本發(fā)明涉及一種查詢最大競爭力位置的動態(tài)監(jiān)控方法及系統(tǒng)。

背景技術(shù)：
在過去幾年中，有很多工作研究一類在存在客戶點集合的情況下的“設(shè)施放置問題”（參見文獻(xiàn)8：Farahani,R.Z.,Hekmatfar,M.:FacilityLocation:Concepts,Models,AlgorithmsandCaseStudies,1stedn.Physica-VerlagHD(2009),文獻(xiàn)15：Nickel,S.,Puerto,J.:LocationTheory:AUnifiedApproach,1stedn.Springer(2005)）。在最普遍的情況下，問題包含：（1）一個客戶點的集合C和一個設(shè)施點候選集合P，并（2）在P中查詢k個新設(shè)施點的位置從而滿足一個事先定義的最佳條件。這類問題在k是常數(shù)的情況下存在多項式時間內(nèi)的算法，在k是一般變量的情況下是NP-hard問題（參見文獻(xiàn)8和15），已經(jīng)存在的工作主要研究其近似算法。最佳位置查詢問題可以被看做設(shè)施放置問題的一個變種，首先P是一個無限集合；然后通常k=1，也就是說只需要為新建一個設(shè)施點來選取位置；最后通常事先已經(jīng)擁有了一個設(shè)施點集合F。以上這些是最佳位置查詢問題相對于一般的“設(shè)施放置問題”的不同點。之前的最佳位置查詢問題的研究工作（參見文獻(xiàn)2：Cabello,S.,J.M.,Langerman,S.,Seara,C.,Ventura,I.:Reversefacilitylocationproblems.In:CCCG,pp.68–71(2005),文獻(xiàn)6：Du,Y.,Zhang,D.,Xia,T.:Theoptimal-locationquery.In:SSTD,pp.163–180(2005),文獻(xiàn)21：Wong,R.C.W.,¨Ozsu,T.,Yu,P.S.,Fu,A.W.C.,Liu,L.:Efficientmethodformaximizingbichromaticreversenearestneighbor.PVLDB2(1),1126–1137(2009),文獻(xiàn)24：Zhang,D.,Du,Y.,Xia,T.,Tao,Y.:Progressivecomputationofthemin-distoptimal-locationquery.In:VLDB,pp.643–654(2006)）中考慮的是設(shè)施點和客戶點之間在Lp空間中的距離。其中Cabello等人（參見文獻(xiàn)2）和Wong等人（參見文獻(xiàn)21）的研究是基于L2空間的，而Du等人（參見文獻(xiàn)6）和Zhang等人（參見文獻(xiàn)24）的研究是基于L1空間的。這些工作并沒有研究最佳位置查詢問題在路網(wǎng)中的情況?，F(xiàn)有的研究工作中包括另外兩種與設(shè)施點的位置選取有關(guān)的問題：單設(shè)施點查詢問題（參見文獻(xiàn)8和15）以及設(shè)施點實時建立問題（參見文獻(xiàn)9：Fotakis,D.:Incrementalalgorithmsforfacilitylocationandkmedian.Theor.Comput.Sci.361(2-3),275–313(2006)，文獻(xiàn)13：Meyerson,A.:Onlinefacilitylocation.In:FOCS,pp.426–431(2001)），這兩種問題研究內(nèi)容與最佳位置查詢問題類似但是有所不同。單設(shè)施點查詢問題研究的是，給定一個客戶點的集合，尋找一個設(shè)施建立點從而滿足一個最佳條件，在這個問題里，輸入數(shù)據(jù)中沒有已經(jīng)建立的設(shè)施點集合，然而在最佳位置查詢問題里，需要考慮一個已有的設(shè)施點的集合。設(shè)施點實時建立問題研究的是，隨著客戶點的不斷增加，實時選取位置建立新的設(shè)施點來滿足一個給定的優(yōu)化條件，與最佳位置查詢問題相似的是，這類問題在尋找新的設(shè)施點時，也考慮已有的設(shè)施點集合，然而[9]和[13]所采用的方法并不能解決最佳位置查詢問題，這是因為在設(shè)施點實時建立問題中，建立新設(shè)施點的候選地點是一個有限的集合，但是在最佳位置查詢問題中，建立新設(shè)施點的候選地點是一個無限的集合，例如Lp空間中的所有地點或是路網(wǎng)中的所有邊上的所有地點的集合。在我們之前的研究工作中我們提出了靜態(tài)一次查詢路網(wǎng)中最佳位置的方法（參見文獻(xiàn)22：Xiao,X.,Yao,B.,Li,F.:Optimallocationqueriesinroadnetworkdatabases.In:ICDE,pp.804–815(2011)），與那篇文章相比，我們的發(fā)明提出了新的動態(tài)維護(hù)路網(wǎng)中最佳位置的解決方案，并為三個不同的最佳位置查詢問題設(shè)計了具體的實現(xiàn)方法。