摘要　　互聯網+尋路系統是基于物聯網技術、通過大數據分析對標準尋路算法進行優化與拓展，并將之運用于實際生活中、解決現實問題的尋路系統。介紹了互聯網+尋路系統的基本概念及其重要應用價值，重點討論了用互聯網+思維優化尋路模型的方法，研究了基于物聯網和大數據分析的互聯網+尋路系統的構建和有關貪心算法、預處理算法的改進技術，并對如何使用互聯網+尋路系統解決實際問題進行了探討。本文的研究是對這種新的互聯網+技術的提升、總結和推廣，其結果具有較重要的應用價值。

　　【關鍵詞】互聯網+尋路系統 物聯網 大數據A+算法 Floyd算法

　　無論現實生活還是電子游戲，尋路問題總是無處不在。從精確定位安排路線的GPS衛星導航，到游戲中自動安排行徑路線，我們總是不自覺地與尋路打交道，尋路算法也成了日常生活最常接觸到的算法之一。近年來，互聯網+時代來臨，物聯網產業興起，智慧物聯技術愈來愈融入我們的生活，物聯網這種“物物相連”的模式己延伸至各個產業，通過對千萬用戶信息的大數據分析，為各關聯行業提供包括用戶偏好在內的各式用戶數據，以為用戶提高最好的體驗、為企業帶來最佳的收益。在互聯網+這一時代背景下，我們對許多問題的認識都會發生質的改變，尋路問題無疑也會順應時代發生變革。我們將這種在互聯網+時代下發生巨大改變的尋路問題稱作互聯網+尋路問題，用于實際模型中解決這類問題的系統是互聯網+尋路系統。研究互聯網+尋路系統，對于推進相關產業發展具有重要的現實意義。本文圍繞互聯網+尋路系統的構建，探討尋路算法改進等關鍵技術問題，為相關技術升級提供思路。

　　1標準尋路算法

　　A*算法和Dijkstra算法是主流的尋路算法。其優點是簡單、高效而又易于編輯。它們都是構建在貪心算法基礎上的尋路算法，代碼的基本結構也有很多相似點，而不同之處在于A*主要用于解決游戲、導航的實時尋路問題，Dijkstra作為搜索最短路徑的主流算法更加被程序開發者所熟知。它們最大的區別在于貪心算法的啟發式函數。程序員們在A*算法中加入了比Dijkstra更加“貪心”的啟發式函數來提高運算效率。用于搜索最短路徑的Dijkstra算法在追求高效的同時也得保證最優解的準確性，因此，優化Di.jkstra算法顯得更加困難。實際應用中，Dijkstra常見的優化方法如使用斐波那契堆、小根堆以及鏈表等都是在優化路徑搜索的枚舉過程，這些方法對時間復雜度的優化相當有限。

　　Floyd算法在精確計算眾多節點間的最短路徑時，有很大的優越性。基于Floyd的特性，一次運算便能得出地圖中所有結點間點最短路徑，然后再將這些路徑保存起來，當用戶搜索到其中包含的路徑時，直接將預存的路徑提供給用戶即可。這類方法也被稱為“打表”。“打表”思想的應用相當廣泛，例如各類下載軟件會將下載量大的一些磁力鏈接提前在服務器中預處理，當用戶需要下載時便能以最快的速度從服務器中下載，并能節省下載軟件從同一個磁力鏈接地址多次抽調資源的流量;又如有時在解決問題時無法通過算法程序在規定時間內得出答案，就可以考慮先用程序跑出各種數據對應的答案然后存儲起來，再用這些數據匹配輸入數據并直接給出預先計算出的答案。“打表”思想為人們提供了一種近似一勞永逸的方法，只需預先的一次計算，之后便能直接享用預處理出的結果。對于一些反復使用到的數據，“打表”既能節約資源占用，又能節省運算時間，相較于“打表”后所避免的龐大復雜度浪費，復雜度極高的Floyd算法也顯得尤其高效。然而，當地圖的尺寸大到一定的程度，甚至連使用導航網格方法的時間復雜度都大得無法操作時，導航軟件又該怎么進行尋路呢?對此，本篇論文將會在互聯網+尋路系統部分進行仔細探討。

　　2互聯網+尋路系統

　　基于眾多優秀的尋路算法，各式各樣的尋路模型誕生了。物聯網技術拓寬了尋路模型的廣度、發展出新的尋路問題，大數據技術為尋路系統提供了系統性的優化、賦予其對尋路問題全新的處理方式，這種在物聯網時代下發生極大變革的尋路模型和系統我們稱為互聯網+尋路模型與互聯網+尋路系統，如圖1所示。

　　2.1互聯網+尋路模型

　　首先討論如何構建互聯網+尋路模型。尋路問題衍生出的互聯網+尋路模型是基于一些特殊限制條件的較為復雜的模型，這些限制條件來源于各類反饋信息，模型使用的反饋信息可以是來自軟件本身用戶的反饋數據，也可以是通過物聯網技術得到的關聯行業數據。我們首先要搭建出尋路模型的基本框架，然后對收集的反饋信息進行大數據處理，將處理后的數據加入模型框架的各個步驟中并對一部分框架進行拓深、變形，將整個模型進行整理、修飾后，互聯網+尋路模型便構建完成了。

　　不同于直接開創新的互聯網+尋路模型，將互聯網+思維應用于原有的尋路模型上以提供高效率的優化，是物聯網時代下革新尋路模型的另一重要方式。對于大多數已經在實際問題中得到應用的尋路模型而言，它們幾乎已經達到了完整的程度，不過互聯網+思維依舊為這些模型提供了不少提升空間。

　　利用物聯網技術的特性，一方面，導航軟件可以將地圖導航與各類相關APP關聯起來，通過數據共享與大數據分析，優化地圖導航的算法實現。

　　不同于物聯網技術，利用人工智能技術優化互聯網+尋路模型主要利用的是一種經驗性的搜索思維。地圖導航軟件的程序設計者們可以設計一個基于深度學習算法的人工智能程序，并將多張復雜的城市地圖數字化后整合到一起，用人工智能來模擬在整合的數字化地圖中各地點間的路徑搜索，使之積累各種路況情況下的搜索經驗，并將這些經驗應用于實際生活中地圖導航的搜索引擎中。這種經驗性的尋路算法也類似于A*的啟發式算法，不過其效率與準確率的決定因素遠多于A*算法，包括人工智能使用的深度學習算法、模擬過程中構建的數字地圖、考慮到的道路可能性組合的完整程度等，因此利用人工智能數字模擬的優化不一定優于使用物聯網技術的優化。

　　利用互聯網+思維優化傳統的尋路模型，在資金和時間方面的投入相對較低，其市場前景也并不亞于開創新的互聯網+尋路模型。優化舊有的與開發創新的，兩者對投資者而言都十分重要。

　　推薦閱讀：互聯網在全球經濟的發展