集装箱船自适应舱群配载优化算法

传统船舶舱群配载算法在集装箱分布排列最优计算过程中,忽略了空间分布的约束条件,导致计算结构的适应值非最优值,降低了船舶空间使用率,增加了船舶运输成本的投入。因此,提出集装箱船舶自适应舱群配载优化算法研究。通过建立船舶舱群配载约束条件模型、配载分布数据模型与自适应优化模型,完成对集装箱船舶舱群配载过程中集装箱分布适应量的约束优化,通过对分布适应函数量的条件约束,获得分布最优量,完成优化计算。通过仿真对比实验表明,提出的集装箱船舶自适应舱群配载优化算法,在集装箱舱群配载仿真测试中的配载量大于传统算法的配载量,提出优化算法效果明显,符合实际要求。     

船舶自动航行中的多目标遗传算法应用

船舶自动航行是未来航海领域重要的关键技术,算法通过对船舶航行目标及安全水域的分析,自动的寻找船舶航行最佳路径,属于路径规划研究一类。标准遗传算法通过对遗传物质基因的继承和映射,来寻找自然进化过程中的最优解,也是解决路径规划类问题的重要方法,但是其最优解往往会陷入局部最优,需要进行优化。本文研究海上自动航行中的路径匹配模型,利用多目标遗传算法给出船舶路径规划图解决方法,并对算法进行仿真。     

基于遗传算法的建筑结构优化设计方法研究

针对传统遗传算法存在容易过早收敛、寻优效率较低、精度不高等缺点,从适应度值函数标定和群体多样化两方面对传统遗传算法进行了改进,避免了传统遗传算法过早陷入局部最优解,拓宽了寻优空间;将改进的遗传算法应用于建筑结构优化设计中,通过建立以质量最小为目标的优化数学模型,解决具有应力约束和截面尺寸约束的离散变量结构优化问题,并对改进型遗传算法进行优化设计结果比较;结果表明,改进型遗传算法演化代数低于标准遗传算法,收敛性能明显更佳,提高了遗传算法在结构优化应用方面的计算速度和优化效果.     

基于遗传算法的装船顺序整数规划问题求解

针对原有装船顺序整数规划求解算法所求得的最优解精度较低的问题,设计遗传算法的装船顺序整数规划求解算法。根据遗传算法演变规则设定整体算法求解流程;依照流程中的硬约束条件要求采用船舶重心与装船翻箱率结合的形式,设计装船规则;根据装船规则内容,采用翻箱率与船舶重心目标函数组成整数规划模型并进行求解。至此,遗传算的装船顺序问题整数规划求解算法完成。构建对比试验,与原有算法相比,此算法最优适度曲线与准确计算结果相近,原有方法与计算结果误差较大。因而,此算法求解精度更高,此算法更有效。     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

电力监控系统中自适应模糊聚类算法的应用

船舶电力监控系统对于船舶的航行非常重要。本文针对C均值模糊聚类局部最优解的情况,从遗传和进化的角度出发,利用遗传算法对其改进,提出基于遗传算法的自适应模糊聚类算法,并将其应用于船舶电力负载监控中,最后通过实验对比说明本文改进算法的有效性。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

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。     

基于非群体迭代遗传算法的码头布局仿真优化

针对码头布局优化问题,运用错位交叉遗传算子对非群体迭代遗传算法进行了改进,克服了遗传算法易于陷入局部最优解的缺陷,同时使遗传算法的性能得到了改善,加快了算法的优化速度。建立了集装箱码头布局方案仿真优化的框架模型,运用改进的算法寻优,通过对布局方案仿真优化的实例分析,结果表明该方法是可行的且效果较好。     

结合免疫算法的船舶运输路径优化方法研究

为选取出港口船舶运输的最优路径,相关研究者将近几年兴起的智能算法,如禁忌搜索算法、遗传算法应用其中,但是这些算法均视最短路径为最佳路径,未从多个角度进行选取,导致选取出的路径虽然最短,但安全性较低、成本相对较高,整体运输路线质量不高。针对上述问题,研究一种基于免疫算法的船舶运输路径优化方法。该方法先需要对船舶运输路径优化问题进行描述,从多个角度进行约束,后利用免疫算法求取路径优化问题的最优解,完成最优路径搜索。结果表明,与基于禁忌搜索算法、遗传算法的港口船舶运输路径优化方法相比,本算法运行下,选取出的路径距离虽然并不是最短的,但是在时间、安全性以及成本方面均最佳,因此通过综合评估得出本方法选出的运输路径最优,证明了本方法的性能。     