最后，現(xiàn)有的研究工作中存在著很多關(guān)于路網(wǎng)數(shù)據(jù)庫中查詢方法的研究（參見3：Chen,Z.,Shen,H.T.,Zhou,X.,Yu,J.X.:Monitoringpathnearestneighborinroadnetworks.In:SIGMOD,pp.591–602(2009),文獻(xiàn)4：Deng,K.,Zhou,X.,Shen,H.T.,Sadiq,S.,Li,X.:Instanceoptimalqueryprocessinginspatialnetworks.VLDBJ18(3),675–693(2009),文獻(xiàn)11：Jensen,C.S.,Kol′aˇrvr,J.,Pedersen,T.B.,Timko,I.:Nearestneighborqueriesinroadnetworks.In:GIS,pp.1–8(2003),文獻(xiàn)12：Kolahdouzan,M.R.,Shahabi,C.:Voronoi-basedk-nearestneighborsearchforspatialnetworkdatabases.In:VLDB,pp.840–851(2004),文獻(xiàn)14：Mouratidis,K.,Yiu,M.L.,Papadias,D.,Mamoulis,N.:Continuousnearestneighbormonitoringinroadnetworks.In:VLDB,pp.43–54(2006),文獻(xiàn)16：Papadias,D.,Zhang,J.,Mamoulis,N.,Tao,Y.:Queryprocessinginspatialnetworkdatabases.In:VLDB,pp.802–813(2003)，文獻(xiàn)17：Samet,H.,Sankaranarayanan,J.,Alborzi,H.:Scalablenetworkdistancebrowsinginspatialdatabases.In:SIGMOD,pp.43–54(2008)，文獻(xiàn)18：Sankaranarayanan,J.,Samet,H.:Distanceoraclesforspatialnetworks.In:ICDE,pp.652–663(2009)，文獻(xiàn)19：Sankaranarayanan,J.,Samet,H.,Alborzi,H.:Pathoraclesforspatialnetworks.PVLDB2(1),1210–1221(2009),文獻(xiàn)23：Yiu,M.L.,Mamoulis,N.,Papadias,D.:Aggregatenearestneighborqueriesinroadnetworks.TKDE17(6),820–833(2005)）。然而這些研究工作都是關(guān)注路網(wǎng)數(shù)據(jù)庫中最近點的查詢（參見文獻(xiàn)12、16和17）及其變種:最近點近似查詢（參見文獻(xiàn)18和19）、聚合查詢（參見文獻(xiàn)23），連續(xù)最近點查詢（參見文獻(xiàn)14），路徑最近點查詢（參見文獻(xiàn)3）等等。這些研究工作中的技術(shù)并不能解決最佳位置查詢問題，因為最近點查詢問題與最佳位置查詢問題在本質(zhì)上是有所不同的。另外，本發(fā)明相關(guān)的參考文獻(xiàn)還包括如下：文獻(xiàn)1：deBerg,M.,Cheong,O.,vanKreveld,M.,Overmars,M.:ComputationalGeometry:AlgorithmsandApplications,3rdedn.Springer-Verlag(2008)；文獻(xiàn)5：Dijkstra,E.W.:Anoteontwoproblemsinconnexionwithgraphs.NumerischeMathematik1,269–271(1959)；文獻(xiàn)7：Erwig,M.,Hagen,F.:Thegraphvoronoidiagramwithapplications.Networks36,156–163(2000)；文獻(xiàn)10：Hershberger,J.:Findingtheupperenvelopeofnlinesegmentsino(nlogn)time.Inf.Process.Lett.33(4),169–174(1989)；文獻(xiàn)20：Shekhar,S.,Liu,D.R.:CCAM:Aconnectivity-clusteredaccessmethodfornetworksandnetworkcomputations.TKDE9(1),102–119(1997)。

