基于最优Pareto集的船舶出坞拖轮配置优化

本文采用多目标遗传算法求解船舶出坞拖轮配置优化模型的近似Pareto最优解集，针对遗传算法只能优化单目标、无约束问题，通过引入罚函数除去了船舶出坞中多变量非线性有约束问题的约束限制。本文利用加权和方法处理船舶出坞拖轮装置多目标优化问题，并按专家决策方法确定各目标函数的权系数。拖轮配置优化结果表明了多目标遗传算法的有效性，并为船坞主管进行船舶出坞拖轮配置决策提供了充分的依据。     

大型船舶出坞过程仿真

根据大型船舶出坞的要求,建立了船舶出坞过程仿真数学模型,包括船舶出坞操纵的基本模型、水动力模型以及拖轮等的作用力计算模型.编程计算了大型船舶出坞过程中的环境载荷,对大型船舶出坞过程进行仿真预报.以17.5万吨好望角型散货船为例,计算了该船受到的总的环境外载荷,并对该船出坞运动轨迹进行仿真预报.     

大型船舶出坞过程仿真

根据大型船舶出坞的要求，建立了船舶出坞过程仿真数学模型，包括船舶出坞操纵的基本模型、水动力模型以及拖轮等的作用力计算模型。编程计算了大型船舶出坞过程中的环境载荷，对大型船舶出坞过程进行仿真预报。以17.5万吨好望角型散货船为例，计算了该船受到的总的环境外载荷，并对该船出坞运动轨迹进行仿真预报。     

船舶初步设计的多目标优化研究(英文)

提出了应用于船舶初步设计的多目标优化策略和决策方法.详细介绍了集成模型分析和优化算法的多目标优化求解思路,并使用改进的非支配排序遗传算法获取优化问题的Pareto解集.针对多目标优化问题中各子目标之间存在相互冲突、不能同时达到最优的特性,采用多属性决策理论对设计空间进行计算分析,找出.Pareto前沿面上的最优解.以散货船的初步设计为实例,对多目标优化策略和决策方法进行了验证分析.结果表明优化策略和决策方法不仅是可靠的、实用的,而且能广泛应用于各类船舶初步设计的优化与决策分析中.该文为船舶的初步设计提供了一条新途径.     

遗传算法在船舶航行性能优化中的惩罚策略

简要介绍了遗传算法的基本思想,讨论了运用该方法进行非线性函数约束优化约束处理的一种惩罚策略.然后对于船舶航行性能优化这一具体工程问题,运用该策略进行了优化计算.结果表明,该策略具有很强的实用性.     

微分群体智能算法在船舶结构混合变量优化中的应用

船舶结构优化设计问题通常是一个包含混合变量的约束优化问题.常用的优化方法是采用遗传算法结合惩罚函数法,但遗传算法的人工参数多,算法复杂,惩罚因子选取困难.该文中把适合约束优化问题的微分群体算法DS(Differential Swarm)进行了改进并用于混合变量的结构优化问题中,对多个工程实例的计算表明,新算法的结果好于已知文献中的最好结果,并得到了以往未发现的新解.DS算法参数少,算法表达简单,全局优化能力强,精度高,在工程中有较大应用前景.     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

模糊罚函数遗传算法在船舶型线扫描图光顺中的应用

采用遗传算法进行优化时,处理约束条件的方法一直是理论发展的重点。文章将模糊理论用于优化中处理约束条件的罚函数方法,提出了一种处理的约束优化问题的模糊罚函数遗传算法,并将这种方法用于船舶型线扫描光栅型线的光顺问题,得到了很好的结果。     

改进遗传算法在船舶压载水置换方案求解中的应用

根据船舶压载水置换的安全条件,将压载水置换问题归结为多目标组合优化问题.以总纵弯矩和剪力最小为目标,艏艉吃水条件为约束,采用两舱同时置换的策略,建立了船舶压载水置换问题的优化模型,并引入遗传算法对该问题进行求解.采用整数编码,将多目标问题以权重集合法转化为单目标问题,同时根据压载水置换具体问题,对遗传算法进行了改进.最后以一艘50 000t成品油船的压载水置换问题为例进行仿真试验,试验结果表明,采用遗传算法可以快速地搜索到工程实用方案,具有一定的工程应用价值.     

遗传算法在船舶航行性能优化中的惩罚策略

简要介绍了遗传算法的基本思想，讨论了运用该方法进行非线性函数约束优化的约束处理的一种惩罚策略。然后对于船舶航行性能优化这一具体工程问题，运用该策略进行了优化计算。结果表明，该策略具有很强的实用性。     

超大型LNG船舶靠离泊所需拖船总功率研究

分析国内外超大型船舶靠离泊操作时有关拖船功率配置的相关规范和计算方法,根据目前我国沿海LNG接收站所接待的LNG船舶实船和拖船资料,结合实例验证有关拖船功率计算的准确性和适用性,说明按不同规范和公式计算出的拖船总功率配置上的差别,并给出拖船功率配置建议。     

集装箱船主尺度全局最优化的混沌算法

提出了应用混沌优化方法（Chaos Optimization Algorithm,COA)进行集装箱船船型主尺度要素全局优化的新策略。混沌优化方法利用混沌变量的随机性、规律性、遍历性寻优，能够克服经典优化方法如直接法、梯度法、Hessian法等方法容易陷入局部极小点的不足，方法简单、快速、易于掌握，其效率比一些目前广泛应用的随机优化方法如模拟退火法（SAA）、遗传算法（GA）等高得多。实际算例的结果证实了混沌优化方法用于集装箱船船型优化的有效性。     

