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。     

改进遗传算法的船舶航行路径规划方法

船舶航行环境十分复杂,路径规划是保证船舶智能航行的基本技术,针对当前船舶航行路径规划方法存在搜索最优路径速度慢、得到最优路径质量差等缺陷,设计了基于改进遗传算法的船舶航行路径规划方法。首先对船舶航行路径规划原理进行分析,构建船舶航行路径规划的建模环境,然后产生船舶航行路径规划的可行解,引入改进遗传算法模拟生物进化机制对船舶航行路径规划可行解进行分析,搜索到最优的船舶航行路径规划方案,最后在Matlab 2017平台上进行了船舶航行路径规划仿真测试。改进遗传算法不仅能够在有效时间内找到最优的船舶航行路径规划方案,让船舶航行路径十分安全,能够有效避开所有障碍物,而且找到船舶航行路径规划方案的迭代次数明显减少,是有一种有效的船舶航行路径规划方法。     

基于船舶火灾蔓延态势的路径规划算法

以63 500载重吨油船的船舱为研究对象,通过对火灾蔓延模拟仿真试验数据进行图表分析,得出在不同工作条件下固定检测点位置的温度、CO浓度和烟气浓度的变化规律.对基于火灾实时态势的导航网格动态生成方法以及对应的逃生路径规划方法进行研究,得出动态更新导航网格的具体算法.对传统A*算法路径节点选择问题进行改进,得出适应船舱火灾蔓延信息的最短逃生路径规划算法,试验结果表明,该算法的寻路效率较高.     

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群（ABC）算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群（IABC）算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%～37.4%,收敛速度能够提升17.7%～29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。     

基于改进蚁群算法的船舶路径规划及跟踪控制

针对船舶自动化研究领域中的路径规划和路径跟踪2个问题,提出一种基于改进蚁群算法的船舶路径规划方法。为了更好解决传统蚁群算法存在的问题,使用人工势场法改进蚁群算法信息素更新策略,统筹船舶路径规划与船舶路径跟踪控制问题,通过引入神经网络对船舶动力学子系统的未知不确定项进行逼近,设计一种基于径向基神经网络算法的滑模控制器,仿真实验验证了本文所提出算法的有效性。     

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。     

改进粒子群优化算法的舰船三维路径规划

为了提高对舰船三维路径规划和协同调度能力,提出基于改进粒子群优化算法的舰船三维路径规划方法。采用视点模型跟踪方法实现对舰船三维路径移动任务规划设计,获得舰船的方位信息编队任务分布特征量。通过改进粒子群仿生算分获取虚拟刚体状态约束特征值,结合方位信息编队移动分布情况,实现对目标舰船编队的形成、保持与跟踪识别。通过对舰船目标三维参数估计结果,实现对舰船的路径规划。仿真结果表明,采用该方法进行舰船三维路径规划的空间规划能力和参数能力较好,能准确估计舰船位置和空间方位信息。     

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。     

基于遗传算法的船舶零件理料路径规划

船舶零件理料路径规划主要是对零件分拣顺序的规划,针对目前船舶零件理料过程中效率较低、随意性强的问题,提出一种基于遗传算法的船舶零件理料路径规划方法.利用遗传算法,优化零件分拣顺序,缩短理料行程,进而提升理料效率.应用案例表明,算法能够对零件版图做出有效的理料规划,且随着理料需求的变化,能够做出相应的修正以保持算法自身的有效性.模型可解决船舶零件理料路径的设计问题.     

基于数据驱动的船舶航线实时优化

为了给不同海况下的船舶安全航行提供保障,设计基于数据驱动的船舶航线实时优化方法。利用数据驱动方法采集船舶历史航线、海域风速、风向、波高等海况数据,选取K-means聚类算法聚类海况数据,构建海况知识库。依据海况知识库内的船舶航线信息与航线转向点信息,划分船舶航线为不同航段。依据船舶航线的航段划分结果,以航行总时间最短以及总油耗最低为目标函数,设置船舶航速约束与转向点位置约束作为约束条件,构建航线实时优化模型。选取蚁群算法求解所构建的优化模型,输出航线实时优化结果。结果表明,该方法可以实时优化航线,降低船舶的航行时间与主机油耗,适用于不同海况的船舶航行。     