技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于提供一種查詢最大競爭力位置的動態(tài)監(jiān)控方法及系統(tǒng)，能夠快速和動態(tài)地查詢最大競爭力位置。為解決上述問題，本發(fā)明提供一種查詢最大競爭力位置的動態(tài)監(jiān)控方法，包括：給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p。進(jìn)一步的，在上述方法中，根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p的步驟包括：通過向表示路網(wǎng)的無向連通圖Go=(Vo,Eo)插入所有的設(shè)施點f和客戶點c來將Eo中的邊劃分成新的邊，對于每一個點ρ∈C∪F，先考慮ρ所在的邊e∈Eo，令e的兩個端點為vl和vr，然后將e分為兩部分即從vl到ρ和從ρ到vr，以使ρ成為無向連通圖的一個新頂點，加入所有的新頂點以生成了一個新的無向連通圖G=(V,E)，且V=Vo∪C∪F；對于每一條邊e∈Ec初始化計算其局部最佳位置I以及對應(yīng)的收益值m,其中，Ec為包含候選位置集合P中所有點的邊的集合，某個位置的收益值m為該位置能夠吸引到的所有客戶點的權(quán)重之和，局部最佳位置I為邊e上所有具有最大收益值的點集合；根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述方法中，對于每一條邊e∈Ec初始化計算其局部最佳位置I以及對應(yīng)的收益值m的步驟包括：通過Erwig和Hagen的算法來計算G中每一個頂點v的最近設(shè)施點f以及距離d(v,f)；分別計算e的兩個端點vl和vr的吸引集合A(vl)和A(vr)，其中，給定一個頂點v，A(v)是包含v能吸引到的所有客戶點c以及對應(yīng)距離d(c,v)的集合；根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m。進(jìn)一步的，在上述方法中，已知一個頂點v，A(v)通過如下步驟獲?。撼跏蓟疉(v)為空集；用Dijkstra算法按照到v的距離升序遍歷G中所有頂點；對于每一個遍歷到的頂點v′，令a(v′)為v′到其最近的設(shè)施點f的距離，如果d(v,v′)≤a(v′)，并且v′是一個客戶點，則將把<v′,d(v′,v)>加入頂點v吸引集合A(v)后；如果d(v,v′)>a(v′)，則忽略所有以v′為端點的邊。進(jìn)一步的，在上述方法中，根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m的步驟包括：建立一個一維平面R；對于每個在A(vl)中出現(xiàn)但是沒有在A(vr)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[0,a(c)-d(c,vl)]，對這條線段賦予權(quán)重w(c)；對于每個在A(vr)中出現(xiàn)但是沒有在A(vl)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)，l表示待計算的邊e的長度；對于每個在A(vl)和A(vr)中都出現(xiàn)的客戶點c，如果l≤2·a(c)-d(c,vl)-d(c,vr),則在R中創(chuàng)建一條線段[0,l]，并賦予權(quán)重w(c)；否則，在R中創(chuàng)建兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)；計算點集合I，I是整條邊[0,l]的子集，使得R中所有覆蓋I的線段的權(quán)重之和最大化；返回點集合I為邊e上的局部最佳位置，對應(yīng)的收益值m為R中所有覆蓋I的線段的權(quán)重之和。進(jìn)一步的，在上述方法中，根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p的步驟包括：路網(wǎng)中設(shè)施點和客戶點的更新歸結(jié)為增加一個客戶點AddC(c)，減少一個客戶點DelC(c)，增加一個設(shè)施點AddF(f)，減少一個設(shè)施點DelF(f)共四種基本操作；當(dāng)一個更新操作到來的時候，首先計算吸引距離會被更新所影響的客戶點的集合Vc，如果操作是AddC(c)或DelC(c)，則Vc={c}；如果操作是AddF(f)或DelF(f)，則Vc={c|<c,d(c,v)>∈A(f)}；對于每一個客戶點c∈Vc，找出該客戶點之前的吸引距離a0(c)和新的吸引距離a'(c)，并建立兩個集合和對于每一個客戶點c∈Vc，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m，令更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0；根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