船舶航线规划数学建模及求解的人工智能算法

航线规划结果优劣直接影响船舶航行的安全以及成本,而当前船舶航线规划算法存在难以获得最优规划方案的缺陷。以获得理想的船舶航线规划方案为目标,提出一种人工智能算法的船舶航线规划方法。首先分析船舶航线规划研究的进展,设计船舶航线规划的约束条件,并建立船舶航线规划的数学模型,然后采用人工智能算法中的遗传算法模拟适者生存机制对船舶航线规划的数学模型进行求解,最后进行了船舶航线规划仿真实验。结果表明,人工智能算法能够在短时间内搜索到最优的船舶航线规划方案,相同条件下,相对于其他算法,不仅可以提高找到最优船舶航线规划方案的成功率,而且搜索到的船舶航线规划方案具有十分显著的优越性。     

船舶航线规划数学建模及求解的人工智能算法

在原有的船舶航线规划数学建模求解算法的使用过程中,其对航向目标函数构建能力较差,导致航向运行成本较高。因此,设计船舶航线规划数学建模及求解的人工智能算法。在航线规划数学模型构建前,需要对路线规划问题进行描述与假设,并设定合理的目标函数。根据此目标函数,选定线性函数作为蓝本,构建约束条件过滤器,同时使用此约束条件过滤器处理结果对可行航线展开分析,得到最优航线方案。构建仿真实验环节,通过与目前使用的求解方法对比可知,此算法的航线选择结果最佳,且成本最低。     

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。     

船舶交通流大数据在无人船航线智能规划中的应用

传统无人船航线规划方法,虽然能够对路径数据进行连续性分析计算,但在多数据流的匹配最优量计算方面,由于路径规划变量增多,导致线路规划量与输出量匹配出现误差,影响无人船路径规划准确率,降低无人船线路规划效果。因此,提出船舶交通流大数据在无人船航线智能规划中的应用。首先,对无人船运动轨迹进行数据模型建立,完成对路径数据资源的特征整理;接着通过引入大数据分析技术,利用AI数据分析算法,对路径规划资源进行最优量分析计算。最后,考虑到路径资源匹配最优量计算量巨大,为了保证算法计算效率,通过AIS压缩算法,对计算过程中匹配完结路径规划数据进行压缩简化计算,实现计算空间资源的高效管理,从而提升无人船航线的智能规划。利用数据对比方式,证明提出方法在实际应用中的有效性。     

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Maklink图和蚁群算法的航线规划

为实现航线自动规划设计,提出一种可行的计算方法,并对船舶实际运营中进行航线规划时需注意的问题进行分析。以路径最短为目标,建立以避开障碍物区域和危险区域、控制转弯角度及减少转向点数目等为约束条件的规划模型。在建立模型过程中,采用Maklink图和Dijkstra算法生成初始规划路径,采用蚁群算法对路径作进一步的优化和调整,以满足约束条件。试验结果表明:与传统的在纸质海图上绘制航线及在电子海图上手动输入转向点生成航线相比,通过智能算法生成航线具有耗时短、经济可靠等优点。     

航线配船与船队规划模型及算法实现

为提高船舶资源优化配置研究的实用性,建立了以船队总营运利润最大为目标函数的航线配船与船队规划数学模型.该模型将船队短期调配使用与长期发展规划结合起来统筹分析研究,利用线性规划的单纯形算法进行求解分析,并通过应用实例对模型和求解的有效性进行了验证.基于计算机语言混合编程的方法,设计并开发了航线配船与船队规划决策系统.运行结果表明,该系统稳定可靠,辅助决策效果良好.     

