1)为Pi(i,j,k)点到Pi+1(i+1,j,k)点的距离长度。
2.2信息素的模糊控制更新方法
蚁群算法应用于三维路径规划,一般都是将信息素放在网格之间的连线上,这样设计会导致算法计算量特别大。如果信息素是放置在网格的格点上而不是格点之间的连线上,那么这种设计会大大减少算法的计算量和复杂度,更新信息素也会很方便。笔者的算法采用模糊控制信息素全局更新,在时间段t到(t+n)过程中更新为式(2)。
式中:τijk(t)为未更新前节点Pi(i,j,k)上的信息素量;ρ 为信息素挥发系数;1-ρ为信息素残留因子,取ρ=0.7即可;Δτtijk=Q/Nt,Nt为第t只蚂蚁在 此次路径 中经过节点的个数,Q为每只蚂蚁信息素的携带总量,这个参数十分重要。
为了让Q的取值更合理,笔者采用了模糊控制推理方法得到Q的每次取值。决定Q大小的参数有2个,第一个是蚁群算法的迭代次数NC,第二个是每一只蚂蚁路径规划的距离长度d。传统的蚁群算法中信息素携带总量Q都是一个固定值,这是不科学的。因为信息素刚开始更新的时候如果Q过大会导致蚁群算法很快进入局部最优,如果把Q设定过小,那么蚁群算法收敛的速度又太慢,因此最好的方法是在NC小的时候把Q设定小点,在NC大的时候再把Q设定大点。此外,目标点与起始点的直线是该路径的最理想路径,是最短的,如果有一只蚂蚁的路径长度d很接近这个最理想路径的长度,那么这只蚂蚁的Q就要越大越好,使下只蚂蚁选择这条路径的概率增大,在此路径上再次寻优,这样做可以提高算法收敛速度。根据模糊控制算法建立输入输出规则,隶属函数采用triangular。迭代次数NC输入取值0~100次(经验值),路径长度d输入取值20~200(经验值),信息素携带量Q的输出,取0~1。
笔者采用mamdani推理,模糊推理流程框图,如图4所示。
模糊推理规则见表1所示,图5是模糊推理规则表图形形式。
3算法流程设计
算法的步骤如下:
步骤1:把三维有障碍物环境地形进行网格初始化, 建立起始点与目标点直线方程,计算Allowed(i,j,k)各点到直线方程的距离dPL大小。
步骤2:利用轮盘赌方法按式(1)确定每只蚂蚁下一个路径点,各只到达目标点的蚂蚁都利用模糊控制信息素更新式(2),更新信息素。
步骤3:判断是否每组所有蚂蚁都完成了路径规划, 否则,转到步骤2。
步骤4:判断算法是否满足停止条件,若满足则输出最优路径并且结束,否则,转到步骤2。
4仿真实验结果
机器人在如图1所示的三维有障碍物地形中,要从起点(0,10,0)到目标点(20,8,0)利用蚁群算法寻找出一条最优路径。设每组有20只蚂蚁,分别利用传统的蚁群算法和改 进后的蚁 群算法来 做实验比 较,利用Matlab 2008仿真得到结果,如图6、图7所示。
以上结果表明,改进后的蚁群算法不仅在路径规划上得到更优路径,而且在迭代次数上较传统蚁群算法近似减少了一半的工作量,收敛速度也提高了很多。具体实验数据结果,如表2所示。
5实物测试
移动机器人在如图8所示有障碍物地形中,在不碰到障碍物情况下,移动出一条最短路径。实验成功得出路径轨迹的数据,如图9所示。
通过以上实物的测试,运用笔者提出的改进蚁群算法来进行机器人三维路径规划是可以成功的,如果把此种方法应用于消防有障碍物火情环境下,那将会为消防员运用机器人探路救援等方面提供广阔的应用前景。
6结束语
三维路径 篇5
关键词：车辆路径问题,禁忌搜索,三维装载
1 引言
Dantzig和Ramser于1959年首次提出了车辆路径问题[1] (Vehicle Routing Problem, VRP) , 该问题可以描述为:存在一个中心仓库, 和一个送货的车队;同时有一组处于不同位置客户, 每个客户具有不同数量的货物需求;要求设计合理的配送路线, 以满足所有客户的需求, 同时实现路径最短、车辆数最小或成本最低等目标。本文所研究的三维装载约束下车辆路径问题 (Vehicle Routing Problem with Three-Dimension Loading Constraints, 3L-VRP) 对基本VRP做了扩展, 与实际情况更加贴近, 有很强的应用背景, 该问题在设计车辆路径的同时需要考虑货物的长、宽和高等三维特性, 以及货物的“后进先出”、底面支撑等装载特性, 是数学和物流管理学科的前沿热点问题之一。