述方法中，已知更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m的步驟包括：步驟一：初始化一個空的邊集E1；步驟二：對于E中的每條邊e(vl,vr)，如果<vl,d(c,vl)>和<vr,d(c,vr)>者至少有一個存在于UC+和UC-的并集中，則把e加入邊集E1；步驟三：對于邊集E1中的每一條邊e(vl,vr)執(zhí)行如下步驟：初始化兩個空的點集I+和I-，如果<vl,d(c,vl)>存在于中，但是<vr,d(c,vr)>不存在于中，則向I-中加入一條線段[0,a0(c)-d(c,vl)]；如果<vl,d(c,vl)>不存在于中，但是<vr,d(c,vr)>存在于中，則向I-中加入一條線段[l-a0(c)-d(c,vr),l]；如果<vl,d(c,vl)>和<vr,d(c,vr)>都存在于中，則如果l≤2a0(c)-d(c,vl)-d(c,vr),則向I-中加入一條線段[0,l]，l>2a0(c)-d(c,vl)-d(c,vr)，向I-中加入兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]；與獲取I-一樣的方式，將換成a0(c)換成a′(c)，類似地計算出I+；如果a0(c)<a′(c)，則將一個臨時的flag設(shè)為ADD，計算I′=I+-I-，否則，將flag設(shè)為DEL，計算I′=I--I+；如果I′為空集，則跳出本循環(huán)，訪問邊集E1中的下一條邊e；如果flag為ADD，則計算I=I0∩I′，如果I是空集，則重新初始化計算e上的I和m；否則，令m=m0+w(c)；如果flag為DEL，則如果I′=[0,l]，則I=I0,m=m0-w(c)；否則，計算I=I0-I′，如果I是空集，則重新初始化計算e上的I和m，如果I不是空集，令m=m0；令I(lǐng)和m為邊e上新的局部最佳位置和對應(yīng)的收益值。根據(jù)本發(fā)明的另一面，提供一種查詢最大競爭力位置的動態(tài)監(jiān)控系統(tǒng)，包括：定義模塊，用于給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即獲取模塊，用于根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;動態(tài)監(jiān)控模塊，用于根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p。進(jìn)一步的，在上述系統(tǒng)中，所述獲取模塊包括：無向連通圖模塊，用于向表示路網(wǎng)的無向連通圖Go=(Vo,Eo)插入所有的設(shè)施點f和客戶點c來將Eo中的邊劃分成新的邊，對于每一個點ρ∈C∪F，先考慮ρ所在的邊e∈Eo，令e的兩個端點為vl和vr，然后將e分為兩部分即從vl到ρ和從ρ到vr，以使ρ成為無向連通圖的一個新頂點，加入所有的新頂點以生成了一個新的無向連通圖G=(V,E)，且V=Vo∪C∪F；局部最佳位置和收益值模塊，用于對于每一條邊e∈Ec初始化計算其局部最佳位置I以及對應(yīng)的收益值m,其中，Ec為包含候選位置集合P中所有點的邊的集合，某個位置的收益值m為該位置能夠吸引到的所有客戶點的權(quán)重之和，局部最佳位置I為邊e上所有具有最大收益值的點集合；最大競爭力位置模塊，用于根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述系統(tǒng)中，所述局部最佳位置和收益值模塊，用于通過Erwig和Hagen的算法來計算G中每一個頂點v的最近設(shè)施點f以及距離d(v,f)；分別計算e的兩個端點vl和vr的吸引集合A(vl)和A(vr)，其中，給定一個頂點v，A(v)是包含v能吸引到的所有客戶點c以及對應(yīng)距離d(c,v)的集合；根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m。進(jìn)一步的，在上述系統(tǒng)中，已知一個頂點v，所述局部最佳位置和收益值模塊用于獲取A(v)，具體包括：初始化A(v)為空集；用Dijkstra算法按照到v的距離升序遍歷G中所有頂點；對于每一個遍歷到的頂點v′，令a(v′)為v′到其最近的設(shè)施點f的距離，如果d(v,v′)≤a(v′)，并且v′是一個客戶點，則將把<v′,d(v′,v)>加入頂點v吸引集合A(v)后；如果d(v,v′)>a(v′)，則忽略所有以v′為端點的邊。