多目标遗传算法在船舶操纵性优化设计中的应用

以水面船舶为研究对象,根据操纵性衡准建立了船舶操纵性能的多目标优化模型.基于经验公式和多目标遗传算法,讨论了船舶在概念设计阶段操纵性优化的求解,给出了一个50000吨级散装货船的数值算例.     

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。     

多目标遗传算法在水面船舶快速性优化设计中的应用

在船舶设计中,船、机、桨的匹配问题一直是设计人员最关注的问题之一.快速性良好的船舶应使得船、主机和螺旋桨之间的性能综合匹配.通过采用改进的非支配解排序的多目标遗传算法,讨论了船舶概念设计阶段快速性优化问题.以推进系统综合效率和排水量为优化目标,考虑了混合变量的多目标优化问题.文中给出了载重量为35000t油船的快速性优化设计例子.结果表明,多目标遗传算法能够快捷搜索到全局最优解.     

遗传算法在港口船舶调度领域中的应用

以港口企业的研究实践为出发点,从港口船舶调度的优化目标和影响港口船舶调度的因素两方面入手,借助多目标优化和遗传算法在各自算法上的优势,针对港口船舶调度的特殊性要求,将两种算法进行动态融合,并结合实际业务数据进行了模型的构建和求解。     

随机梯度遗传算法在船舶尾流目标识别中的应用

通过识别船舶尾流可以有效地反映出船舶的自身参数,从而能帮助海军航空兵的侦察工作。随机梯度遗传算法是在传统的遗传算法的基础上,融合了局部搜索,这样更有利于种群的收敛性。本文将此算法应用于船舶尾流识别,通过最后的实验结果可以看出,随着迭代次数的增大,不同航速下的船舶尾流目标识别率会增大,但是并不是匀速的增大。     

蚁群和粒子群优化融合算法在船舶网络资源调度中的应用

在互联网技术高速发展的今天,网络互联技术已经被广泛应用在船舶的自动化控制领域,通过集中化的网络资源管理,船员可以有效地对船舶上的电力系统、导航系统和通信系统进行资源调度,从而达到最优化的水平。本文从船舶的实际控制需求出发,结合最新的人工智能技术——蚁群和粒子优化融合技术,对船舶网络资源进行数学模型的构建。并结合粒子群优化融合算法对蚁群网络的空间布局进行优化,从而使船舶的网络资源在动态调整中达到平衡。仿真结果表明,经过蚁群和粒子群融合算法优化过的船舶网络资源调度效率更高,具有很好的实际应用前景。     

多目标模糊优化在船舶结构设计中的应用

船舶的结构设计过程需要分析和处理大量的不确定性因素,比如结构尺寸、载荷、强度和配合公差等参数,是一个典型的多目标优化过程。为了提高船舶结构的质量,对大量不确定性因素进行优化求解具有重要的意义。本文根据船舶结构设计过程的不确定因素,建立多目标模糊优化函数模型,并采用多目标分层序列法和权重分配法对具有重要性差异层次的目标函数进行判定,找到船舶结构设计参数的最优解。     

多目标模糊优化在船舶结构设计中的应用

船舶结构设计的科学性决定了其强度、刚度等机械特性,也决定了船舶的航运能力。传统的船舶结构设计往往无法对非确定性因素(比如变化载荷、鲁棒性等)进行全面的考虑,一旦初始设计变量出现小幅度变化,设计结构的可行解就有可能成为非可行解或者偏离解。本文针对船舶结构设计出现的多变量、多目标问题,结合多目标模糊优化算法和有限元分析等技术,提出一种船舶结构设计的多目标优化方法。     

多智能体遗传算法在船舶电力网络重构中的应用

船舶电力系统故障恢复的网络重构问题可以抽象成为一个多目标、多约束、多时段、离散化的非线性规划最优问题.根据船舶电力系统特点,结合多Agent在电力系统的应用,提出了一种基于进化遗传算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的含有节点—支路的馈线拓扑模型和目标供电最优的数学模型.在遗传算法快速寻优能力的基础上,结合进化算法的方向性和反馈性,得出多Agent船舶电力系统网络重构的全局最优解,实现网络重构供电最优,并通过相应的算例与普通遗传算法比较分析,验证了其良好的可行性.     

