蚁群算法和遗传算法结合的航线生成

为在设计航线时获取最优航线,研究蚁群算法与遗传算法相结合的航线生成方法,讨论海图信息离散化、蚁群搜索产生航线初始种群、遗传优化获取最优航线等问题。介绍海图信息网格结构及网格属性计算方法,蚁群搜索航线的策略及信息素的更新,遗传优化航线的各种操作方法,航线辅助生成系统的功能,验证方法的可行性和模型的准确性。     

基于蚁群算法的航线自动生成研究

为了减轻航海人员制定航线的繁复劳动,减少航线制定时的个人主观性,基于蚁群算法进行航线自动生成研究.以电子海图为基础,论述了网格划分、搜索策略、信息更新、航线选优、航线平滑、计算流程等相关问题和具体做法,通过示例证明了蚁群算法用于航线自动生成的可行性.该法不仅实现了航线制定的自动化,而且可以在相关搜索策略中运用专家的思想,增加航线制定的科学性,提高航行的安全性.     

数据驱动的舰船航线生成算法

为了保障舰船能够安全地在海洋中进行航行,必须设计出安全科学合理的航线。针对传统的航线生成算法存在着各种不同的缺陷,设计出了数据驱动的舰船航线自动生成算法。首先利用蚁群算法进行搜索,产生舰船航行航线的初始种群,然后利用遗传算法对各种航线进行优化,获取最优舰船航线。最后进行仿真测试,实验结果表明,本文算法能够获得比对比算法更优的舰船航线,同时,所耗费的时间亦少于对比算法,具有比对比算法更高的实时性,是一种有效的舰船航线自动生成算法。     

改进蚁群算法及其在船舶最优航线导航中的应用

由于海洋航行环境复杂,同时受到各种风、浪、流等多种因素的影响,使得在通航水域发生的安全事故随之增加,造成巨大的财产损失,同时危及船员的生命安全。为了保障船舶在海洋上安全高速航行,必须设计出最为安全可靠的最优航线。针对传统的蚁群算法在船舶最优航线导航过程中后期存在收敛速度慢、易出现停滞的缺陷,设计一种改进的蚁群算法进行船舶最优航线导航。首先利用混合更新策略,对船舶航线栅格上的信息素进行更新,然后在找到的船舶的所有可行航线中,搜索出最优航线,最后进行仿真测试。实验结果表明,相比较于对比算法,改进蚁群算法搜索到的航线更优,更为安全可靠,所耗费的时间少于对比算法,是一种效率高、可靠性好的船舶最优航线导航算法。     

自适应蚁群算法求解车间作业调度问题

车间作业调度问题(JSP)是组合优化问题中的NP-Hard问题,应用传统的蚁群算法在求解时存在易于陷入局部最优解、收敛速度慢等缺点.通过在蚁群算法的信息素局部更新策略和全局更新策略两处引入自适应方法对蚁群算法进行了改进,并应用此算法对经典的FT06问题和FT10问题进行了大量的求解试验.试验结果表明该自适应蚁群算法在求解车间作业调度问题时,搜索速度和收敛速度比传统的蚁群算法都有较好的提高.     

人工智能在船舶航行数学建模中的应用

为保障船舶在海上安全航行,提出人工智能在船舶航行数学建模中的应用。使用Maklink图论方法描述海上作业点分布,建立作业点Maklink连接图,生成船舶在作业水域内可航行网络图。建立船舶在海上作业区域航线规划数学模型,并设置约束条件;利用Dijkstra算法求解船舶在海上作业危险区域航线规划模型,得到船舶航行初始航线;利用人工智能算法内的蚁群优化算法对船舶航行初始航线实时优化处理,得到船舶航行最终航线,为船舶穿越海上作业区域实时导航。实验结果表明,该方法可有效生成船舶在作业水域航行网络图,得到初始航线并对初始航线优化处理,应用效果较佳。     

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。     

MMAS在带时间窗的车辆路线问题中的应用

针对基本蚁群优化算法在物流配送路径优化应用过程中存在的问题,主要是由信息素全局和局部更新策略而导致车辆选择路径时容易陷入局部最优解的现象,本文详细研究了蚁群算法的改进算法,即最大最小蚁群算法;并引入信息素平滑机制来提升算法的路径探索能力,实现此组合优化理论在带时间窗的车辆路径问题中的应用.     

基于蚁群“觅食”机制的深海自组织网络路由算法F—ACO

根据蚁群“觅食”机制的生物习性,提出一种应用于水下自组织网络实时通信路由选择的蚁群算法-FACO。该算法与传统蚁群算法相比,增加了食物自身散发的“气味”信息素一独立于蚁群释放的信息素,并根据不同的信息素设立了不同的释放和寻优机制。     

蚁群算法在舰船建模与控制中的应用

传统蚁群算法只能单纯针对舰船路径进行规划,且在规划计算过程中仅能针对一个目标进行分析计算,导致计算中的有效信息素过少,计算所建立的规划控制模型准确度降低。因此,本文提出蚁群算法在舰船建模与控制中的应用。首先,采用蚁群算法对舰船航行场景进行建模,并对模型中的有效信息素进行优化量的导入更新。最后,对完成更新信息素的模型进行多目标参量计算,实现提升蚁群算法规划控制模型的精准度。为了证明设计的有效性,通过对比仿真实验来完成验证操作并得出可行性结论。