未知环境中无人驾驶船舶智能避碰决策方法

[目的]为了实现无人驾驶船舶在未知环境下的智能避障功能,[方法]首先,建立一种基于深度强化学习(DRL)技术的无人驾驶船舶智能避碰决策模型,分析无人驾驶船舶智能避碰决策面临的问题,提出智能避碰决策的设计准则。然后,在此基础上,建立基于Markov决策方法(MDP)的智能避碰决策模型,通过值函数求解决策模型中的最优策略,使无人驾驶船舶状态对行为映射中的回报最大,并专门设计由接近目标、偏离航线和安全性组成的激励函数。最后,分别在静态、动态障碍环境下进行仿真实验。[结果]结果表明,该智能决策方法可以有效避让障碍物,保障无人驾驶船舶在未知水域中的航行安全,[结论]所提方法可为无人驾驶船舶的自主航行提供理论参考。     

一种利用AIS数据挖掘的航线生成方法

为了实现航线的快速规划,提高航线设计研究的实用性,提出了一种基于AIS数据挖掘实现航线生成的方法。首先,分析AIS数据,找寻AIS数据与航线设计间的关联性,通过算法设计、数据库设计和程序设计,实现了对目标航线的匹配筛选以及航线的再生成。实例结果表明本方法有效可行,具有较高的实用性。     

考虑吸引力和可靠性的南海邮船航线优化模型

为合理利用南海及其沿岸港口资源,在考虑邮船航线的吸引力和可靠性的基础上,研究南海邮船航线的设计方案。对停靠港口选定及其排序、各航段船舶航速的设定和船舶在港时间(开始时间和服务时间)进行决策,以总成本最小化和航线吸引力最大化为目标,建立邮船航线混合线性规划模型,并提出求解该模型的算法。对南海邮船航线的设计进行实际数据分析,并选取航线数量和停靠港口数量的限制对该模型进行灵敏度分析。研究结果表明:优化后的航线方案能有效平衡邮船航线的吸引力和总成本,为南海邮船航线的开发提供决策依据。     

低碳条件下的货运船舶配送路径优化规划方法

为了更好地实现节能减排目标,优化船舶航线选择精度,在低碳条件下设计了船舶货运配送路径规划方法。分析船舶航行最优路线和船舶航线拥堵情况,获取航线数据,构建物流配送路径管理模型,实现航线数据的有效搜索和最优路径的选择。实验结果表明,本文提出的低碳条件下的货运船舶配送路径优化规划方法在实际应用过程中,具有更高的实用性和有效性,充分满足船舶配送路径优化要求。     

基于深度强化学习的船舶航线自动规划

为解决传统船舶航线规划算法缺少对经验航线的参考及不适用于真实航行需求的问题,提出一种基于深度Q网络(Deep Q Network,DQN)船舶航线自动规划算法,用以在电子海图中提供拟合航道,生成适宜真实航行情况的自动规划航线.这种算法采用当前神经网络和目标神经网络2个二层神经网络结构,达到打乱数据相关性的目的,将智能体...     

综合考虑速度和安全的船舶智能避碰研究

船舶在水面上航行时,可能会遇到其他船舶或是一些障碍物,若是仍然按照既定航线行进,则会对目标发生碰撞。为保证船舶的航行安全性,需要进行避碰。避碰是保护船舶安全航行的重要手段,想要有效避碰,就必须对相关的信息进行收集和分析,据此产生出合理可行的决策,船舶通过对该决策的执行,达到避碰的目的。船舶在应用智能避碰系统时,应当对航行速度和安全性进行综合考虑,如果速度过慢,会影响经济性,所以应采用合理算法,对避碰路径进行规划。     

智能网络海上船舶物流运输最佳航线选取模型

常规的物流运输航线选取模型无法获取实时天气及周边环境信息,导致绕避台风不及时。为此利用智能网络技术,设计海上船舶物流运输最佳航线选取模型。分析随机变量对物流运输路线的影响,利用智能网络获取船舶实时位置,计算航线运营成本,了解运输总需求,分析船型大小与其挂靠频率间的关系,选择合适的靠泊港口与靠港顺序,完成智能网络下海上船舶物流运输最佳航线选取模型设计。采用仿真对照实验,测试该模型应用效果。实验结果表明,将智能网络技术应用到最佳航线选取过程当中,能够实时获取相关信息,准确地制定船舶绕避台风方案,选择最为合适的物流运输航线,保证货物安全并准时到达。     