对于不考虑货物装载特性的VRP及其扩展问题, 国内外许多学者已经提出了多种精确算法、启发式或元启发式算法, 如分支定界[2,3]、邻域搜索[4,5]、禁忌搜索 (Tabu Search, TS) [6,7,8]、蚁群算法[9,10]和模拟退火算法[11]和遗传算法[12,13]以及混合智能算法[14], 并且取得了很好的效果。但是由于这些算法在求解问题时都没有考虑货物的装载特性, 取得的结果在实际中很多时候并不可行。对于3L-VRP, 国内外当前只有极少数学者对该问题进行了研究, 提出了求解该问题的启发式或元启发式算法。这些算法都比较简单, 或者只能求解该问题的某一特殊类型, 或者是只能对规模较小问题进行处理。
1986年Glove提出了禁忌搜索[15], 通过引入一个灵活的存储结构, 设置合适的禁忌准则和特赦准则对人类智力过程进行模拟, 搜索整个有效解空间, 以最终实现全局优化。目前TS算法在解决VRP的很多模型上效果显著。3L-VRP是典型的NP难问题, 它集成了VRP和三维装载问题, 传统的精确算法和启发式算法无法对该问题有效求解。基于此, 本文通过引入三种装载规则, 结合禁忌搜索机制, 设计了求解3L-VRP的三种混合禁忌搜索算法, 并通过实验计算分析了算法的可行性和有效性。
2 问题描述
3 L-VRP是VRP的进一步扩展, 使其更接近现实配送操作实际, 同时也更复杂, 具有如下几个特点:
(1) 货物装卸的先进后出。
如果车辆的客户配送路线为 (V0, V1, V2, …, Vi, Vj, …Vk, V0) , 则货物的装载顺序应该是相反的, 即为 (V0, Vk, …, Vj, Vi, …, V2, V1, V0) 。
(2) 货物装载的底面支撑面积要求。
货物不能悬空放置, 货物如果不是放置在车厢底面, 就要求放置已经装好的其他货物上面, 并且底面支撑面积需要满足大于等于该货物底面面积的a倍, 0<a≤1。
(3) 货物装载不能重叠。
(4) 货物装载不能超出车厢的边界。
只有满足上述4个条件的所求的VRP的解, 在现实物流配送过程中, 才能够真正的实现有效的装载和配送。
3 求解算法
3.1 术语说明
1) 空间坐标系:根据车厢建立三维坐标系, 车厢的左、后、底点为坐标原点 (0, 0, 0) , x轴、y轴和z轴分别平行于车厢的宽、长和高。
2) 装载空间 (Space, S) :装载空间用六元组 (x, y, z, lx, ly, lz) 表示, 其中 (x, y, z) 表示该空间的左、后、底点的坐标, (lx, ly, lz) 表示该空间的宽、长和高的大小。初始装载空间为整个车厢, 表示为 (0, 0, 0, Lx, Ly, Lz) , 其中 (Lx, Ly, Lz) 为整个车厢的宽、长和高。
3.2 装载空间处理算法
初始装载空间为车厢 (0, 0, 0, Lx, Ly, Lz) , 假设要当前装载货物 (lx, ly, lz) , 则货物的左、后、底点装载在 (0, 0, 0) 点。此时在x轴、y轴和z轴方向上将产生三个新的装载空间S1, S2, S3, 其对应的六元组分别为: (lx, 0, 0, Lx-lx, Ly, Lz) 、 (0, ly, 0, Lx, Ly-ly, Lz) 和 (0, 0, lz, Lx, Ly, Lz-lz) 。即每一次装载一个货物后, 将产生三个新的可行装载点, 然后对每个有效装载点分别沿x轴、y轴和z轴计算其最大有效空间, 就得到了相应的新的装载空间。