進(jìn)一步的，在上述系統(tǒng)中，所述局部最佳位置和收益值模塊用于：建立一個一維平面R；對于每個在A(vl)中出現(xiàn)但是沒有在A(vr)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[0,a(c)-d(c,vl)]，對這條線段賦予權(quán)重w(c)；對于每個在A(vr)中出現(xiàn)但是沒有在A(vl)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)，l表示待計算的邊e的長度；對于每個在A(vl)和A(vr)中都出現(xiàn)的客戶點c，如果l≤2·a(c)-d(c,vl)-d(c,vr),則在R中創(chuàng)建一條線段[0,l]，并賦予權(quán)重w(c)；否則，在R中創(chuàng)建兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)；計算點集合I，I是整條邊[0,l]的子集，使得R中所有覆蓋I的線段的權(quán)重之和最大化；返回點集合I為邊e上的局部最佳位置，對應(yīng)的收益值m為R中所有覆蓋I的線段的權(quán)重之和。進(jìn)一步的，在上述系統(tǒng)中，動態(tài)監(jiān)控模塊包括：分類模塊，用于將路網(wǎng)中設(shè)施點和客戶點的更新歸結(jié)為增加一個客戶點AddC(c)，減少一個客戶點DelC(c)，增加一個設(shè)施點AddF(f)和減少一個設(shè)施點DelF(f)共四種基本操作；第一獲取模塊，用于當(dāng)一個更新操作到來的時候，首先計算吸引距離會被更新所影響的客戶點的集合Vc，如果操作是AddC(c)或DelC(c)，則Vc={c}；如果操作是AddF(f)或DelF(f)，則Vc={c|<c,d(c,v)>∈A(f)}；第二獲取模塊，用于對于每一個客戶點c∈Vc，找出該客戶點之前的吸引距離a0(c)和新的吸引距離a'(c)，并建立兩個集合和更新模塊，用于對于每一個客戶點c∈Vc，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m，令更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0；結(jié)果模塊，用于根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述系統(tǒng)中，所述更新模塊包括：初始化單元，用于初始化一個空的邊集E1；加入單元，用于對于E中的每條邊e(vl,vr)，如果<vl,d(c,vl)>和<vr,d(c,vr)>者至少有一個存在于UC+和UC-的并集中，則把e加入邊集E1；更新單元，用于對于邊集E1中的每一條邊e(vl,vr)執(zhí)行如下過程：初始化兩個空的點集I+和I-，如果<vl,d(c,vl)>存在于中，但是<vr,d(c,vr)>不存在于中，則向I-中加入一條線段[0,a0(c)-d(c,vl)]；如果<vl,d(c,vl)>不存在于中，但是<vr,d(c,vr)>存在于中，則向I-中加入一條線段[l-a0(c)-d(c,vr),l]；如果<vl,d(c,vl)>和<vr,d(c,vr)>都存在于中，則如果l≤2a0(c)-d(c,vl)-d(c,vr),則向I-中加入一條線段[0,l]，l>2a0(c)-d(c,vl)-d(c,vr)，向I-中加入兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]；與獲取I-一樣的方式，將換成a0(c)換成a′(c)，類似地計算出I+；如果a0(c)<a′(c)，則將一個臨時的flag設(shè)為ADD，計算I′=I+-I-，否則，將flag設(shè)為DEL，計算I′=I--I+；如果I′為空集，則跳出本循環(huán)，訪問邊集E1中的下一條邊e；如果flag為ADD，則計算I=I0∩I′，如果I是空集，則重新初始化計算e上的I和m；否則，令m=m0+w(c)；如果flag為DEL，則如果I′=[0,l]，則I=I0,m=m0-w(c)；否則，計算I=I0-I′，如果I是空集，則重新初始化計算e上的I和m，如果I不是空集，令m=m0；令I(lǐng)和m為邊e上新的局部最佳位置和對應(yīng)的收益值。與現(xiàn)有技術(shù)相比，本發(fā)明通過給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p，能夠快速和動態(tài)地查詢最大競爭力位置。附圖說明圖1是本發(fā)明一實施例的查詢最大競爭力位置的動態(tài)監(jiān)控方法的流程圖。具體實施方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。實施例一如圖1所示，本發(fā)明提供一種查詢最大競爭力位置的動態(tài)監(jiān)控方法，包括步驟S1至步驟S3。步驟S1，給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即步驟S2，根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;進(jìn)一步的，步驟S2包括步驟S21至步驟S23。