海上应急物资配送路径规划模型的构建

为了提高海上应急物资配送和调度能力,提出基于蚁群智能优化的海上应急物资配送路径全局规划算法。根据海上应急物资配送物资规划路径进行运动学模型构造,构建海上应急物资配送路径规划的控制约束参量,以海上应急物资配送的中转节点作为聚类中心,采用蚁群优化算法进行海上应急物资配送路径的自适应寻优,以蚁群个体信息素作为导引参量,构建海上通信网络下的海上应急物资配送路径规划模型,采用蚁群算法进行海上应急物资配送路径规划过程中的寻优迭代,根据自适应寻优控制结果,实现海上应急物资配送路径规划优化。仿真结果表明,采用该方法进行海上应急物资配送路径规划的自适应性较好,规划调度能力,提高了应急物资的配送效率。     

基于优化Hopfield神经网络的海事飞机巡航路径规划

为解决海事空巡飞机巡航路径规划问题，提高巡航效率。本文提出了一种基于优化Hopfield神经网络（HNN）巡航路径规划模型，该模型通过粒子群优化算法（PSO）对HNN神经网络进行优化得到PSOHNN神经网络模型,提高了Hopfield神经网络的全局收敛能力。采用实际巡航点对优化模型进行仿真实验，结果证明了基于优化Hopfield神经网络（PSO-HNN）巡航路径规划模型具有良好的路径寻优能力。     

蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

无人机海事巡航路径优化研究

文章在综合分析国内外无人机航迹规划方法的基础上,考虑其自身的物理限制条件、安全因素和海事巡航监控任务条件,建立无人机空间巡航模型、综合染色体编码、适应度函数以及遗传因子分析等模型,推算出海事无人机海上巡航整体规划方法。     

基于群体智能的船艇货物配送路径图解优化模型构建

由于蚁群算法路径优化模型容易出现局部最优的问题,导致最终的船艇货物配送成本过高,为此构建一种基于群体智能的船艇货物配送路径图解优化模型。以配送路径的难易度系数为标准,对配送路径的当量长度进行计算,引用群体智能算法,确定货物配送路径的动态调整规则,运用图解法计算最短配送路径,完成路径图解优化模型的构建。通过实例论证分析的方式,确定该模型的有效性。结果表明,基于群体智能的路径优化模型较基于蚁群算法的路径优化模型具备优越性,货物配送总成本降低328.5元/天,且大大缩短了配送时长,提高了船艇货物配送效率。     

海上溢油微型跟踪浮标研究与应用

文中介绍了海上溢油微型跟踪浮标的技术特点和研究情况,通过水动力学研究,优化了微型跟踪浮标技术参数,采用卫星定位通讯方式实现海上溢油的全天候全过程监测,海上试验效果良好,为海上溢油事故应急快速反应提供了一种有效技术手段。     

溢油应急监测无人机的机型选择及应用

近年来,无人机技术发展迅速,在各个行业中开展了创新应用,并取得了较好的成果。本文针对溢油事件发生地点的特殊性和突发性、状况复杂的特点,提出在溢油应急工作中使用无人机进行溢油应急监测,快速准确地掌握现场情况。通过分析溢油应急监测工作对无人机在起降场地、性能、易用性等方面的技术要求,对比不同类型无人机的特点,提出不同场景下适合溢油应急监测的无人机机型,将其应用到溢油应急监测工作中,为快速、科学的溢油应急处理提供有力支撑。     

海上搜救系统中的云计算平台处理效率研究

基于云平台的海上搜救系统在遇险船舶搜寻、人员救助和搜救力量管理等方面发挥着越来越重要的作用。本文深入研究了遗传算法和蚁群优化算法的优缺点,在此基础上,提出了基于遗传和蚁群优化算法的任务调度策略,有效结合了遗传算法在全局搜索方面和蚁群算法在求解精度方面的优势,有效提高了云计算平台的处理效率。     

多约束条件下最优航向控制中的蚁群算法研究

我国最优航向控制技术是智能航海技术中的关键技术之一,能够保证船舶按照最优航向航线到达目的地,提高航行的安全性和经济性。在最优航向控制技术中,引入蚁群算法可满足求解最优化路径的要求,进一步优化最优航向控制系统的性能。本文分析传统蚁群算法的基本原理和缺陷,提出改进后的栅格蚁群算法,以弥补传统算法的不足,并基于栅格蚁群算法构建起多约束条件下的最优航向控制模型,对模型进行实验仿真分析,仿真结果表明该模型可得出最优航向航线结果。     