当产生新的装载空间后, 还需要将其与已有的装载空间进行合并。如果空间S1为 (x1, y1, z1, lx1, ly1, lz1) , 空间S2为 (x2, y2, z2, lx2, ly2, lz2) 。在y轴方向, 如果其中 (y1, z1, ly1, lz1) 分别与 (y2, z2, ly2, lz2) 相等, 同时x1+lx1>x2且x1+lx1==x2+lx2, 则空间S2合并入空间S1。在x轴方向, 如果其中 (x1, z1, lx1, lz1) 分别与 (x2, z2, lx2, lz2) 相等, 同时y1+ly1>ly2且y1+ly1==y2+ly2, 则空间S2合并入空间S1。
3.3 货物装载算法
假设当前可装载空间为m个, 分别为S1, S2, …, Sm;当前被选中来装载的客户为V, 其有n个要装载货物, 则此时需要选择一个最优的空间S和货物B的组合, 将选择的货物B装入空间S中。空间和货物的最优组合选择按照以下三个规则来操作:
3.3.1 最大齐整规则
对于某个空间S (x, y, z, lx, ly, lz) 和货物B (lx1, ly1, lz1) 的组合, 其齐整最优值 (flat value, fv) 由上下齐整值 (up-down flat value, udfv) 、左右齐整值 (left-right flat value, lrfv) 和背部齐整值 (back flat value, bfv) 等三部分决定, 为三者的和。
1) udfv由4部分组成, 分别是上前齐整值 (upfront flat value, uffv) 、上右齐整值 (up-right flat value, urfv) 、下前齐整值 (down-front flat value, dffv) 和下右齐整值 (down-right flat value, drfv) 。如果空间S上面存在已装载货物, 货物B装入空间S后, 其前沿 (即y+ly1) 与其上面已装载的货物前沿其平, 则uffv=1, 否则uffv=0;如果其右沿 (即x+lx1) 与其上面已装载的货物的右沿其平, 则urfv=1, 否则urfv=0。如果空间S下面存在已装载的货物, 货物B装入空间S后, 其前沿 (即y+ly1) 与其下面已装载的货物前沿其平, 则dffv=1, 否则dffv=0;如果其右沿 (即x+lx1) 与其下面已装载的货物右沿其平, 则drfv=1, 否则drfv=0。udfv的值为uffv、urfv、dffv和drfv四者的和。
2) lrfv由4个部分组成, 分别是左前齐整值 (leftfront flat value, lffv) 、左上齐整值 (left-up flat value, lufv) 、右前齐整值 (right-front flat value, rffv) 和右上齐整值 (right-up flat value, rufv) 。如果空间S左边存在已装载货物, 货物B装入空间S后, 其前沿 (即y+ly1) 与其左边已装载货物的前沿其平, 则lffv=1, 否则lffv=0;如果其上沿 (即z+lz1) 与其左边已装载货物的上沿其平, 则lufv=1, 否则luvf=0。如果空间S右边存在已装载货物, 货物B装入空间S后, 其前沿 (即y+ly1) 与其右边已装载货物的前沿其平, 则rffv=1, 否则rffv=0;如果其上沿 (即z+lz1) 与其右边已装载货物的上沿其平, 则rufv=1, 否则rufv=0。lrfv的值为lffv、lufv、rffv和rufv四者的和。
3) bfv由2个部分组成, 分别是背上齐整值 (back-up flat value, bufv) 和 (back-right flat value, brfv) 。如果空间S背部存在已装载货物, 货物B装入空间S后, 其上沿 (即z+lz1) 与背部已装载货物的背部其平, 则bufv=1, 否则bufv=0;如果其右沿 (即x+lx1) 与背部已装载货物的右沿其平, 则brfv=1, 否则brfv=0。bfv的值为bufv和brfv的和。