基于粒子群-遗传优化算法的船舶避碰决策

为能在开阔水域中提升船舶驾驶员在多船会遇场景下的避碰决策能力,按照国际海上避碰规则(Convention on the International Regulations for Prerenting Collisions at Sea,COLREGs)的要求,综合考虑船舶航行的安全性与经济性,提出一种基于粒子群-遗传(Partide Swam Optimization-Genetic Algorithm,PSO-GA)的混合优化避碰决策算法。基于最近会遇距离(Distance of Close Point of Approaching,dCPA)和最近会遇时间(Time to Close Point of Approaching,tCPA)确定船舶碰撞危险度(Collision Risk Index,ICR)的计算方法,基于转向幅度与航行时间建立避碰决策目标函数。基于PSO-GA算法具有提高收敛精度和加速全局寻优的特点,当ICR≥0.5时,启动PSO-GA算法,获得让路船舶在全局范围内的最佳转向幅度和在新航向上的航行时间。仿真结果表明:与单独使用PSO或GA算法相比,PSO-GA算法能够以较少的迭代次数找到安全经济避碰航线。提出的避碰决策算法能够为船舶驾驶人员在避碰决策中提供参考,有助于提升船舶航行的安全性和降低船舶碰撞事故发生的风险。     

高速单体船航行性能与结构力学特征综合优化初步研究

建立高速单体船航行性能与结构力学特征综合优化的数学模型,将遗传算法改进成一种适应多目标和多约束的算法,并将其应用于高速单体船航行性能与结构力学特征综合优化计算问题,利用界面友好的VC 软件编程。优化结果表明,改进的遗传算法计算可靠、效率高,并为设计综合性能优良的高速单体船船型准备了良好的基础条件。     

模拟退火算法在船舶转向避碰幅度决策中的应用

在船舶避碰决策过程中,转向避碰是采用频率最高的一种避碰方法。为了求得本船与多船会遇情况下的最优转向避碰幅度,应用模拟退火算法将本船与多船间的转向避碰幅度问题视作一类多目标函数优化问题,从而在可行解空间中求出满足目标函数和约束条件的最优转向避碰幅度解。仿真结果表明,上述方法不仅有助于求出多船会遇情况下的本船最优转向角度值,而且也有助于多船避碰决策系统的智能化设计与开发。     

基于广义回归神经网络与遗传算法的玻璃钢渔船船型要素优化研究

利用神经网络的非线性拟合能力,建立了基于广义回归神经网络的"船型要素-船体阻力"数学模型,提高了模型的拟合精度。同时结合遗传算法的非线性寻优能力,利用改进的遗传算法完成了船型要素的优化设计。优化结果可以作为玻璃钢渔船初步设计的技术参考。     

大型油船进出钦州港拖船功率探讨

为了确定大型油轮进出港口所需拖轮功率,通过对目前最常用的两种确定功率的方法进行对比分析,得出各自的优点和不足,结合钦州港实际情况,运用这两种方法确定在不同条件下,大型油轮进出钦州港所需拖轮功率。     

基于遗传算法的舰船舱段可靠性优化设计

遗传算法在引入动态自适应策略和"免疫算子"之后,其收敛效率有了较大的提高。对于以可靠性作为约束的随机结构系统优化问题,以罚函数法为基础,构造了有效的约束与目标函数向适应值函数的映射公式。建立合理的安全余量,采用随机有限元法处理结构分析中所涉及的有关参量的随机性,计算结构响应和敏度分析,并进行系统的可靠性计算。通过两种算法的结合,利用自适应免疫遗传算法、随机有限元法及可靠性的基本理论,建立了一套完整的基于遗传算法与随机有限元的结构系统可靠性优化设计方法。对舰船舱段结构梁系截面的优化计算结果表明,算法对多随机因素结构系统的可靠性优化具有良好的收敛效果。     

Application of a genetic algorithm to the optimal structural design of a ship's engine room taking dynamic constraints into consideration

The genetic algorithm, known as GA, is used to optimize engine room structure, not only under static constraints, but also under dynamic constraints. A penalty function method is used to handle the complicated constraint conditions based on the numerical results of dynamic and static analyses. There are several ways to take the dynamic effect into account in the optimum design of ship structure. First, the inequality constraint condition is applied to separate the natural frequency and the exciting frequency. Second, generalized design variables are introduced in order to transfer not only the dynamic but also the static equilibrium equations into the equality constraints, resulting in the optimal structural design without the need to solve these equilibrium equations. Third, the magnitudes of the acceleration and displacement are constrained instead of applying the natural frequency constraint condition. In order to achieve better convergency in the optimization with least resources, several operators and methods are considered and then introduced into the structural design of the engine room. The new operator, called either objective elitism or fitness elitism, is introduced to improve the efficiency of the method. The effect of boundary mutation and nonuniform mutation on the performance of the GA is examined. Not only binary representation but also floating-point representation are used to express the design gene in the GA. Fuzzy theory is applied in the GA to handle the uncertainty of the constraint conditions. Two ways of solving fuzzy optimization are investigated in order to obtain a fuzzy solution and a crisp solution. Received: October 2, 2000 / Accepted: November 30, 2000