基于改进人工蜂群算法的HOV三维路径规划

载人潜水器的三维全局路径规划研究对其智能化水平的提高有着重要作用。以“奋斗者”号载人潜水器为研究对象,首先建立三维真实海底地形模型和海流模型;其次,综合考虑路径长度、地形代价和能量消耗代价等目标,建立路径规划的代价函数。最后,使用改进人工蜂群算法对该路径规划问题进行求解,并分别与基本人工蜂群算法、遗传算法和粒子群算法进行比较。仿真结果表明,改进后的人工蜂群算法可以不断跳出局部最优,为载人潜水器高效地规划出满足性能要求的航行路径。     

基于改进人工蜂群进化算法的移动机器人路径规划与仿真分析

针对经典人工蜂群算法在机器人路径规划中易于陷入局部极值,且寻优过程收敛速度较慢等问题,提出了一种基于约束优化的改进人工蜂群算法.通过设计变异算子来增大极值在陷入局部最优时的跳出概率,提高机器人路径规划的收敛能力.在机器人路径规划上,对文中方法、遗传算法、A*算法以及经典人工蜂群算法进行性能评估.实验结果表明,文中方法能有效避免路径规划中的局部极值,减少机器人路径规划时间损耗,提高了路径规划效率.     

基于人工蜂群算法的船舶航速优化

航速优化是船舶智能能效管理的主要组成部分,对降低船舶营运成本、减少温室气体排放具有重要意义。为减少船舶航行时的主机燃油消耗,根据实船数据首先构建了主机油耗模型,模型的平均误差仅为0.813%,然后对整个航程进行分段,基于人工蜂群算法对整个航程的航速进行优化。经过验证可得结论：优化后的航速对应的整个航程航行时间减少了14.44%,油耗量降低了3.012%。研究结果表明,使用人工蜂群算法对航速进行优化,能够对航速提出建议,达到提高船舶能效水平,提高经济性、环保性的目标。     

基于协同差分进化算法的船舶分支管路布局优化设计

分支管路是船舶管路系统中最常见和最重要的管路形式。基于协同进化算法和差分进化算法,提出了一种船舶分支管路的新型优化设计方法,并通过3组仿真算例验证了所提优化方法的有效性和实用性。与现有的船舶分支管路设计方法相比,所提优化方法不依赖于网格空间,节省了预处理计算时间和内存;此外,所提优化方法能够对分支管路的每条分支进行并行优化设计,具有较强的全局搜索能力。研究内容对船舶管路智能化设计具有一定意义。     

基于约束RRT算法的船舶管路自动布置技术

船舶管路布置的路径受到工艺、规范、美观和习惯等多个约束,且管路布置是多解问题,路径选择具有一定的随机性.为此,提出基于多个约束的快速扩展随机树(RRT)算法,并应用于船舶管路布置.首先,对RRT算法增加随机采样点概率、随机采样点位置、路径点位置和特定路径探索方式约束优化,减少算法随机性和提高算法鲁棒性;其次,从管路与障碍物的距离、管路初始路径点数量、管路长度和管路方向进行约束优化;最终,在三维平台上实现船舶管路的自动布置应用,并取得良好效果.     

基于协同进化的舰船分支管路系统路径优化研究

提出基于协同进化方法的舰船船舶分支管路系统三维空间布局的优化方法,突破了先前分支管路布局优化研究中必须首先确定管路敷设顺序和分支点位置的思想,将分支管路系统分解为多个单独的管路,每个单独的管路代表一个种群,种群间相互影响适应度的评价以使分支管路系统布局达到最优.仿真算例证明该方法的可行性和有效性.     

基于人工蜂群算法的船舶动力定位自抗扰控制器设计

针对船舶动力定位自抗扰控制器(ADRC)参数较多且人工不易调整的问题,通过建立以船舶纵荡、横荡和艏向角三个方向ADRC响应的时间误差积分和最小的目标函数,采用人工蜂群算法(ABC)中采蜜蜂和跟随蜂的选择机制与邻域搜索,优化整定出船舶动力定位ADRC控制器参数。ABC优化的方法避免了工程技术人员繁琐的试凑工作。此外,仿真结果表明,相比试凑法得出的参数而言,经过ABC优化整定的参数具有更快的响应速度,对船模参数变化具有更强的鲁棒性和适应性。     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

基于改进蚁群的智能船舶全局路径规划方法

船舶路径规划是指在特定的海洋环境下,按照一定的寻优策略,给定出发点和目标点,完成船舶航行所需求的航线规划。本文依据改进的蚁群算法进行智能船舶路径规划,基于对障碍物膨化处理后的栅格地图,针对经典蚁群算法局部最优问题,加入了状态自适应调整,信息素自适应更新和拐角处理策略,在提高算法收敛速度的同时保证了所得路径的平滑性及安全性,实现了智能船舶的安全、经济航线规划。     

基于改进人工势场算法的AUV路径规划

针对传统人工势场算法运用于AUV路径规划时存在易死锁、实时性差、结果欠优等问题,提出一种改进型人工势场算法.在障碍物周围新增滑移区以替换原有斥力场的作用效果,同时构建相应的滑移准则以实现对AUV的滑移运动控制,具体包括滑移区判别、滑移参数选择和滑移方向判别准则.最后,在MATLAB中进行仿真实验.在静态环境下,分别利用...     

