文摘
随着社会经济的不断发展,旅游已经成为很多选择和正变得越来越流行。然而,应该注意的是,如何提供高质量、高效的旅游服务是极其重要的。本文介绍了神经网络算法和最优分类决策函数,通过统一的梳理、分类、景点和编码,实现景区的子类分类,基于随机智能选择最优分布函数,并形成相应的景点遍历清晰的旅游路线。相应的动机迭代是通过使用相应的旅游路线传播,最好的旅游路线是定义,提供了相应的辅助决策支持,进行仿真实验。实验结果表明,该神经网络算法和最优分类决策函数是有效的,可以支持乡村旅游服务的智能决策辅助。
1。介绍
随着社会经济的不断发展,旅游业已经成为一个越来越受欢迎的选择,尤其是在节日的重要活动之一,许多人1]。除了传统的自然特性和文化沉淀,乡村旅游近年来逐渐成为一个越来越受欢迎的路线(2,3]。的分化,城市的旅游基础设施建设相对完善;从旅游交通设施、旅游配置、餐饮和住宿配置相对完好无损。然而,由于基础设施薄弱、农村旅游是缺乏食物、住宿、和其他方面在一定程度上,这需要进一步改进(4,5]。对游客来说,如果他们有一个高评价的整个地方,他们将有一个高的意愿去旅行。这些因素很容易存在于景区的公交线路和道路拥堵,导致旅游活动的干扰6,7]。因此,如何确定最佳路线根据相应的景点之间的因素,旅游的好处最大化,并保存相应的成本,提供相应的服务是极其重要的。农村振兴政策的持续实施已导致越来越多的转换和发展农业产业,乡村旅游已经成为越来越重要的选择由于其绿色和环保8,9]。农村休闲,钓鱼和其他活动已成为流行,trump和智能旅游也成为乡村旅游的发展方向和旅游业的一个重要的新发展趋势。与此同时,农民在思维越来越活跃。他们不仅限于传统的服务,但是是面向更多的智能服务。除了传统的旅游住宿和食物,他们还提供农业和农村体验(1,10]。
然而,应该注意的是,在乡村旅游发展的过程中,由于缺少重要的规划和初步调查,有许多发展问题。如何促进乡村旅游,一方面,确保正常、健康发展,另一方面,与自然环境和谐共存(9,11,12]。因此,针对这些情况,本文介绍了神经网络算法和最优分类决策函数,并通过研究网络的拓扑关系建设农村旅游景点,旅游景点是由随机选择;根据相应的迭代干扰因素的分析,定量分析不同旅游决定援助支持合理的路线和排序和选择最大作为目标的最佳途径,促进农村旅游,发展当地的经济。
2。神经网络算法和最优分类决策函数
神经网络算法和最优分类决策函数而言,首先是面向相应的旅游路线规划;对于游客来说,最重要的考虑因素是时间和精力,需要在有限的时间内最大限度地发挥相应的旅行,实现最大化的旅游路线,在固定的时间,访问更多的经典。因此,如何选择旅游景点是极其重要的。一个简单的单向观光路线不能安排简单而直接。一方面,它会错过相应的经典景点信息,另一方面,它将浪费太多时间,导致出行时间的浪费。
2.1。随机选择景点分类代码的模型
根据相应的农村旅游景点、景区的分类代码选择分析是明确表示,和相应的景点与特征点集。景区分为类h并表示为 的公式。景区由的子集 ,农村景区和景点包含相应的元素。计算相应的随机变量的分布函数,表示如下:
设置相应的经典分类由向量子集 。
在此基础上,对应的元素矩阵建立了农村旅游景点,和具体的计算如下所示:
为游客随机选择相应的农村旅游景点,选择相应的景区智能和随机数字编码。为游客,他们可以提供合理的排序的景点和根据他们的利益要求设置相应的旅游路线和时间成本。一般来说,旅游景点的数量不应超过4每天,和他们应该提醒他们的行程。
步骤1。选择几个元素相应的农村旅游景点,设置成相应的农村旅游景点子集类,并确定相对应的类别和数量的景点根据游客的时间和兴趣(13,14]。
步骤2。设置相应的风景区类别,设置相应的旅游元素子集,并提供相应数量的景点。
步骤3。的基础上一步2,相应的随机神经网络用于计算,产生相应的随机代码,为代表 。如果3ω1,完成相应的迭代;如果不是,相应的迭代仍在继续。
步骤4。回到步骤3。相应的景点叫做另外,和相应的随机数生成,计算相应的景点,直到所有的景点都是计算。
神经网络算法用于生成随机数,和景点的具体计算如下所示:
2.2。神经网络算法建模
根据景区的分类、神经网络的建模算法。首先,根据不同的需求输入和单输出神经元模型用于处理和传输到下一个神经元根据相应的外部信号。特定的神经元模型如图1:
设置相应的输入 ;神经元输出设置 ;由神经元之间的连接强度 。集阈值。此外,使用F (x)操作功能,具体的公式可以计算出据相应的神经元,如下:
具体的计算算法如下:(我)定义1:设置相应的动机影响因素如K,也就是说,该指数的影响游客的旅游动机的兴趣选择景区(15,16]。(2)定义2:设置相应的动机影响波动;风景区旅游结束时,相应的客观和主观条件相应的动机(17- - - - - -19]。(3)定义3:设置阈值的影响因素。如果影响因素中起着促进作用,将值设置为是正的。如果它有副作用,将其设置为负。(iv)定义4:动机迭代value-transmission根据相应的下一个景点景区(20.- - - - - -22]。