多无人机协同任务分群方案研究

针对在侦察问题中多无人机任务分群的不足,为提高其效率,提出了基于模拟退火思想的改进K均值聚类算法的多无人机协同任务分群方法。文中建立了侦察任务分群模型,对任务分群性能优化指标进行了分析。给出了优化K均值聚类算法后的模拟退火思想的改进K均值聚类算法。通过进行仿真分析,在对比算法优化前后的计算结果后发现,优化算法能使多无人机巡航时间缩短,目标群分布群内更加集中,群间更分散,且各UAV任务分配更均衡。研究表明应用模拟退火思想的改进K均值聚类算法能有效提高任务分群效率,有较大的实战价值。     

基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

海上溢油应急时间满意度的应急选址模型研究

溢油事故应急反应的敏捷性与应急救援设施布局的合理性有着密切关系。根据海上溢油应急时间满意度这一重要因素,从覆盖问题角度对选址问题进行研究,构建了基于应急时间满意度的最大覆盖模型和基于应急时间满意度的集覆盖模型。研究结果表明,基于最短路径的选址问题在一定程度上能较好地解决溢油应急选址问题,但存在一定的局限性,而基于应急时间满意度的集覆盖模型对溢油应急管理而言具有更现实的意义。     

双层蚁群优化算法的舰船应急物流路径规划方法研究

路径规划对舰船应急物流配送具有十分重要的意义,当前蚁群优化算法存在初始信息素少,无法得到最优的舰船应急物流路径规划的缺陷。为了高效、准确对舰船应急物流路径规划问题进行求解,提出了基于双层蚁群优化算法的舰船应急物流路径规划方法。首先分析当前舰船应急物流路径规划研究现状,并建立舰船应急物流路径规划模型,然后采用粒子群算法快速找到舰船应急物流路径可行解集合,将其作为蚂蚁的初始信息,最后根据初始信息对舰船应急物流最优路径进行搜索,并进行了舰船应急物流路径规划仿真测试。双层蚁群优优化算法可以对舰船应急物流路径规划问题进行精准求解,克服了当前舰船应急物流路径规划方法的缺陷,而且舰船应急物流路径规划问题求解效率更高。     

海上搜救最优路线规划模型设计与仿真

随着人类海洋活动的频繁、气候环境的复杂多变,海上事故频发,而海上救援最关键的是要在最短时间到达搜救点。海上搜索最短路径还受到障碍物、地理环境、天气等条件影响,是一个多条件全局最优问题。本文研究了基于蚁群算法的Dijkstra求解方法,寻找多条件约束下的海上搜救最短路径的全局最优解,最后对算法进行了仿真并与其他路径规划算法做了比较。     

无线大功率海上溢油跟踪浮标监测技术改进

为满足溢油应急工作的需要,改进无线充电式跟踪溢油浮标。目的是当海上溢油事故发生时,应急人员可根据预测的溢油漂移扩散的路径和影响的区域,一旦溢油污染到该水域,溢油应急指挥人员便可随时充电,通过该监测设备实时动态、及时准确监测到溢油发生的时间和位置,从而更快捷做好应急反应救援工作。同时,无线充电设备可以方便企业随时充电,减少搬运碰撞,延长溢油浮标无线充电设备的使用寿命。     

海上溢油跟踪监测系统综述

海上溢油跟踪监测软硬件技术,具备优良的海面溢油跟踪功能,为海上溢油应急行动提供准确支持。     

基于多周期目标的海上救助船配置优化

为提高海上救助水平和效率,考虑事故的时变性和救助船的不可用等因素对海上救助船进行动态配置,以救助站点覆盖事故数量最大化和救助船动态调度成本最小化为目标,建立多周期多目标的多重覆盖模型,并设计多目标蚁群算法进行优化求解。多周期救助船配置方案经实例验证,证明了模型和算法的有效性,为我国海上救助船的配置提供新的思路。     

基于多周期目标的海上救助船配置优化

为提高海上救助水平和效率,考虑事故的时变性和救助船的不可用等因素对海上救助船进行动态配置,以救助站点覆盖事故数量最大化和救助船动态调度成本最小化为目标,建立多周期多目标的多重覆盖模型,并设计多目标蚁群算法进行优化求解。多周期救助船配置方案经实例验证,证明了模型和算法的有效性,为我国海上救助船的配置提供新的思路。     

航空遥感监视监测溢油方案构想

结合海事部门溢油应急及巡航监管现状,分析了开展航空遥感监视监测溢油的意义和必要性,并在对航空遥感监视监测溢油技术进行研究和充分调研的基础上,提出了基本的建设方案。     

MMAS在带时间窗的车辆路线问题中的应用

针对基本蚁群优化算法在物流配送路径优化应用过程中存在的问题,主要是由信息素全局和局部更新策略而导致车辆选择路径时容易陷入局部最优解的现象,本文详细研究了蚁群算法的改进算法,即最大最小蚁群算法;并引入信息素平滑机制来提升算法的路径探索能力,实现此组合优化理论在带时间窗的车辆路径问题中的应用.