基于混沌蜂群算法的USV路径规划

针对多障碍物环境下,传统智能算法容易过早收敛、搜索精准度差等问题,为提高路径规划准确性,获得最佳路径,避免碰撞发生,提出一种基于人工蜂群算法的水上无人艇路径规划方法。通过栅格法建模,以无人艇目的地为蜜源,在蜂群信息交换阶段,采用混沌序列产生初始化雇佣蜂,跳出局部最优。与传统人工蜂群算法进行对比,仿真结果表明,混沌蜂群算法在路径优化方面更能找到全局最优路径。     

基于蜂群算法的船舶压载水调配优化分析

重型起吊船舶作业过程中会引起船舶倾斜,压载水系统通过调节全船压载舱舱室压载水的注入、排出或调驳确保船舶稳定性。基于船舶静力学和蜂群算法建立了船舶压载水调配优化数学模型,以船体的稳定性为约束条件,压载水总调配量为目标函数进行优化研究,通过对目标案例进行解算分析,该优化方案极大的降低了压载水的调配量,提高了压载水调配效率,该算法通用性强可为船舶自动化压载系统研制提供理论支持,在保证船舶压载安全性和稳定性的前提下实现船舶压载自动化。     

混合人工蜂群算法在船舶通信网络优化中的应用

混合人工蜂群算法是一种基于仿生学的智能算法,该算法通过模拟蜂群中的分工行为进行局部寻优,能够实现优化问题的快速收敛。船舶无线通信网络由网络节点、网络链路、船舶终端等构成,通信网络的性能关系到船舶导航、AIS系统运行等。本文结合混合人工蜂群算法,进行船舶无线通信网络的覆盖率提升等优化研究,有助于改善当前船舶无线通信网络的性能。     

基于人工蜂群算法的油船舯剖面优化设计

人工蜂群算法(ABC)是模仿蜜蜂行为提出的一种优化方法,通过各人工蜂个体的局部寻优行为,最终在群体中使全局最优值凸显出来,有着较快的收敛速度[1]。本文基于HCSR规范,以中剖面净面积最小为优化目标,以区域纵骨间距个数、板厚、型材尺寸、板缝位置为设计变量,采用ABC算法,建立了适用于油船的中剖面优化设计模型。以一艘32000DWT油船为例,对其进行了优化设计,优化结果验证了人工蜂群算法用于船舶中剖面结构优化的可行性和高效性。     

基于改进的教与学优化算法的船舶实时路径规划

利用局部逃逸策略（Local Escaping Operator, LEO）对原始教与学优化算法（Teaching Learning Based Optimization, TLBO）的部分解进行替换,使其快速跳出局部最优,提出一种改进的教与学优化算法（Local Escaping Teaching Learning Based Optimization, LETLBO）,并将其应用于船舶实时路径规划中。在船舶实时路径规划仿真试验中,利用概率图搭建搜索地图,利用高概率区域模拟目标所在区域,并采用贝叶斯定理设计一个概率函数作为目标函数。同时,为更好地实现实时路径规划,提出以个体为单位,利用在个体探索时高概率区域同时移动的方式模拟船舶在搜索时目标同时移动的情况,成功模拟船舶实时路径规划,保证试验的有效性。通过船舶实时路径规划仿真试验测试2种模拟情况下LETLBO与原算法及其他多种经典算法的性能,结果发现LETLBO在2个情景中找到目标的概率相比原算法分别提升41.88%和43.38%,运算时间分别减少0.978 9 s和0.375 2 s,且综合性能更优,说明改进的算法具有更好的探索寻优能...     

基于改进蚁群算法的船舶路径规划及跟踪控制

针对船舶自动化研究领域中的路径规划和路径跟踪2个问题,提出一种基于改进蚁群算法的船舶路径规划方法。为了更好解决传统蚁群算法存在的问题,使用人工势场法改进蚁群算法信息素更新策略,统筹船舶路径规划与船舶路径跟踪控制问题,通过引入神经网络对船舶动力学子系统的未知不确定项进行逼近,设计一种基于径向基神经网络算法的滑模控制器,仿真实验验证了本文所提出算法的有效性。     

人机合作多蚁群协同进化算法的潜艇管路布局

本文针对潜艇多管路布局空间结构,运用协同进化的思想,结合人机合作思想,提出了基于人机合作的多蚁群协同进化算法的潜艇管路智能布局方法;该算法潜艇的每一条管路对应一个蚁群,一方面采用基于顺序蚁群优化算法的布局,一方面采用人机合作的多蚁群协同进化方法对选取的系统模型进行布局优化以使多管路布局达到最优;该算法既不必考虑布局顺序,又避免了增加管路布局数量时组合爆炸现象的发生,从整体优化管路布局;在测试模型上的验证结果验证了该算法的可行性和有效性。