改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

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。     

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。     

电子商务环境下舰船供应链物流配送最优路径规划方法

传统舰船供应链物流配送最优路径规划方法,普遍采用一种最优计算算法来完成最优量的计算。当计算出的最优量同实际路径发生冲突时,算法无法快速给出当下最优路径解决方案,严重影响物流配送时效。因此,提出电子商务环境下舰船供应链物流配送最优路径规划方法。根据舰船配送货物特征,通过迪杰斯特拉算法对货物配送路径进行多路径规划模型建立,使其模型中的路径能够符合全局配送过程的需要;通过实时优化蚁群算法对模型中的规划路径进行实时最优计算,保证舰船任意状态下的航行路径均为最优路径。对传统路径规划方法所规划的路径与提出方法所规划的路径进行最优路径的二次规划测试,通过二次最优规划所用时间,证明提出方法在路径实时最优规划上优于传统路径规划方法。     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。     

云环境下舰船周期性任务容错调度算法研究

舰船周期性任务的容错调度对保证船舶安全航行,避免发生碰撞事故具有重要作用,因此针对舰船周期性任务容错调度问题进行研究,在求解环节对传统容错调度算法进行改进优化,以期提高可靠性和实时性。任务容错调度算法设计需要经历2个阶段:第一阶段,构建舰船周期性任务容错调度模型;第二阶段,将遗传算法与蚁群算法相结合,完成模型2次求解,先使用遗传算法,得到初步容错调度可行方案,后使用蚁群算法,完成模型精确求解,有效实现舰船周期性任务的容错调度。结果表明:与单一遗传算法与蚁群算法相比,本算法可靠性降低幅度低(1.89%),说明可靠性更好;100个任务的完成所需时间最少,仅花费11.5 s,证明其实时性更佳。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法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,设计了切割算予和插点算子.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,其原型系统可应用于非结构化无人环境监测.     

蚁群算法在舰船调度系统中的应用

传统的舰船调度系统多数基于遗传算法,存在大量无用的迭代计算,影响系统运行效率。为此,提出蚁群算法在舰船调度系统中的应用。构建基于Agent的双层调度体系,充分发挥分布式计算、多任务并行处理的特点。在此基础上,利用蚁群算法确定舰船初始位置,初始化舰船信息素,根据全局搜索和局部搜索2种情况,通过迭代计算得到舰船调度最优解,将最优解反馈至系统的调度层,实现舰船调度。测试结果表明,在相同的测试条件下,设计的应用蚁群算法的舰船调度系统的迭代计算次数明显少于传统的调度系统。     

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。     

基于蚁群算法的航线自动生成方法

利用基本蚁群算法自动生成航线,在搜索的过程中容易陷入局部最优、搜索时间长等问题,引入Adadelta算法,增加了蚁群算法的随机性,改变了信息素的更新规划,将信息素挥发系数进行自适应调整,从而极大改善了蚁群算法的性能。仿真试验结果显示,本文方法比对比方法的搜索能力更强,效率更高,得到的航线不仅有效避开了海上障碍物与禁航区,而且距离更短,是一种有效的航线自动生成算法。