船舶用电站柴油机调速系统模糊控制算法

传统船舶调速系统的控制算法存在时变性不可控、执行精度差等弊端。为解决上述问题,设计新型船舶用电站柴油机调速系统的模糊控制算法。通过工作状态分析、阻感定量辨别2个步骤,完成船舶用电站柴油机的电感参数计算。在此基础上,通过调速姿态微分方程的建立、微分结果模糊估计、控制流程完善3个步骤,实现新型调速系统模糊控制算法的搭建。对比实验结果表明,与传统控制算法相比,新型船舶用电站柴油机调速系统模糊控制算法的时变可控性明显增强,执行精度最大值可达到85%。     

基于CAD/CAM的舰船螺旋桨精度控制技术研究

为解决船舶螺旋桨内部角动量不平衡、精准解耦能力较弱等问题,提出基于CAD/CAM的船舶螺旋桨精度控制方法。通过控制轴系确定、定点坐标变换2个步骤,完成船舶螺旋桨结构的CAD/CAM建模。在此基础上,通过铣削方式与加工路径分析、残余精度量计算、微小控制误差确定3个步骤,完成新型精度控制方法的搭建,实现基于CAD/CAM的船舶螺旋桨精度控制技术研究。对比实验结果表明,与传统控制方法相比,应用新型精度控制方法后,船舶螺旋桨内部角动量呈现明显的平衡状态,精准解耦能力最大值可达到70%。     

基于遗传算法规划路径的船舶避碰系统

为了更好地解决船舶避碰路径规划问题,寻找到船舶运动的最优最短的避碰路径,提出了遗传算法规划路径的船舶避碰系统,首先在遗传算法的选择、交叉和变异阶段,利用粒子群算法引入强化变异、改进交叉对象、变异淘汰机制,从而对遗传算法进行自我调整,避免遗传算法陷入局部最优,然后,将寻优得到的最优个体的位置与速度进行解码,得到最优的船舶避碰规划路径,最后进行了仿真实验。实验结果表明,本文算法不仅能够得到最优的船舶运动避碰路径,安全性高,而且整个求解所需时间最少,具有明显的优势,对于船舶运动避碰路径规划问题求解具有较好的可行性。     

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。     

基于BP网络的船舶磁性目标定位方法研究

船舶磁性目标定位是海上目标定位系统中重要的方法之一,优点是部署简单、定位精度较高;缺点是定位算法复杂度较高、计算量大,算法较易陷入局部最优解,需要进行改进。神经网络是解决目标最优问题的有效求解手段,利用各神经元权值系数调整能够计算出磁性目标定位的全局最优解。本文研究船舶磁性目标定位的算法结构,针对目标函数,设计基于BP神经网络的定位算法,最后给出基于神经网络算法仿真结果,并与传统算法进行对比。     

改进遗传算法的舰船无线网络路由算法

针对原有舰船无线网络路由算法在使用后造成无线网络耗能较大的问题,引用改进遗传算法,设计基于改进遗传算法的舰船无线网络路由算法。设定舰船网络模型,获取网络中的链路重叠与干扰情况,计算无线网络信道分配数值。以上述计算结果为基础,引用改进遗传算法,设定无线网络的运行空间,根据遗传算法中的染色体计算技术,获取路由路径与数量的最优解。构建算法测试环节,通过与原有算法对比可知,此算法在使用后舰船无线网络的耗能低于原有算法。     

求解多峰性函数全局最优解的进化算法及其应用研究

本又针对简单遗传算法（SGA）在解决多峰性函数最优化问题存在的不足，提出了一种分配区间型进化算法，能够求出多峰性函数所有全局最优解及多个局部最优解。通过十几个多峰性函数与工程实例的数值实验，验证了算法的正确性。对简易海洋平台进行了疲劳可靠性优化设计为算例，取得了满意的结果。     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。     

基于多目标优化遗传算法的武器-目标分配

针对武器‐目标火力分配问题,建立了基于效能最大和用弹量最少的多目标优化模型。基于 Pareto集非劣分层思想对遗传算法进行改进,利用非劣分层遗传算法处理武器‐目标分配多目标优化问题。非劣分层遗传算法通过对种群内的所有个体的多个目标函数进行非劣分层排序来度量个体的适应能力,通过遗传算法实现多样性进化操作,能够获取Pareto最优解集,以供决策者参考。仿真试验表明：该方法能够获得满意的分配结果,方便快捷地解决多平台多类型武器‐目标分配问题。     

基于服务损失函数的集装箱码头泊位—岸桥联合调度优化

面对不确定环境、多样性和差异化服务需求,集装箱码头亟需改进和优化调度方法,提高码头作业效率和客户满意度。针对集装箱码头泊位与岸桥的资源分配问题,通过添加缓冲时间来吸收不确定因素对调度计划产生的影响,引入多元服务质量损失函数建立以偏离最优靠泊位置、岸桥移动损失及在港时间损失为目标的优化模型,利用改进的遗传算法对模型进行求解,并通过试验算例证明了模型及算法的有效性。