基于ASAE深度学习预测海洋气象对船舶航速的影响

为了有效地预测海洋气象对船舶航速的影响, 在稀疏自编码(SAE) 网络模型的基础上提出交替稀疏自编码(ASAE) 网络模型; 构建了海洋气象对船舶航速影响的预测框架, 利用关联规则方法对航行数据进行特征选择, 挖掘了船速影响因素及其隐含关系; 整合了中国远洋海运集团有限公司提供的船舶航行数据以及美国国家海洋和大气管理局提供的气象数据, 用训练样本对ASAE网络模型进行训练, 用测试样本对ASAE网络模型进行验证, 并与支持向量回归(SVR) 模型、反向传播神经网络(BPNN) 模型、深度信念网络(DBN) 模型及SAE网络模型的预测结果进行了对比。研究结果表明: ASAE网络模型的训练时间和海洋气象对船舶航速影响预测值的均方根误差分别为8.2s和0.287 3kn, 与SVR模型、BPNN模型、DBN模型及SAE网络模型相比, 训练时间分别缩短了1 683.1、66.9、2.0、1.5s, 预测准确度分别提高了0.045 5、0.296 9、0.153 4、0.178 6kn; ASAE网络模型的预测结果更符合实际海况, 可动态掌握海洋气象对船舶航速的影响; 通过预测的航速影响值来推算实际航速可为气象导航优化船舶运输过程起到辅助作用, 在进行航线规划、航速推荐等航行优化策略时能准确考虑海洋气象所产生的复杂影响, 从而改善船舶运营能效指标, 实现节能、低碳、绿色航行的宗旨。      

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

基于水域精细划分的VTS雷达站选址配置优化

为了提高水上安全监管效率和保障水上运输安全生产, 以船舶交通管理系统(VTS)雷达站为研究对象, 研究了基于水域精细划分的VTS雷达站选址优化问题; 考虑实际环境中遮挡因素和水域风险因素对雷达监测效果的影响, 基于软件ArcGIS 10.4.1提出了水域精细划分方法; 以雷达站建站位置和雷达配置类型为决策变量, 以水域覆盖率最大和总成本最小为目标函数, 构建了混合整数规划模型; 基于模型特点设计了多目标粒子群算法, 给出了生成初始粒子群的启发式规则, 并在算法中引入有效的变异操作; 为了验证方法的有效性, 以ZDT系列测试函数对算法搜寻最优解的性能以及算法的收敛性进行了研究。研究结果表明: 水域精细划分方法能够在考虑遮挡因素和风险因素的情况下实现对水域的空间划分, 实例中在存在62个雷达站候选点的情况下将雷达站所需监测水域划分为2 812个水域单元; 改进的粒子群算法在ZDT测试函数中能够有效地寻找全局最优解, 并且在最优解的分布上具有良好的收敛性和分布性; 针对实例中的VTS雷达站选址项目模型达到了95.92%的覆盖率, 成本为33 800元。可见, 考虑环境遮挡和水域风险因素的VTS雷达站选址模型是有效的, 改进的多目标粒子群算法可以提高VTS雷达站选址的科学性和合理性, 是解决VTS雷达站选址优化问题的一种有效方法。      

基于贪心策略下混合蚁群算法的无人机航迹规划

针对复杂环境下无人机航迹规划中航行误差的校正问题,提出一种改进的蚁群算法.该算法在蚁群算法的基础上,首先将粒子群算法中的适应度作为启发值引入信息素更新中,改进了原始的信息素更新模型;其次使用贪心策略在选择校正点时进行剪枝运算,优化了算法的选择策略;最后使用A*算法替代原始算法的随机初始化,修改了信息素的更新方式,优化了生成路径的质量.对规划路径,使用Dubins曲线对航迹进行光滑,光滑后航迹既能满足航迹约束,也能满足飞行器的性能约束.研究结果表明:在参数设置上,当蚁群数量较大时,设置较小的启发值常数能获得更好的结果;对贪心蚁群算法使用A*算法进行初始化,能有效加速蚁群算法收敛速度,提高解的质量,实验显示改进后航迹长度减少了约6％,时间减少了约25％.     

基于最优路径分析的线路初始平面自动生成方法

为使铁路线路初始平面更经济合理并满足设计规范,提出了基于栅格数据最优路径分析及知识推理生成线路初始平面的自动生成方法.通过采用16单元的骑士邻域模式,在桥梁和隧道施工费用中考虑线路坡度的影响,以及在与线路长度相关的施工费用中考虑速度目标值,改进了Dijkstra算法.利用改进的Dijkstra算法在多个指定控制点之间生成最优路径.通过二分渐进和平面曲线自动配置,将矢量化的最优路径转换为满足设计规范的初始平面.在基于GIS的铁路选线系统智能环境中的应用表明,采用本文方法能生成令人满意的初始方案,与常规方法相比,对局部方案可节约90%以上的线路平面设计时间.     

多箱型内河集装箱船舶配载决策研究

内河集装箱运输具有其独特性,船舶配载时更强调船舶舱容利用率.考虑特殊箱型影响,以最小化堆栈占用数量为目标,构建内河集装箱船舶配载决策的整数规划模型.为实现快速寻优,设计包含构造部分和优化部分的启发式算法求解.算法中,构造部分基于启发式规则快速构造初始解,优化部分基于邻域搜索策略实现初始解优化.算例研究表明,模型可实现内河集装箱船舶配载决策问题的有效求解,但随着算例规模增加所需求解时间大幅增加.与模型精确求解相比,启发式算法在求解时间方面表现要远优于模型,可在0.25 s内实现所有算例的高效求解,为内河集装箱船舶实际配载决策提供一定参考.     

求解不确定车辆数车辆调度问题的混合算法

针对不确定车辆数的车辆调度问题,建立了使用配送车辆数最少和总行驶距离最短的双目标数学规划模型.在分层序列法思想的框架内,提出一种分两阶段求解的混合算法.基于改进的粒子群算法进行车辆的分配,获得完成任务集所使用的最少车辆数,把粒子群的优化方案转化为禁忌算法的初始解进行路径的优化,以使车队完成给定的配送任务集所花费的成本最少.通过实例求解结果对算法进行了总结分析.     

基于几何尺寸的车辆自主导航路径规划算法

路径规划是车辆自主导航的一项关键技术，它的品质关系到整个自主导航系统的性能。为此，本文提出了一个在目标和障碍物都是动态的情况下快速产生行驶轨线的局部路径规划算法。该算法利用对象的几何尺寸建立环境模型，从而可以利用算术表达式快速计算出从起始点避开障碍物顺利到达目标点的行驶路线。此方法考虑了移动对象邻近周围障碍物的分布信息，提高了局部路径规划的可靠性。通过在程序上实验，表明该方法能够获得较为满意的效果。该方法的特点是计算速度快、实时性强。另外，本文提出对象轮廓的特征提取将对整个行驶过程中的航向调整有着直接的影响，这一点也将是本文未来算法的一个改进点。