中日韩跨国客货船运现况的分析与评价

对中国、日本和韩国三国间的跨国客货船运现况进行了分析和讨论，并对各航线的运输量（客运量和货运量）进行了比较和评价。这对于今后我国国际航线的规划和决策具有一定的参考价值。     

面向编队协同防空决策的多智能体规划方法

高技术条件下的现代海战,协同防空已成为编队防空作战的一种主要模式。针对编队协同防空决策过程中各舰艇成员之间如何协同的关键问题,将编队舰艇成员抽象为决策智能体,基于智能规划理论,提出一种面向编队协同防空决策的多智能体规划方法,能够有效的实现各舰艇决策智能体之间的协作与协调。     

基于多智能体的编队协同防空决策方案生成系统研究

高技术条件下的现代海战,协同防空已成为编队防空作战的一种主要模式.怎样根据战场态势,科学、快速地制定编队的协同防空决策方案,是编队作战指挥的一个难点.针对这一问题,构建了一个基于多智能体的编队协同防空决策方案生成系统.将编队协同防空决策过程中的主要决策单元抽象为情况判断智能体、任务管理智能体、舰艇决策智能体和编队决策智能体,通过各智能体之间的通信与协作,实现了编队协同防空决策方案的自动生成,为编队指挥员的防空作战指挥提供了科学的辅助决策支持.     

恶劣气象海况下船舶航线的多变量多目标优化建模

气象航线优化是一种复杂的多变量多目标问题。为解决该问题,提出一种可行的船舶气象航线优化方法,以航线转向点和每段航速为优化对象,以船舶特性和动态规避恶劣气象海况为约束条件,以最少航时和最低油耗为优化目标,建立船舶多变量、多动态约束、多目标的气象航线优化模型,并以强度帕累托多目标遗传进化算法为理论基础,构建基于气象海况影响因子的加权惩罚适应度评估模型,优化解的选择空间,实现对该问题的有效求解。试验结果证明:通过同时对航路和航速进行优化,不仅可规避时空动态变化的恶劣气象海况,而且可得到各种用户偏好情况下的气象航线,对实现船舶的智能航行具有重要的意义。     

船舶物流最佳航线智能选择算法研究

传统船舶物流航线的选择算法能够完成单批次、点对点船舶物流航线的确定,但针对多批次、多目的地、不同海洋运输环境的物流运输,传统船舶物流航线选择算法无法计算。为此提出船舶物流最佳航线智能选择算法研究。依托antcb数学模型控制k取值范围,构建理想状态下船舶物流航线的统计算法;扩展外在因素影响算法,对对渠道最佳航线计算进行动态修订,构建船舶物流最佳航线选择原则,完成船舶物流多点式最佳航线智能选择计算。通过实验表明,设计船舶航线智能选择算法比传统航线算法平均航线适用率提升68.93%,适合不同环境、多变量情况下最佳航线智能选择。     

基于人工智能的舰艇智能辅助决策系统

现有的舰艇智能辅助决策系统在依据引导报文,计划引导中存在人工干预,使得舰艇在多目标会遇情况下存在碰撞危险。为此,设计基于人工智能的舰艇智能辅助决策系统。引用Agent智能体作为主体,通过UM2455和MC9S12NE64实现与其他Agent的交互。在硬件设计的基础上,建立决策模型,计算各决策方案综合评分,依据评分高低筛选出最佳方案,通过Agent执行,达到智能辅助决策的目的。实验结果表明,与传统的舰艇智能辅助决策系统相比,设计的基于人工智能的决策系统综合碰撞危险度为0,说明在多目标会遇情况下舰艇发生碰撞危险的概率极低。