根据相应的景点,相应的旅游路线神经元建立,每个神经元都设置为一个风景区。旅游事业的动机影响因素相应的波动,如图2。
迭代函数(t)影响旅游动机是引起的体重波动p动机因素。计算的迭代操作价值类型的旅游路线的动机 ,在哪里 是最好的迭代操作价值动力智能规划旅游路线。设置矩阵 ,和下降迭代操作值矩阵米维的旅游路线安排元素值按照降序排列,满足 ,如下:
2.3。减少支持向量机决策函数回归问题
鉴于N训练样本 ,设置输入向量 和输出 。构建相应的非线性映射,建立相应的高维线性映射如下:
决策函数的表达式可以写成以下形式:
2.4。支持向量机参数优化
采用拉格朗日乘子法解决上述约束问题,如下: 在哪里α是拉格朗日乘子。根据最优性条件,得到原问题的对偶问题如下:
公式的解决方案(9)是通过训练数据集。
为了获得最好的支持向量机参数,PSO算法用于优化惩罚参数C,不敏感损失系数G,核函数σ参数的支持向量机(19]。最后的SVM模型表达式如下所示:
2.5。支持向量机模型的线性化
让 ,选择RBF核函数,它可以编写如下:
方程(11)可以作为预测控制的预测模型。
性能指标函数如下所示:
显示了粒子更新公式如下:
因此, 在哪里和惯性权重的初始和最终值,c1和c2正在学习因素,然后呢米是迭代的最大数量。惯性权重的大小代表了算法的全局和局部搜索能力。c1和c2的学习因素反映了粒子群之间的信息交换。
3所示。算法设计
第5步。首先,在农村地区现有景区的类型进行分类和编码相应景点的子单元,分别建立相应的风景区矩阵。
步骤6。等级相应的乡村旅游景点。(1)均匀分布的随机数生成函数是根据相应的最优进行分类决策函数,和迭代生成元素进行景点不同的代码(2)进一步调用最优分类决策函数来生成随机数的均匀分布函数,进行第二次迭代生成元素景点不同的代码使h调用,使用最优分类决策函数来生成随机数的均匀分布函数,并执行h迭代生成元素景点不同的代码。农村旅游景点都包含在评估,和相应的乡村旅游路线向量终于形成。
步骤7。确定相应的旅游动机的影响因素K并确定相应的动机影响波动和影响因素。(1)如果游客没有特殊要求订单,第四步应该直接转移(2)如果游客有明确要求的路线,它应当根据相应的注意事项
步骤8。迭代排列组合形成的旅游路线m -基向量空间的旅行路线问,动机的行动值迭代计算。
3.1。景点的选择
根据不同的景点在城乡边缘,相应的景点可以分为四类,V1 V4,如表所示1:
图4显示所选景点的空间分布,构造元素风景区矩阵如下所示:
为了验证决策函数的影响减少支持向量的个数,4000数据点在数据库中用于验证。
3.2。例子的分析结果和决策支持
设置相应的影响因子波动阈值,如图5。
根据游客,景点选择确定旅游路线方案。第一个6项的输出值作为智能决策支持情况下出口旅游地图和旅游路线图(见图6)。矩阵的最佳旅游路线米按照降序排列的元素②⟶①⟶③⟶④,和迭代旅行路线的动机是最大的价值。游客可以很容易地获得最大动力当选择这个旅游路线(见图中获益6)。
结果显示在图的例子5和第一个6例,以下提供决策支持:(1)为游客,没有具体要求的旅游路线和景点。总的来说,最好的路线路线1是向下②⟶①⟶③⟶④,第二是向上④——③①,②(2)对游客来说,有一些要求的旅游路线和景点
路线2沿途旅游;选择向下②⟶①⟶③⟶④最佳途径可以获得最大的利益动机和选择向上④——③①,②路线。
路线3:①⟶②⟶③⟶④观光在早上和下午购物和休闲。早上不考虑路线、购物休闲、观光、下午选择④⟶③⟶②⟶①路线。
路线4,一边旅行在早上和下午购物和休闲。选择最好的路线下②⟶①⟶③⟶④或最佳路径②⟶①⟶④⟶③。考虑路线、购物和休闲在早上,下午游览,并选择④⟶③⟶①⟶②路线或③⟶④⟶①⟶②路线。
仿真结果表明,影响游客的动机是伟大的,和神经网络算法和最优分类决策函数是有效的。
4所示。智能建设乡村旅游服务的路径
为了进一步实现的智能支持乡村旅游服务,应采取相应的措施来建立“人与自然”的对策。
4.1。智能建设乡村旅游服务的基本理念
乡村旅游服务的智能建筑应相应资源,扩大和更新相应的信息化建设,根据游客对信息化建设的特点,使用相应的云计算、物联网、大数据,如技术,提高相应的乡村旅游服务管理,提高相应的旅游配置,打破传统的旅行限制。
4.2。智能建设乡村旅游服务的具体方法
旅游、虚拟现实、RFID和其他技术可以用来了解设备。参观完毕后,相应的设备或网站可以用来给反馈。好的反馈可以作为宣传的一个例子,而不良信息可以作为提高服务质量的基础。
5。结论
随着社会经济的不断发展,乡村旅游已成为一个重要的旅游目的地,所以如何使一个重要的选择是极其重要的。摘要神经网络算法和最优分类决策函数。仿真结果表明,神经网络算法和最优分类决策函数是有效的,可以支持乡村旅游服务的智能决策辅助。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是由重庆财经职业学院。