基于遗传算法的船舶导航路径规划研究

合理优化的船舶航行路径是舰桥系统中重点研究的技术之一。本文将遗传算法引入到船舶导航路径规划中,设计适当的适应度函数和遗传算子,从而保证遗传算法的鲁棒性;并且通过改进的交叉算子和变异算子能够增强种群的多样性。最后通过仿真对比实验来说明本文算法的有效性。     

基于遗传算法的船舶电子商务物流中心站优化

现有船舶电子商务物流中心站选址方法以时间路径最短为目标,存在着选址合理性参数较小的问题,为了解决上述问题,提出遗传算法的船舶电子商务物流中心站优化研究。依据船舶物流特点构建物流中心站选址模型,构建模型是一个NP-hard问题,利用遗传算法寻求全局最优解,通过编码、初始化种群、适应度评价、遗传算子操作以及遗传算法求解确定最佳船舶电子商务物流中心站的位置,实现船舶电子商务物流中心站的优化。实验结果显示:与现有代表方法相比较,本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低,表明本文方法选址合理性参数较大,具备更好的应用前景。     

基于OIPSO算法的环境最优动力定位控制器设计

环境最优动力定位控制是一种以能量消耗最少为目标的动力定位控制方法,在不需要任何环境传感器的情况下,使其保持在设定区域且消耗能量最少,节约燃料、减少有害气体的排放。首先,提出一种带有目标性初始化粒子群的改进粒子群优化算法(OIPSO),通过引入混沌算子,利用信息熵进行评估对初始化粒子种群进行调整以提高粒子群算法全局搜索能力和收敛速度,具有大范围全局寻优能力。其次,研究设计环境最优艏向控制器控制律,该控制律能满足欠驱动船舶动力定位的控制需求。最后以Cyber Ship Ⅱ动力定位模型船为对象进行仿真验证。结果表明,所提出的寻优算法和改进控制律达到了设计的目的。     

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。     

虚拟机舱管路布局算法优化设计

针对当前船舶管路布局设计主要依靠经验丰富的设计人员手动敷设完成,为提高管路自动化布局效率,提出了一种基于改进遗传算法的三维空间管路设计方法,以辅助设计者完成管路布局工作。通过在经典遗传算法的整体框架中引入免疫选择机制,增加免疫检测算子和免疫平衡算子,改进了遗传算法仅依靠适应度值选择后代个体易造成算法陷入局部最优解的不足,维护了种群多样性,提高了算法运行效率。以船舶机舱为对象建立虚拟机舱仿真环境,采用栅格法对布局空间进行划分,以十进制浮点数编码方式进行算法编码设计。MATLAB仿真结果验证了改进遗传算法在管路布局优化设计问题上的可行性和搜索效率,采用C#语言编写脚本控制程序,在Unity3D虚拟机舱环境中实现了管路路径的布局设计。     

基于改进非支配排序遗传算法Ⅱ的驳船调载方案多目标优化研究

随着货物的大型化,装船的难度和时间消耗增加,驳船各项安全参数易达到极限。为提高驳船压载效率,控制滚装作业过程中船体的总纵弯矩,以驳船最大总纵弯矩和调载时间为优化目标,以驳船与码头的高度差、纵倾角为约束条件,构建驳船调载方案的优化模型。针对该模型特点,采用NSGA-Ⅱ进行求解,并通过贪婪初始化种群改进算法,有针对性地提高算法初始种群的质量,实现算法的快速收敛。最后,以不同重量的货物滚装装船进行仿真试验。试验结果表明,采用改进NSGA-Ⅱ优化求解调载方案,可有效缩短调载时间,减小船体总纵弯矩,具有一定的工程应用价值。     

多目标进化算法在船舶设计中的应用

针对船舶概念设计阶段船型参数优化问题,根据快速性、操纵性、舱容衡准及基于经验公式建立船舶优化数学模型,采用改进的非支配解排序的多目标进化算法（NSGA-Ⅱ）,以推进系统总效率、舰船经验系数、相对回转直径及船舶造价4个参数为优化目标,选取若干设计变量,对50 000 DWT油船进行多目标优化.数值算例表明,改进的非支配解排序的多目标进化算法能够有效、客观地选择合理的船舶主尺度参数.     