计算装载空间和当前客户装载货物组合的齐整值 (flat value, fv) , 选择最大fv的组合作为当前的最优装载组合。如果存在多个相同的最大fv的组合, 则选择最小y, 然后最小x, 然后最小z值的空间对应的最优装载组合。
3.3.2 最大接触面积规则
对于某个空间S (x, y, z, lx, ly, lz) 和货物B (lx1, ly1, lz1) 的组合, 其总体接触面积 (total contact area, tca) 为货物B装入后, 其左面、右面、上面、下面和背面与已装载货物或车厢壁相接触的面积的和。通过计算各个接触面积的和, 得到tca。在装载过程中, 选择最大的总体接触面积的组合作为当前最优装载组合。如果存在多个相同的最大fv的组合, 则选择最小y, 然后最小x, 然后最小z值的空间对应的最优装载组合。
3.3.3 概率选择规则
概率规则以上述两个装载规则为基础, 基于随机概率, 来选择某一种装载策略。其规则如下:
1) 计算组合的最大齐整概率 (max flat probability, mfp) , mfp=fv/10。
2) 计算组合的最大接触面积概率 (max contact area probability, mcap) 。mcap为tca与货物上面、下面、左面、右面和背面的面积之和的比值。
3) 定义选择概率 (selected probability, sp) , sp=mfp/ (mfp+mcap) 。
4) 生成一个大于0小于1的随机小数p, 如果p<=sp, 则选择最大齐整规则装载, 否则, 选择最大接触面积装载。
3.4 初始解生成
初始解按照以下步骤生成:
1) 启动一部新车, 按照上述装载算法, 在当前未装载的客户中选择距离起点最近的可行装载客户Vk来装载。可行装载客户即其所有货物满足装载约束的客户。
2) 在未装载的客户中, 计算所有可行的装载客户。假设当前车辆的服务客户顺序为 (V0, V1, V2, …, Vi, Vj, …, Vm, V0) , 在判断客户Vn是否可装载时, 需要装载的顺序为 (Vn, Vm, …, Vj, Vi, …, V2, V1) , 即按照与服务顺序相反的顺序来装载客户的货物。如果存在可行装载客户, 则转向步骤3) , 否则转向步骤1) 。
3) 在所有可行的装载客户中, 选择配送成本增加最小的客户来装载。以总配送路径长度为配送成本。如果所有客户的货物都已装载完毕, 则结束计算, 得到问题的初始解;否则转向步骤2) 。
3.5 禁忌搜索算法
3.5.1 邻域构造
传统的禁忌搜索算法在求解VRP时, 往往邻域结构比较单一, 这样全局搜索会比较慢。为了增加搜索的效率, 本文设计了四种邻域结构。每次邻域操作, 在四种邻域中随机选取一种。
1) 路径间客户重定位。从路径R1中随机选择一个客户Vi, 插入到另外一条路径R2中。在插入时, 要满足各种约束条件, 包括装载约束、重量约束等。在所有可行插入位置中, 选择总成本最小的位置插入。
2) 路径内客户重定位。从路径R1中随机选择一个客户Vi, 插入到路径R1的其他可行位置, 在所有可行插入位置中, 选择总成本最小的位置插入。
3) 路径间节点交换。从路径R1中随机选择节点Vi, 从路径R2中随机选择节点Vj, 然后将节点Vj插入到路径R1中, 将节点Vi插入到路径R2中, 在所有可行插入位置中, 选择总成本最小的位置插入。
4) 路径内节点交换。从路径R1中随机选择两个不同节点Vi和Vj, 然后将Vj和Vi重新插入到路径R1中, 插入时, 在所有可行插入位置中, 选择总成本最小的位置插入。
3.5.2 解的评价
