蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

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。     

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.     

基于蚁群算法的船舶调度优化研究

新时期背景下,国际贸易活动日益频繁,船舶的大型化发展趋势愈加明显,也为集装箱海运运输网络转型发展提供了必要平台,逐渐发展成健全网络体系。在这种情况下,对船舶的优化调度作用逐渐突显出来,通过对船舶运力的合理规划能够使船舶企业营运的成本支出明显减少,现实意义显著。而在优化船舶调度方面,将蚁群算法引入其中,构建以蚁群算法为基础的船舶调度优化模型,能够为船舶调度工作的顺利开展提供有价值的参考依据,进一步推动现代船舶行业的进步与发展。     

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。     

蚁群算法在港口船舶物流中的应用研究

在全球化经济日益繁荣的今天,国内出现了众多超大吞吐容量的港口,同时各种超级运输船舶也被制造出来,因此在全球港口运输能力有限的情况下,如何有效安排船舶物流的作业流程,改善港口运输效率,对提高经济效益,降低成本显得非常必要。因此,本文主要分析现阶段港口运输行业面临的主要问题,并基于蚁群算法提出具体的优化措施。通过建立港口船舶物流的数学模型,对物流运输中的任务序列进行优化调度,从而最终确定最优的调度算法。     

蚁群算法在船舶分布式电源优化配置及并行计算中的应用

从节能减排的角度出发,对船舶分布式电源进行配置和运行调度。在此过程中,充分考虑船舶电网的损耗、储能、成本等因素,建立2层分布式电源优化模型,并且利用混合蚁群算法对其求解。最后进行对比实验,实验数据表明,本文算法在计算效率和全局搜索方面优越性突出。     

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。     

基于电子地图的改进蚁群算法及其车辆路径寻优

路径优化研究中以目标节点的线性距离之和最短作为最优路径的求解结果难以运用于实际.文中提出了结合电子地图API的改进蚁群算法,首先得到各个节点之间的实际道路导航距离,然后对基本蚁群算法进行改进.在节点选择策略上采用了轮盘选择策略;在算法的不同时期对信息素挥发系数ρ进行调整;计算目标节点距离时去掉节点间直线距离,而采用从电子地图获取的实际导航距离;最后获取电子地图数据,用于改进后的蚁群算法,进行最优路径求解.实验结果分析表明,算法改进前后求得的直线最短路程分别为64.526、62.598 km,验证了改进后算法的有效性,实际道路导航最短路程为89.378 km,说明文中提出的最优路径求解方式更切合实际,实用性更高.     

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。     

基于改进蚁群算法的物流网络

文中将受容量限制的单分配轴-辐式网络抽象为一个三次变量的混合整数线性规划模型方程;提出了一种改进的蚁群算法,将6种局域搜索算子加入算法中,因此具有较高的全局搜索能力和局部搜索能力;同时提出“解对”的概念,对问题的构成进行分解优化,转化为确定问题,切实使本问题符合蚁群算法使用的前提和优势;最后,使用澳大利亚邮政的数据进行选址仿真实验,验证此算法模型在该应用中的求解效率和计算稳定性。     

基于改进蚁群算法的水面无人艇智能避碰方法研究

针对水面无人艇路径规划中算法搜索能力的不足以及蚁群算法的早熟和停滞现象的问题,本文提出了改进的蚁群算法。具体是：在基本蚁群的基础上,通过增加方向角权值这一参数,来改变选择概率,从而实现智能避碰和优化全局路径。二维路径的matlab仿真实验表明,改进的蚁群算法具有更好的路径规划和适应度值变化。     

改进蚁群算法的船舶纵向运动参数辨识方法研究

船舶的工作环境十分复杂,纵向运动参数辨识可以保证船舶的正常航行,避免意外事故的发生。针对当前船舶纵向运动参数辨识方法存在难以找到全局最优值、参数搜索精度低等不足,设计了基于改进蚁群算法的船舶纵向运动参数辨识方法。首先对船舶纵向运动特点进行分析,将船舶纵向运动参数辨识看作是一个非线性优化问题,然后结合船舶纵向运动参数初始化蚁群种群,并通过模拟蚁群的搜索食物机制对船舶纵向运动参数最优解进行查找,当达到最大迭代次数时,得到了最优船舶纵向运动参数,最后对船舶纵向运动参数辨识方法的性能进行测试,改进蚁群算法可以得到高精度的船舶纵向运动参数辨识结果,船舶纵向运动参数辨识误差控制在有效范围内,验证了本文方法的有效性,并与其他船舶纵向运动参数辨识方法进行对比测试,本文方法的船舶纵向运动参数辨识更优,验证了本文方法的优越性。     

基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

基于改进蚁群算法的水下潜航器安全隐蔽航路规划研究

针对水下潜航器的特点和实际需求,设计潜航器安全隐蔽航路规划模型。首先对水下航路规划的影响因素集进行划分,结合水下潜航器特点,通过改进信息素更新机制及启发因子的设计,建立基于蚁群算法的潜航器全局航路规划模型;其次考虑敌我距离变化量、我方位置与目标点的距离、我方声呐盲区、敌我距离最小量作为代价函数的4个因数,建立单目标动态威胁的局部航路规划;最后通过仿真得到全局规划路径和局部避碰路径结果,说明该方法在水下潜航器航路规划具有实际应用价值。     

蚁群算法的舰船电机智能调速系统参数整定

随着舰船自动化程度的不断提高,舰船自动化电气设备的使用量越来越大。永磁同步电机体积小,输出功率大,是舰船使用量非常大的一类电机,在舰船的生产和船员生活保障中有重要的应用。舰船永磁同步电机的智能调速系统对于电机功率控制有重要的意义。本文结合蚁群智能算法和遗传算法,对舰船电机的调速系统参数整定进行详细的研究,有助于提高舰船电机的控制水平。     

基于蚁群聚类的路面识别分析方法

道路是城市的重要基础设施．路面状况的鉴定与评价直接关系到公路的养护决策,是一项至关重要的工作．本研究将蚁群聚类算法应用于路面识别领域,提出一种基于蚁群聚类优化的路面识别分析方法,将此方法运用于路面识别系统．该系统由数据采集、数据预处理和蚁群聚类优化3个模块组成,其中蚁群聚类主要提取了纵轴方向的3个特征属性,通过不断更新聚类中心产生的信息素矩阵,并通过分类器进行路面分类．实验结果表明：蚁群聚类优化具有全局收敛以及启发式学习等优点,运算效率高,路面识别准确率达到95.3％,验证了此方法的有效性．