基于改进NSGA-Ⅲ的内河集装箱船舶配载多目标优化

内河集装箱运输差异化特征导致船方配载决策时考虑多目标优化，为满足船舶运输经济性和适航性需求，以优化船舶堆栈占用数量、阻塞箱数量、稳性高度、横倾角值及纵倾值为目标，构建内河集装箱船舶配载多目标优化模型。为实现多目标优化问题有效求解，采用灰熵并行分析法改进第三代非支配遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅲ,NSGA-Ⅲ),将灰熵并行关联度作为适应度值引导算法进行精英选择。结果表明：改进后算法在求解性能表现上优于采用一般选择策略的算法，对算例参数设置具有较好鲁棒性，可为船方实际制定内河集装箱船舶配载计划提供一定决策支持。     

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。     

海上交通高峰航线船舶疏导路径规划仿真分析

面对海上交通高峰航线船舶疏导路径规划复杂性,研究海上交通高峰航线船舶疏导路径规划仿真分析方法,以确定最佳的船舶疏导路径。构建以航程、安全性、平滑性最小为海上交通高峰航线船舶疏导路径规划目标函数,采用栅格法仿真模拟海上交通高峰航线船舶环境,利用仿真软件实施建模,经改进遗传算法寻找海上交通高峰航线船舶疏导路径规划模型的全局最优解后,采用非性规划求解海上交通高峰航线船舶疏导路径规划模型的局部最优解,确定最佳的船舶疏导路径,实现海上交通高峰航线船舶疏导路径规划仿真。仿真结果表明,该方法针对2种场景下海上交通高峰航线船舶疏导路径具有较好的方向性,所规划最优疏导路径安全性、平滑性、航程均最小,符合海上交通高峰航线船舶疏导路径目标函数。     

基于改进混合蛙跳算法的船舶推力分配

为了提高船舶动力定位系统的定位精度,保障海上正常作业,本文提出了一种基于改进混合蛙跳算法的船舶推力分配方法.建立了以船舶的推进系统功率最小为目标函数,其中目标包括船舶推进器的功率消耗,推进器的磨损,推力的误差.约束条件包括推进器的推力和方向角正常工作大小以及其变化率的大小.针对传统的混合蛙跳算法的初始化和更新规则进行改进.将改进前后的混合蛙跳算法对船舶推力分配问题进行优化求解,仿真的结果表明改进后混合蛙跳算法能有效的降低船舶的功率消耗,并且提高了船舶动力定位系统的相关精度.     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

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.     

船舶维修备件供应调度路径优化研究

文章针对船舶维修备件供应调度成本较高的问题,提出两级保障下维修备件供应调度优化策略;为解决基地级备件供应调度路径不合理和基层级装备维修效率低的问题,引入软时间窗的概念,建立了带软时间窗的两级保障下船舶维修备件供应路径优化模型;通过设计优化算法中的算子来改善遗传算法的局限性,提高算法收敛速度,并将算法运用到问题的求解当中;运用MATLAB编程求解目标函数,并用相关案例验证了该模型的有效性,为船舶维修备件供应调度路径的规划提供参考。     

20000DWT近海散货船概念设计多学科优化

以20 000 DWT近海散货船为研究对象,分别建立以船舶造价、航速、回转性指数、应舵指数为目标的多个船舶概念设计优化数学模型。应用iSIGHT软件对这些数学模型进行集成,采用非支配解排序的多目标遗传算法(NSGA-Ⅱ)求解船舶概念设计多目标问题以获得Pareto解集。优化结果证明了NSGA-Ⅱ算法解决近海散货船优化设计问题的有效性,为解决更复杂工程系统的设计优化问题奠定了基础。     