步驟S21，通過向表示路網(wǎng)的無向連通圖Go=(Vo,Eo)插入所有的設(shè)施點f和客戶點c來將Eo中的邊劃分成新的邊，對于每一個點ρ∈C∪F，先考慮ρ所在的邊e∈Eo，令e的兩個端點為vl和vr，然后將e分為兩部分即從vl到ρ和從ρ到vr，以使ρ成為無向連通圖的一個新頂點，加入所有的新頂點以生成了一個新的無向連通圖G=(V,E)，且V=Vo∪C∪F；步驟S22，對于每一條邊e∈Ec初始化計算其局部最佳位置I以及對應(yīng)的收益值m,其中，Ec為包含候選位置集合P中所有點的邊的集合，某個位置的收益值m為該位置能夠吸引到的所有客戶點的權(quán)重之和，局部最佳位置I為邊e上所有具有最大收益值的點集合；優(yōu)選的，本步驟包括：通過Erwig和Hagen的算法來計算G中每一個頂點v的最近設(shè)施點f以及距離d(v,f)；分別計算e的兩個端點vl和vr的吸引集合A(vl)和A(vr)。其中，給定一個頂點v，A(v)是包含v能吸引到的所有客戶點c以及對應(yīng)距離d(c,v)的集合；根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m。其中，已知一個頂點v，A(v)通過如下步驟獲?。撼跏蓟疉(v)為空集；用Dijkstra算法按照到v的距離升序遍歷G中所有頂點；對于每一個遍歷到的頂點v′，令a(v′)為v′到其最近的設(shè)施點f的距離，如果d(v,v′)≤a(v′)，并且v′是一個客戶點，則將把<v′,d(v′,v)>加入頂點v吸引集合A(v)后；如果d(v,v′)>a(v′)，則忽略所有以v′為端點的邊。其中，根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m的步驟包括：建立一個一維平面R；對于每個在A(vl)中出現(xiàn)但是沒有在A(vr)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[0,a(c)-d(c,vl)]，對這條線段賦予權(quán)重w(c)；對于每個在A(vr)中出現(xiàn)但是沒有在A(vl)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)，l表示待計算的邊e的長度；對于每個在A(vl)和A(vr)中都出現(xiàn)的客戶點c，如果l≤2·a(c)-d(c,vl)-d(c,vr),則在R中創(chuàng)建一條線段[0,l]，并賦予權(quán)重w(c)；否則，在R中創(chuàng)建兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)；計算點集合I，I是整條邊[0,l]的子集，使得R中所有覆蓋I的線段的權(quán)重之和最大化；返回點集合I為邊e上的局部最佳位置，對應(yīng)的收益值m為R中所有覆蓋I的線段的權(quán)重之和。步驟S23，根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。步驟S3，根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p。優(yōu)選的，步驟S3包括步驟S31至步驟S35：步驟S31，路網(wǎng)中設(shè)施點和客戶點的更新歸結(jié)為增加一個客戶點（AddC(c)），減少一個客戶點（DelC(c)），增加一個設(shè)施點（AddF(f)），減少一個設(shè)施點（DelF(f)）共四種基本操作；步驟S32，當(dāng)一個更新操作到來的時候，首先計算吸引距離會被更新所影響的客戶點的集合Vc，如果操作是AddC(c)或DelC(c)，則Vc={c}；如果操作是AddF(f)或DelF(f)，則Vc={c|<c,d(c,v)>∈A(f)}；步驟S33，對于每一個客戶點c∈Vc，找出該客戶點之前的吸引距離a0(c)和新的吸引距離a'(c)，并建立兩個集合和步驟S34，對于每一個客戶點c∈Vc，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m，令更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0；其中，已知更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m的步驟包括步驟一至步驟三：步驟一：初始化一個空的邊集E1；步驟二：對于E1中的每條邊e(vl,vr)，如果<vl,d(c,vl)>和<vr,d(c,vr)>者至少有一個存在于UC+和UC-的并集中，則把e加入邊集E1；步驟三：對于邊集E1中的每一條邊e(vl,vr)執(zhí)行如下步驟三一至步驟三七：步驟三一：初始化兩個空的點集I+和I-，如果<vl,d(c,vl)>存在于中，但是<vr,d(c,vr)>不存在于中，則向I-中加入一條線段[0,a0(c)-d(c,vl)]；如果<vl,d(c,vl)>不存在于中，但是<vr,d(c,vr)>存在于中，則向I-中加入一條線段[l-a