3L-CVRP以最小总成本最为目标, 在本文中, 以总的行驶路径长度作为总成本。
3.5.3 禁忌表
禁忌表用于记载最近几次迭代中解的变换特征, 禁忌深度设置为[5, 10]中的随机数。在每一次迭代时, 将该次所进行的邻域变化填入到禁忌表中, 同时将表中已有禁忌操作深度减1, 当禁忌深度为0时, 则退出禁忌表。
3.5.4 特赦准则
1) 如果当前被禁忌的邻域操作比已知最优解都要好, 则赦免该禁忌;
2) 如果当前所有候选集都被禁忌了, 而满足规则1) 的又不存在, 则从当前所有候选邻域中, 选择最小深度的禁忌操作来解禁。
3.5.5 终止准则
当总迭代次数达到给定值则计算终止。
3.6 算法流程
3L-CVRP的禁忌搜索算法详细步骤如下:
1) 初始化各参数, 生成初始解;
2) 迭代次数加1;
3) 如果满足终止条件, 则转6) ;否则, 继续;
4) 随机选择邻域操作, 搜索对应的邻域;
5) 结合特赦准则对当前解、当前最优解和禁忌表处理;
6) 转向2)
7) 结束计算, 输出结果。
4 实验
4.1 实验数据
用Java语言实现提出的混合禁忌搜索算法, 在Netbeans7.0上调试成功。我们基于经典的 (http://neo.lcc.uma.es/radi-aeb/Web VRP/index.html?/Problem_Instances/instances.html) solomon关于VRP问题的测试数据, 通过增加车辆的三维大小以及客户的需求货物的数量和三维信息来构造测试数据。我们对原数据进行了如下修改:
1) 设车厢的长、宽和高三维分别为:6米、2.5米和3米;
2) 客户需求的货物数量为[1, 3]之间的随机数;
3) 货物的长、宽和高三维分别取每件货物的长度l, 宽度w, 高度h是从[0.1L, 0.5L]、[0.1W, 0.5W]和[0.1H, 0.5H]区间中随机产生。
4) 底面最小支撑面积相关的系数a值为0.75。
分别采用三种不同的装载算法来生成初始解, 在禁忌搜索过程中, 其装载过程也分别相应的采用最大齐整规则、最大接触面积规则和概率选择规则, 其对应的整个禁忌搜索算法缩写为mfts (max flat tabu search) 、mcats (max contact area tabu search) 和psts (probability selection tabu search)
在禁忌搜索中, 定义最大迭代次数为100。
表1和表2分别显示了数据集C101-25, C101-50, C101-100, R101-25, R101-50, R101-100, RC101-25, RC101-50, RC101-100在三种算法下的结果, 表1显示了总成本, 表2表示了对应的车辆数。其中每一个问题计算10次, mean表示平均值, best表示最优值。
4.2 实验分析
在表1中, mfts算法得到的best值2次获得最优值, mean值1次获得最优值;mcats算法得到的best值6次获得三个算法中的最优值, mean值7次获得最优值;psts算法得到的best值1次获得最优值, best值1次获得最优值。
在表2中, mfts算法得到的best值6次获得三个算法中的最优值, mean值5次获得最优值;mcats算法得到的best值6次获得三个算法中的最优值, mean值5次获得最优值;psts算法得到的best值9次获得最优值, mean值6次获得最优值。
对于成本而言, mcats算法获得最优次数的最多, 而且对于R101三个数据集的结果远远优于另外两个算法的结果;同时在结果较差的几个数据集上, 只是以微弱劣势不如两个算法;算法mfts和psts得到的结果各有优劣。与成本相对应的车辆数, 三个算法得到的结果差别不大。因此, 基于实验的结果可以得出, mcats算法在三个算法中, 效果最好。
5 结论