基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

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。     

云计算在冷链物流配送船优化方法中的研究

随着生活水平的提高和电子商务的发展,产品的运输不再局限于传统的物品,冷冻和海鲜等产品的运输也变得极为普遍,研究冷链物流配送的路径优化问题,是为了提高运输的实时性,增强物流配送企业的经济效益。本文在云计算的基础上,整合配送中心和目的地之间的各种资源,形成完整的配送链,并且利用粒子群优化算法对路径优化函数进行优化,从而得到最佳的配送路线。     

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.     

基于改进蚁群算法的物流配送路径优化问题研究

物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段.而进行物流配送系统的优化,主要就是配送路径的选择.虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决.本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证.     

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。     

船舶智能巡检机器人移动路径的自动控制与优化

传统机器人移动路径控制优化方法,其规划路径迭代次数较少,局部采样间隔较长,导致局部路径与规划路径存在偏差,且对巡检目标点定位不准确。为此,提出船舶智能巡检机器人移动路径的自动控制与优化方法。网格划分舰船环境信息,获取起始点至目标点的所有无碰路径,通过遗传算法,搜索出最优全局路径,检测全局最优路径环境信息,构造一个人工势场函数,判定机器人所受合力的方向和大小,在全局路径中局部控制机器人行进,再计算新位置势能,直至机器人到达目标点。进行对比实验,结果表明,此次设计方法相比传统方法,规划路径行进偏差减小了0.069 m,对目标点的定位偏差减小了5.39 cm,机器人自动控制更加精确。     

双层规划视角下远距离运输配送路径优化选取系统设计

针对传统冷链物流配送船舶路径优化选取系统存在选取的路径可行性不足的问题,提出基于双层规划的冷链物流配送船舶路径优化选取系统设计。首先架设双层资源计算平台,通过多服务机组云端交互的方式,完成硬件平台的架设;接着,引入双层规划资源算法,对船舶航行相关航线数据进行全局分析,得到均衡要素分析下的可选取路径的合集;最后,通过引入遗传碰撞择优算法,对合集内的路径进行最优值碰撞计算,从得到最优路径完成选取;通过仿真实验,对设计系统的准确性与稳定性进行实验证明,通过对比数据证明所设计的系统满足设计要求。     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

基于免疫机制的改进粒子群优化算法研究

针对粒子群优化(PSO)算法容易陷入局部极值的不足,引入免疫机制对PSO算法进行优化,实现全局搜索。通过免疫机制的应用,根据亲和度的高低进行粒子克隆、选择、淘汰和高频变异,增强了算法全局搜索的能力,提高了收敛速度和精度。实验表明,改进后的算法完成全局搜索所需的迭代次数明显少于PSO算法,具有优良的自适应调整性能。     

直达配送式保障路径优化问题研究

对配送式保障中装卸混合和任务组合的路径优化问题,文章建立了考虑实际载重量的动态费用计算模型,在运用基本蚁群算法的基础上,改变了常用的以地点为基础的编码方式,取之以具体作业作为编码基础,既简化了这类复杂路径问题的算法设计,也便于算法的编程实现,并在局部作业路径搜索时根据问题特点设计了相应的启发式算法,并通过编程运行实验,证明了该算法的有效性。     

基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点，使算法具有较好的全局收敛性，将粒子群优化算法应用于入侵检测，给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验，验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真，实验结果表明，该算法在入侵检测中能获得理想的检测率和误检率．     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

基于粒子群优化算法的海上电子工程资源调度设计

传统的海上电子工程资源调度方法在数据安全性极高的情况下,资源调度受到限制,其实用性需要进一步提高。为此,提出粒子群优化算法的海上电子工程资源调度设计。根据用户请求将资源转化为资源池,结合实际资源的各项属性设计资源模型,在资源模型上,将资源看作独立的粒子,初始化粒子群,优化加速因子和学习因子,执行粒子群优化算法,输出结果,即为资源调度结果。实验结果表明:设计的粒子群优化算法的海上电子工程资源调度方法任务并发数高、最大资源利用率高,该方法的实用性得到加强。     

海上多目标船物联网智能避碰辅助决策研究

船舶在海上航行的过程中,多船相遇会有不同的情况。本文将基于模拟退火的粒子群优化算法应用于海上多目标船舶智能避碰辅助决策中,建立船舶转向避碰幅度目标函数模型。最后利用仿真实验说明本文算法提高了全局的收敛速度、稳定性和通用性。     

人工鱼群算法的紧急情况下船舶物流配送系统

为降低紧急情况下船舶物流配送成本,设计了一个基于人工鱼群算法的紧急情况下船舶物流配送系统。该系统的硬件包括了单片机、无线通信模块、电源模块,在软件部分,利用人工鱼群算法对配送路径进行了规划,以此完成基于人工鱼群算法的紧急情况下船舶物流配送系统设计。实验结果表明,此次研究的配送系统不仅降低了船舶物流配送成本,还提高了船舶物流配送路径的规划速度,满足设计需求。     

基于"stretching"技术的粒子群优化算法

粒子群优化算法是一种随机的全局优化搜索方法。本文系统的介绍了粒子群优化算法和"Stretching"技术并提出了基于"stretching"技术的粒子群算法,然后用标准测试函数对新算法进行了实验。实验结果表明新算法在解的收敛性和稳定性等方面优于基本的粒子群优化算法。     

一种混合优化的全局路径规划算法

针对全局路径规划研究中遗传算法存在搜索范围广而导致收敛速度慢的问题,本文提出一种混合优化的全局路径规划方法,完成对图像读取、处理后使用A*算法预处理缩小可行区域从而提高收敛速度。所提出的混合优化规划方法主要优化遗传算法的初始种群,在不影响最终路线的情况下,缩小初始种群的搜索范围,提高算法进行全局路径规划的速度,快速有效的规划出全局路线。另外本文给出一种评价体系对规划结果进行定量的避障评价,评价结果能够以数值形式对规划结果进行综合评价,评价结果显示通过混合优化算法规划出的路径具有更佳的安全性。