基于船舶火灾蔓延态势的路径规划算法研究

船舶作为海上一个独立的建筑实体,非常容易发生火灾。本文以63500DWT油船船舱作为研究对象,通过对火灾蔓延模拟仿真实验数据进行图表分析,得出了在不同工作条件下在固定检测点位置的温度,CO浓度和烟气浓度变化规律。对基于火灾实时态势的导航网格动态生成方法以及对应的逃生路径规划方法进行研究,得出动态更新导航网格的具体算法,并对传统A*算法路径节点选择问题进行改进,得出适应船舱火灾蔓延信息的最短逃生路径规划算法,通过实验验证,该算法寻路效率更优。     

基于有向图规划的船舶物流运输最优路径选取算法

传统的船舶物流运输最优路径选取算法的运行效率低,为了解决这个问题,提出基于有向图规划的船舶物流运输最优路径选取算法。利用有向图规划法,确定有向图规划船舶物流运输路径冲突分流点,采用深度优先遍历算法,获取船舶物流运输最优路径。为突出算法优势,在经典算法基础上,对其做出改进,在算法结束后,逆序打印每一条路径,选取最优路径,由此,完成基于有向图规划的船舶物流运输最优路径选取算法的设计。在实验中,采用有向图作为实验样本,对2种算法进行对比实验.实验结果显示,所提算法相比传统的船舶物流运输最优路径选取算法运行效率更高。     

基于大数据的船舶航行最优路径规划算法研究

传统的航行路径规划算法为静态单一条件的最优选择算法,最优路径缺乏客观性,准确度明显下降。针对此问题提出基于大数据的船舶航行最优路径规划算法。引入云计算遗传特征计算算法,对航行相关的全局路径数据进行大数据遗传特征分析,得到具有代表性特征的备选路径;引入大数据蚁群择优算法,对备选路径进行最优路径计算,得到最客观真实的最优航行路径;通过设计多路径仿真实验,证明提出算法具有计算速度快、准确率高、可行性好的特点。     

基于人工智能算法的港口物流船舶运输路径优化研究

传统的港口物流船舶运输路径优化后,船舶运输成本很高,运输时间过长。针对上述问题,引用人工智能算法研究了一种新的港口船舶运输路径优化方法,通过船舶配送和客户管理两阶段解决优化问题,通过线性优化区分港口路径组成的种群,形成若干个子种群,分析种群之间的密度,根据密度分析结果得到协同进化方案,同时使用提升操作和协同操作解决路径优化问题,利用径—环切割理论对客户进行分组优化,通过时间窗解决运行时间问题。设定对比实验验证方法效果,结果表明,基于人工智能算法的港口物流船舶运输路径优化方法可以有效降低运输成本,缩短运输时间。     

基于改进蚁群算法的物流配送路径优化问题研究

物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段.而进行物流配送系统的优化,主要就是配送路径的选择.虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决.本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证.     

无人水面艇局部路径规划算法研究综述

路径规划是无人水面艇(USV)的研究热点之一,是实现USV无人化、自主化、智能化的关键技术.针对USV局部路径规划问题,从路径搜索与轨迹优化这两个层面,分别阐述各种算法的特点.结合近年来最新研究成果,深入分析各种算法的特性及不足,总结归纳算法为适应USV运动特性而进行的改进.最后,对USV局部路径规划的发展趋势进行简要...     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

基于改进人工蜂群算法的HOV三维路径规划

载人潜水器的三维全局路径规划研究对其智能化水平的提高有着重要作用。以“奋斗者”号载人潜水器为研究对象,首先建立三维真实海底地形模型和海流模型;其次,综合考虑路径长度、地形代价和能量消耗代价等目标,建立路径规划的代价函数。最后,使用改进人工蜂群算法对该路径规划问题进行求解,并分别与基本人工蜂群算法、遗传算法和粒子群算法进行比较。仿真结果表明,改进后的人工蜂群算法可以不断跳出局部最优,为载人潜水器高效地规划出满足性能要求的航行路径。     

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。     

基于GSA-IPM算法的船舶电力系统无功优化

提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。