路径规划近年来一个热点研究问题,它被广泛应用于多个领域也形成了较完善的理论体系和算法基础。随着科学技术的不断进步,路径规划的应用范围也不断扩展,逐渐成为众多领域的关键技术。其应用最多的领域有:机器人避障行驶、智能交通、物流运输等。路径规划方法已经拓展到一切以点线构成网络拓扑的多目标问题当中。因此,路径规划算法由于其广泛的应用范围、种类繁多更是得到广大研究人员广泛的关注。本文将通过对路径规划算法进行一定的研究,旨在应用路径规划算法解决实际应用问题。首先,本文将针对VRPTW(Vehicle Routing Problem with Time Window)问题构建一种改进的禁忌搜索(Tabu Search)算法进行求解。改进TS算法主要从初始解生成方式、禁忌结构设计以及禁忌长度等方面进行。文中将详细介绍改进TS算法的各个组成部分以及执行流程,并通过实验对该改进方法进行效果验证。实验结果表明,本文所构建的算法对具有一定聚集分布特性的数据集能够达到理想目标,但是也存在对随机分布数据的适用性不足的缺陷。通过对VRPTW问题的求解,本文将根据实际运输中可能出现新的运送需求、或者原来客户偶然提出的服务需求量的变化等情况,在VRPTW模型中增加动态需求,构成DCVRPTW(Demand Change Vehicle Routing Problem with Time Window)模型。本文将进一步将改进TS算法应用到DCVRPTW中,并使用局部最小变动为目标对动态需求进行调整。通过实验表明,本文所使用的局部调整算法对DCVRPTW问题具有一定的适用性并且加快调整速度从而保证实时需求。最后,本文将进一步将路径规划算法的应用范围进行拓展探究。本文将路径规划技术与社交网络进行有机结合,从路径规划的角度重新审视社交网络中不同用户间信任关系或者影响力的计算问题。文中将构建一种简单并且高效的影响力计算方法并将该方法应用到微博关注关系中以验证算法的有效性。为了将计算结果进行实用性探究,本文将影响力大小应用到好友推荐中,进一步验证了影响力计算的重要性以及本文计算方法的合理性和实用性。路径规划的应用范围广泛,而且拥有许多优秀的规划算法。本文通过对其某一方面的研究旨在探讨其应用价值以及存在的不足。对现有算法进行改进或者结合多种算法构建混合算法是未来工作的主要方向。此外,与一些新领域的结合也是路径规划技术未来的发展方向。