蚁群算法在巡航导弹航路规划中的应用

针对巡航导弹的航路规划问题,提出了一种应用蚁群算法在连续空间中的航路搜索方法,并进行了仿真验证.建立了将数字地图和战场环境信息转化为航路搜索空间的航路代价模型,通过一元多项式函数逼近航路的水平投影将航路搜索问题转为求解连续空间优化问题,而后将蚁群算法拓展到该问题的求解.仿真表明,蚁群算法可以在连续空间的航路规划中得到较好的搜索效果.     

基于蚁群算法的水下无人平台航路规划

水下无人平台具有重要的军事价值,而航路规划是水下无人平台的关键技术。为了解决当前水下无人平台航路规划方法存在的规划时间长、无法获得最优规划航路规划结果的不足,提高规划航路规划效果,提出了基于蚁群算法的水下无人平台航路规划方法。首先建立水下无人平台航路规划问题的数学模型,给予水下无人平台航路规划的约束条件,然后建立水下无人平台航路规划的环境模型,并引入蚁群算法找到最优水下无人平台航路规划方案,最后对本文水下无人平台航路规划方法的性能进行了验证性测试。结果表明,相对于其它规划方法,蚁群算法不仅可以在短时间内找到最优水下无人平台航路规划方案,而且成功率更高。     

军用飞行器低空突防航路规划算法分析

通过分析军用飞行器低空突防航路规划算法应满足的条件及特点,阐述了目前国内外正在研究和应用的几种航路规划算法：动态规划法、启发式A^＋搜索法、遗传算法、蚁群算法等,并分别指出了其优缺点。最后简要总结低空突防航路规划算法的发展方向。     

云环境下舰船周期性任务容错调度算法研究

舰船周期性任务的容错调度对保证船舶安全航行,避免发生碰撞事故具有重要作用,因此针对舰船周期性任务容错调度问题进行研究,在求解环节对传统容错调度算法进行改进优化,以期提高可靠性和实时性。任务容错调度算法设计需要经历2个阶段:第一阶段,构建舰船周期性任务容错调度模型;第二阶段,将遗传算法与蚁群算法相结合,完成模型2次求解,先使用遗传算法,得到初步容错调度可行方案,后使用蚁群算法,完成模型精确求解,有效实现舰船周期性任务的容错调度。结果表明:与单一遗传算法与蚁群算法相比,本算法可靠性降低幅度低(1.89%),说明可靠性更好;100个任务的完成所需时间最少,仅花费11.5 s,证明其实时性更佳。     

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。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

舰船总布置中的综合评估模型及其应用研究

为解决舰船总布置设计的复杂性和多样性带来总布置多方案评估的困难,针对舰船总布置设计建立多目标综合评估模型,在对蚁群算法做出适应性改进的基础上,提出多专家综合评估算法,通过文章介绍的舰船总布置设计的数学模型及评估算法的处理流程,可有效应用于舰船总体布置设计,实现自动舰船总布置多方案评估选优,有效地解决了工程问题,该方法可提高舰船总布置设计综合评估的自动化程度。     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。     

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。     

Overview of intelligent ship route optimization methods北大核心CSCD

智能船舶航线优化在学术界和工业界均受到越来越多的关注。针对智能船舶航线优化问题,从航线设计方法和航线优化算法这2个层面,分别阐述各种设计方法和优化算法的特点。结合近5年来的最新研究成果,在分析国内外智能船舶航线优化技术发展现状的基础上,将航线设计方法归纳为3种,即基于气象数据的航线优化、基于油耗模型的航线优化以及基于航线库或航路点库的航线优化,剖析其技术内涵及应用情况;深入分析改进的等时线法、动态规划法、图形搜索算法、智能算法、人工智能和机器学习算法的特性及不足,总结归纳将各类算法应用于智能船舶航线优化时存在的主要问题。最后,简要展望智能船舶航线优化的发展趋势,为未来在该领域的研究提供一定的思路。     