0(c)-d(c,vr),l]；如果<vl,d(c,vl)>和<vr,d(c,vr)>都存在于中，則如果l≤2a0(c)-d(c,vl)-d(c,vr),則向I-中加入一條線段[0,l]，l>2a0(c)-d(c,vl)-d(c,vr)，向I-中加入兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]；步驟三二：與獲取I-一樣的方式，將換成，a0(c)換成a′(c)，類似地計算出I+；步驟三三：如果a0(c)<a′(c)，則將一個臨時的flag設(shè)為ADD，計算I′=I+-I-，否則，將flag設(shè)為DEL，計算I′=I--I+；步驟三四：如果I′為空集，則跳出本循環(huán)，訪問邊集E1中的下一條邊e；步驟三五：如果flag為ADD，則計算I=I0∩I′，如果I是空集，則重新初始化計算e上的I和m；否則，令m=m0+w(c)；步驟三六：如果flag為DEL，則如果I′=[0,l]，則I=I0,m=m0-w(c)；否則，計算I=I0-I′，如果I是空集，則重新初始化計算e上的I和m，如果I不是空集，令m=m0；步驟三七：令I(lǐng)和m為邊e上新的局部最佳位置和對應(yīng)的收益值。步驟S35根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。實施例二本發(fā)明還提供另一種查詢最大競爭力位置的動態(tài)監(jiān)控系統(tǒng)，包括：定義模塊，用于給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即獲取模塊，用于根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;動態(tài)監(jiān)控模塊，用于根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p。進(jìn)一步的，在上述系統(tǒng)中，所述獲取模塊包括：無向連通圖模塊，用于向表示路網(wǎng)的無向連通圖Go=(Vo,Eo)插入所有的設(shè)施點f和客戶點c來將Eo中的邊劃分成新的邊，對于每一個點ρ∈C∪F，先考慮ρ所在的邊e∈Eo，令e的兩個端點為vl和vr，然后將e分為兩部分即從vl到ρ和從ρ到vr，以使ρ成為無向連通圖的一個新頂點，加入所有的新頂點以生成了一個新的無向連通圖G=(V,E)，且V=Vo∪C∪F；局部最佳位置和收益值模塊，用于對于每一條邊e∈Ec初始化計算其局部最佳位置I以及對應(yīng)的收益值m,其中，Ec為包含候選位置集合P中所有點的邊的集合，某個位置的收益值m為該位置能夠吸引到的所有客戶點的權(quán)重之和，局部最佳位置I為邊e上所有具有最大收益值的點集合；最大競爭力位置模塊，用于根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述系統(tǒng)中，所述局部最佳位置和收益值模塊，用于通過Erwig和Hagen的算法來計算G中每一個頂點v的最近設(shè)施點f以及距離d(v,f)；分別計算e的兩個端點vl和vr的吸引集合A(vl)和A(vr)，其中，給定一個頂點v，A(v)是包含v能吸引到的所有客戶點c以及對應(yīng)距離d(c,v)的集合；根據(jù)已經(jīng)計算出的A(vl)和A(vr)計算e的局部最佳位置I以及對應(yīng)的收益值m。進(jìn)一步的，在上述系統(tǒng)中，已知一個頂點v，所述局部最佳位置和收益值模塊用于獲取A(v)，具體包括：初始化A(v)為空集；用Dijkstra算法按照到v的距離升序遍歷G中所有頂點；對于每一個遍歷到的頂點v′，令a(v′)為v′到其最近的設(shè)施點f的距離，如果d(v,v′)≤a(v′)，并且v′是一個客戶點，則將把<v′,d(v′,v)>加入頂點v吸引集合A(v)后；如果d(v,v′)>a(v′)，則忽略所有以v′為端點的邊。進(jìn)一步的，在上述系統(tǒng)中，所述局部最佳位置和收益值模塊用于：建立一個一維平面R；對于每個在A(vl)中出現(xiàn)但是沒有在A(vr)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[0,a(c)-d(c,vl)]，對這條線段賦予權(quán)重w(c)；對于每個在A(vr)中出現(xiàn)但是沒有在A(vl)中出現(xiàn)的客戶點c，在R中創(chuàng)建一條線段[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)，l表示待計算的邊e的長度；對于每個在A(vl)和A(vr)中都出現(xiàn)的客戶點c，如果l≤2·a(c)-d(c,vl)-d(c,vr),則在R中創(chuàng)建一條線段[0,l]，并賦予權(quán)重w(c)；否則，在R中創(chuàng)建兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]，并賦予權(quán)重w(c)；計算點集合I，I是整條邊[0,l]的子集，使得R中所有覆蓋I的線段的權(quán)重之和最大化；返回點集合I為邊e上的局部最佳位置，對應(yīng)的收益值m為R中所有覆蓋I的線段的權(quán)重之和。