改进遗传算法的船舶航行路径规划方法

船舶航行环境十分复杂,路径规划是保证船舶智能航行的基本技术,针对当前船舶航行路径规划方法存在搜索最优路径速度慢、得到最优路径质量差等缺陷,设计了基于改进遗传算法的船舶航行路径规划方法。首先对船舶航行路径规划原理进行分析,构建船舶航行路径规划的建模环境,然后产生船舶航行路径规划的可行解,引入改进遗传算法模拟生物进化机制对船舶航行路径规划可行解进行分析,搜索到最优的船舶航行路径规划方案,最后在Matlab 2017平台上进行了船舶航行路径规划仿真测试。改进遗传算法不仅能够在有效时间内找到最优的船舶航行路径规划方案,让船舶航行路径十分安全,能够有效避开所有障碍物,而且找到船舶航行路径规划方案的迭代次数明显减少,是有一种有效的船舶航行路径规划方法。     

遗传算法在船舶电缆布局优化设计中的应用研究

船舶电缆布局优化是实现船舶布线自动化的一项技术难题,这一问题的解决可节省大量电缆布局设计的时间和费用。建立优化模型,并对传统遗传算法中初始种群的产生方法、选择算子及变异算子进行改进,增加检测操作,从而构造求解该模型的改进遗传算法。仿真结果表明,该算法是一种具有全局寻优能力的布局优化方法,具有高效性、实用性,并可扩展于解决船舶设计中的其它优化问题。     

基于CSSOA的多船智能避碰决策研究

[目的]智能避碰决策作为船舶安全航行的关键技术之一,对智能船舶的发展具有重要意义。针对多船会遇下的智能避碰决策问题,提出一种基于高斯变异和Tent混沌的改进麻雀搜索优化算法（CSSOA）。[方法]算法采用Tent混沌映射初始化麻雀原始种群,提高其多样性,并对适应能力差和搜索停滞的麻雀个体进行混沌映射,利用高斯变异提升局部搜索能力和鲁棒性,改进方案优化启发式算法收敛速度慢和易陷入局部最优的问题。综合考虑船舶间船速比、最小会遇距离、相对距离、最小会遇时间、相对方位等因素,利用模糊隶属度函数建立船舶碰撞风险模型,并通过多船典型会遇场景进行实例验证。[结果]实验结果显示,改进算法的平均迭代次数较粒子群算法和原麻雀算法分别减少了77.97%和53.57%。[结论]改进后的麻雀优化算法能以更优的收敛速度寻到安全经济的避碰路径,为船舶驾驶员提供避碰决策参考。     

基于人工智能算法的港口物流船舶运输路径优化研究

传统的港口物流船舶运输路径优化后,船舶运输成本很高,运输时间过长。针对上述问题,引用人工智能算法研究了一种新的港口船舶运输路径优化方法,通过船舶配送和客户管理两阶段解决优化问题,通过线性优化区分港口路径组成的种群,形成若干个子种群,分析种群之间的密度,根据密度分析结果得到协同进化方案,同时使用提升操作和协同操作解决路径优化问题,利用"径—环切割"理论对客户进行分组优化,通过时间窗解决运行时间问题。设定对比实验验证方法效果,结果表明,基于人工智能算法的港口物流船舶运输路径优化方法可以有效降低运输成本,缩短运输时间。     

基于改进A~*算法的水面无人艇路径规划

本文基于传统的A~*算法理论,对算法进一步改进,提出一种改进的平滑A~*算法,并应用于水面无人艇的安全路径规划。该算法以传统的栅格建模为基础,对运动到障碍物顶角附近时进行判断并且做出圆弧转向处理,使航行体能够安全避开障碍物,使路径更加平滑安全。优化栅格建模方法,以实心表示障碍点,对同一地图不同起始点进行研究,改进折线转弯为圆弧,使路径和障碍物之间有足够的安全距离。在Matlab仿真环境进行仿真实验,结果表明,该优化算法可以明显改善无人驾驶船舶的安全性和可靠性。