基于蚁群算法的长江干散货船中部结构优化设计研究

以长江散货船舯剖面纵向构件重量最小为优化目标,针对长江散货船在结构上的特点,采用蚁群算法,通过Matlab语言编程实现该目标寻优过程。利用该程序对实例进行计算,结果说明蚁群算法适用于船舶的结构优化设计,并能取得良好的优化结果。     

新建船队的船队优化模型建立和比较

船队规划问题通常是通过建立连续变量线性规划模型或混合整数线性规划模型来解决,但往往会得到要求一艘船营运于多条航线的结果。而企业出于安全因素和便于管理的角度考虑,希望船队单船个体的航线能固定,这就需要采用整数规划模型来解决此类问题。针对新建船队的整体配置规划问题,在建立连续变量线性规划模型和混合整数线性规划模型的基础上,探索并建立线性整数规划模型和非线性整数规划模型并进行优化。通过对计算实例的分析比较,论述了4种优化数学模型的特点与适用范围。     

基于蚁群算法的大型油船中剖面结构优化设计

采用蚁群算法对大型油船中剖面结构进行了优化设计,选取了纵骨型号等18个设计变量,建立了以单位长度中剖面构件重量最轻的目标函数,根据DNV(挪威规范)提取了总纵强度等29个约束条件,从而建立了大型油船中剖面结构优化模型。改进的蚁群算法对该模型进行优化计算,该船的中剖面纵向结构单位长度的重量减轻3.35%,结果表明蚁群算法是行之有效的。     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

混合蚁群算法求解集装箱箱位分配问题

集装箱船配载过程中的重要环节是合理的箱位分配,它对保证集装箱船装载后的航行性能及其码头装箱效率有重要的影响.随着集装箱船的大型化及待装船箱量的增加,该问题的求解较为困难.结合集装箱船配载中箱位分配的实际操作特点,提出了利用与禁忌算法相结合的混合蚁群算法来求解集装箱的箱位分配问题.仿真模拟试验表明该算法能够在不影响装箱难度的同时,大幅提高集装箱装船后船舶的航行性能.     

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室移运模块可有效提高舱室模块的运输效率。     

基于矩不确定分布鲁棒优化的船舶舱室布局设计

船舶舱室布局所涉的评价指标通常具有不确定性,诸如环境载荷等参数通常以不确定性的随机变量形式参与计算,且其概率分布的期望及方差等指标往往也是不确定的。本文采用矩不确定分布鲁棒优化方法,解决含矩不确定参数的船舶舱室布局min-max优化问题。将各舱室的全局位置参数、相对位置参数和质量分布参数加权整合为目标函数,建立全船范围内的舱室布局DRO-MU优化模型,采用拉格朗日对偶原理将其转为确定的半定规划问题以便求解。算例验证了本文方法的合理性与优越性,该方法针对性地用于解决含矩不确定参数的船舶舱室布局问题具有鲜明特点。     

Fleet deployment optimization for liner shipping Part 2. Implementation and results

We use linear programming (LP) for solving the problem of the optimal deployment of an existing fleet of multipurpose or fully containerized ships, among a given set of routes, including information for lay-up time, if any, and type and number of extra ships to charter, based on a detailed and realistic model for the calculation of the operating costs of all the ship types in every route and on a suitable LP formulation developed in earlier work of the authors. The optimization model is also applicable to the problem of finding the best fleet compostion and deployment, in a given set of trade routes, which may be the case when a shipping company is considering new or modified services, or a renewal of the existing fleet. In addition, two promising mixed linear-integer programming formulations are suggested.     

模拟退火算法在船舶转向避碰幅度决策中的应用

在船舶避碰决策过程中,转向避碰是采用频率最高的一种避碰方法。为了求得本船与多船会遇情况下的最优转向避碰幅度,应用模拟退火算法将本船与多船间的转向避碰幅度问题视作一类多目标函数优化问题,从而在可行解空间中求出满足目标函数和约束条件的最优转向避碰幅度解。仿真结果表明,上述方法不仅有助于求出多船会遇情况下的本船最优转向角度值,而且也有助于多船避碰决策系统的智能化设计与开发。