進(jìn)一步的，在上述系統(tǒng)中，動態(tài)監(jiān)控模塊包括：分類模塊，用于將路網(wǎng)中設(shè)施點和客戶點的更新歸結(jié)為增加一個客戶點AddC(c)，減少一個客戶點DelC(c)，增加一個設(shè)施點AddF(f)和減少一個設(shè)施點DelF(f)共四種基本操作；第一獲取模塊，用于當(dāng)一個更新操作到來的時候，首先計算吸引距離會被更新所影響的客戶點的集合Vc，如果操作是AddC(c)或DelC(c)，則Vc={c}；如果操作是AddF(f)或DelF(f)，則Vc={c|<c,d(c,v)>∈A(f)}；第二獲取模塊，用于對于每一個客戶點c∈Vc，找出該客戶點之前的吸引距離a0(c)和新的吸引距離a'(c)，并建立兩個集合和更新模塊，用于對于每一個客戶點c∈Vc，根據(jù)a0(c)，a'(c)，來更新每一條邊e的局部最佳位置I以及對應(yīng)的收益值m，令更新前的局部最佳位置以及對應(yīng)的收益值分別為I0和m0；結(jié)果模塊，用于根據(jù)所有邊上的局部最佳位置I選出對應(yīng)的收益值m最大的作為最大競爭力位置p。進(jìn)一步的，在上述系統(tǒng)中，所述更新模塊包括：初始化單元，用于初始化一個空的邊集E1；加入單元，用于對于E中的每條邊e(vl,vr)，如果<vl,d(c,vl)>和<vr,d(c,vr)>者至少有一個存在于UC+和UC-的并集中，則把e加入邊集E1；更新單元，用于對于邊集E1中的每一條邊e(vl,vr)執(zhí)行如下過程：初始化兩個空的點集I+和I-，如果<vl,d(c,vl)>存在于中，但是<vr,d(c,vr)>不存在于中，則向I-中加入一條線段[0,a0(c)-d(c,vl)]；如果<vl,d(c,vl)>不存在于中，但是<vr,d(c,vr)>存在于中，則向I-中加入一條線段[l-a0(c)-d(c,vr),l]；如果<vl,d(c,vl)>和<vr,d(c,vr)>都存在于中，則如果l≤2a0(c)-d(c,vl)-d(c,vr),則向I-中加入一條線段[0,l]，l>2a0(c)-d(c,vl)-d(c,vr)，向I-中加入兩條線段[0,a(c)-d(c,vl)]和[l-a(c)+d(c,vr),l]；與獲取I-一樣的方式，將換成，a0(c)換成a′(c)，類似地計算出I+；如果a0(c)<a′(c)，則將一個臨時的flag設(shè)為ADD，計算I′=I+-I-，否則，將flag設(shè)為DEL，計算I′=I--I+；如果I′為空集，則跳出本循環(huán)，訪問邊集E1中的下一條邊e；如果flag為ADD，則計算I=I0∩I′，如果I是空集，則重新初始化計算e上的I和m；否則，令m=m0+w(c)；如果flag為DEL，則如果I′=[0,l]，則I=I0,m=m0-w(c)；否則，計算I=I0-I′，如果I是空集，則重新初始化計算e上的I和m，如果I不是空集，令m=m0；令I(lǐng)和m為邊e上新的局部最佳位置和對應(yīng)的收益值。實施例二的其它詳細(xì)內(nèi)容具體可參見實施例一，在此不再贅述。本發(fā)明通過給定一個客戶點的集合C和一個設(shè)施點的集合F，以及一個候選位置集合P,最大競爭力位置為其中w(c)是客戶點c的權(quán)重，如果客戶點c和設(shè)施點f在道路網(wǎng)絡(luò)中的距離d(c,f)是c和F中的點的極小值，則定義f是c的吸引者，c被f吸引，a(c)=d(c,f)為c的吸引距離，Cp是所有能被p吸引的客戶點,即根據(jù)路網(wǎng)中初始的設(shè)施點集合F和客戶點集合C獲取p;根據(jù)路網(wǎng)中設(shè)施點集合F或客戶點集合C發(fā)生的更新隨時動態(tài)監(jiān)控p，能夠快速和動態(tài)地查詢最大競爭力位置。本說明書中各個實施例采用遞進(jìn)的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的系統(tǒng)而言，由于與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。專業(yè)人員還可以進(jìn)一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機(jī)軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。顯然，本領(lǐng)域的技術(shù)人員可以對發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包括這些改動和變型在內(nèi)。