基于改进多目标遗传算法的船闸调度方法

针对目前我国内河航运船闸调度采用手工编制调度计划方式速度慢、调度水平低、缺乏科学性的现状,通过对单闸多目标调度问题进行建模,并基于改进的SPEA设计了模型求解算法,对船闸调度系统进行优化,为提高船闸通航能力提供了技术支持。     

云计算环境下的船舶网络资源调度系统

船舶网络资源有限,提高船舶网络资源利用率具有重要的意义,针对当前船舶网络资源调度系统的负载严重不平衡,船舶网络资源利用率等难题,设计了云计算环境下的船舶网络资源调度系统。首先分析当前船舶网络资源调度系统的研究现状,指出每一种船舶网络资源调度系统的不足,然后在此基础利用云计算技术的优势,搭建云计算环境下的船舶网络资源调度系统,采用蛙跳算法对船舶网络资源调度问题进行求解,最后在CloudSim云计算平台上与传统船舶网络资源调度系统进行对比测试,本文船舶网络资源调度系统得到了较高的资源利用率,船舶网络资源调度方案更加合理,可以保证船舶网络资源负载平衡,加快了船舶网络数据处理的速度,具有广泛的应用前景。     

集装箱运输船舶调度的多目标优化模型建模

在多通道运输环境下,集装箱运输船舶调度是一个复杂的多元目标优化模型,提出一种基于自适应回归分析的集装箱运输船舶调度的多目标优化模型,采用多源信息特征重组方法进行集装箱运输船舶资源信息重构,结合自适应学习方法进行集装箱运输船舶资源的信息融合处理,采用非线性二元自回归分析方法实现集装箱运输船舶调度的控制目标函数构建,采用多目标均衡优化策略求解控制目标函数的全局最优解,实现集装箱运输船舶的最优化调度。仿真结果表明,采用该方法进行集装箱运输船舶调度的均衡性较好,提高了运输时效性。     

多目标遗传算法在电机控制系统参数整定中的应用

本文给出了一种基于多目标遗传算法的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用多目标遗传算法（NSGAⅡ）求出Pareto最优解。使用信息熵法对最优解的属性进行权值计算,根据逼近理想解的排序方法对Pareto最优解给出排序。计算了一个电机控制的数值算例,结果表明本文方法所设计的PID控制器性能优异,适合工程实际应用。     

遗传算法在船舶建模与控制中的应用

通过分析基本遗传算法存在的问题对其进行改进。利用高级遗传算法对船舶运行模型中的参数进行控制,并且对航行过程遇到的干扰噪声进行处理,最后通过仿真实验对本文设计的算法和最小二乘法进行比较,实验结果表明,即使在噪声干扰下,本文算法识别精度仍然高,并且对激励的要求限制小。     

遗传算法在集装箱码头综合调度中的应用

1 集装箱码头调度问题 扩大港口规模会增加港口的成本,降低投资回报率,也在一定程度上影响港口作业,因此一般情况下,港口通过对于港内资源的有效配置来提高港口生产效率,从而提高竞争力。     

基于多目标遗传算法的船舶修理计划优化研究

针对船舶修理工作中的计划任务分配问题,提出了基于多目标遗传算法的船舶修理计划优化的方法。将修理经费和时间作为两个追求的目标函数,采用改进的非支配解排序的多目标进化算法（NSGA II）对优化模型进行了求解,得到了任务分配的Pareto优化解。这种方法能够比通常的加权和方法得到更多的计划方案,能够给任务制订者更多的选择。文中计算了一个维修任务分配例子,并且和通常单目标优化结果进行了比较,表明了该方法的有效性和实用性。     

多目标细胞算法在船舶电力网络恢复中的应用

近年来,随着船舶自动化、电气化程度日益增强,对船舶电力网络的可靠性提出了新的挑战。船舶电力网络恢复是解决船舶电力故障的重要途径之一,当故障发生时,利用转换开关,最大程度恢复主要负载的电力供应。本文研究船舶电力网络及故障提取,建立网络恢复数学模型,利用多目标细胞算法提高网络恢复的效率。     

隔代遗传算法在船舶调度系统中的应用

我国船运的发展极大促进了船舶交通管理系统(VTS)在全国范围内的使用。VTS不仅具有单向服务功能,比如为海事机关单位提供查询和管理船只的功能,还可以为船主提供港口信息。VTS系统的关键是船舶调度功能,其直接影响港口的泊位利用率,从而决定着港口的经济效益。本文在对船舶调度进行数学建模的基础上,结合遗传算法,研究和设计高效可靠的VTS系统。     

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。