船舶物流运输中的最优航线选取模型设计

为了解决传统船舶最优航线选取模型最优航线选取效率低、精准度差的难题,提出船舶最优航线选取模型研究。依据海上运输环境信息,通过全局航线规划算法对船舶运输安全区域进行划分,以此为基础,采用Dijkstra算法对船舶安全航线进行获取,以得到的船舶安全航线为依据,采用离散点法对船舶最优航线进行选取,实现船舶最优航线选取模型的构建。通过实验结果显示,与传统船舶最优航线选取模型相比较,构建的船舶最优航线选取模型极大地提升了最优航线选取效率与精准度,充分说明构建的船舶最优航线选取模型具备更好的性能。     

关于EEDI和最小推进功率综合优化的研究

论文建立了EEDI和船舶最小推进功率综合优化模型。EEDI优化需要满足IMO关于船舶最小推进功率的要求。为了协调船舶降低EEDI与满足船舶最小推进功率之间的矛盾,论文致力于发展一种有效且快速的、船舶最小推进功率约束下的船舶主尺度EEDI优化方法。目标函数EEDI的评估基于中国船舶科学研究中心开发的水动力性能数字化图谱。为了与图谱所涵盖的船型保持一致,论文中的船体变换采用仿射变换和Lackenby方法。为了说明该方法,选取VLCC为研究对象,并选取了不同的优化算法。计算结果表明:EEDI和船舶最小推进功率综合优化模型是合理且行之有效的,优化过程中每个方案都能得到一个光顺的船型。     

船舶舱群配载优化算法研究

为了解决现有船舶舱群配载优化算法翻箱次数多、装卸效率低的难题,提出船舶舱群配载优化算法研究。根据船舶运输相关规定对舱群配载参数进行选择,以此为基础构建船舶舱群配载优化模型,以构建的船舶舱群配载优化模型为工具,通过遗传算法得到舱群配载方案并对其进行编码,依据编码结果采用贪婪算法对舱群配载最优方案进行选择,从而实现了船舶舱群配载的优化。通过仿真对比实验得到,与现有的船舶舱群配载优化算法相比较,提出的船舶舱群配载优化算法极大地降低了翻箱次数,提高了装卸效率,充分说明提出的船舶舱群配载优化算法具备更好的性能。     

结合免疫算法的船舶运输路径优化方法研究

为选取出港口船舶运输的最优路径,相关研究者将近几年兴起的智能算法,如禁忌搜索算法、遗传算法应用其中,但是这些算法均视最短路径为最佳路径,未从多个角度进行选取,导致选取出的路径虽然最短,但安全性较低、成本相对较高,整体运输路线质量不高。针对上述问题,研究一种基于免疫算法的船舶运输路径优化方法。该方法先需要对船舶运输路径优化问题进行描述,从多个角度进行约束,后利用免疫算法求取路径优化问题的最优解,完成最优路径搜索。结果表明,与基于禁忌搜索算法、遗传算法的港口船舶运输路径优化方法相比,本算法运行下,选取出的路径距离虽然并不是最短的,但是在时间、安全性以及成本方面均最佳,因此通过综合评估得出本方法选出的运输路径最优,证明了本方法的性能。     

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。     

基于改进RRT~*算法的无人艇全局避障规划

在水面无人艇全局避障规划领域,RRT~*算法及其改进方法规划的路径长度过长、转折过多,并且规划路径紧靠障碍物,不利于水面无人艇的安全行驶。针对此问题,本文提出一种新的基于线段定理和RRT~*算法(Line segment theorem-RRT~*)的LT-RRT~*算法。该算法对环境地图进行预处理,标示出障碍物周围危险区域,为无人艇与障碍物之间留出安全距离。再根据终点采样概率选取采样点,改善RRT~*算法由于全局采样引起的路径不稳定性。最后根据线段定理重新选取新节点和附近节点的父节点,跳过中间节点连接树节点,减少路径折点,最终生成相对平滑的避障路径。在相同环境下,将改进算法与现有算法避障规划效果进行比较分析,结果表明了LTRRT~*算法的有效性。     

集装箱运输船舶调度的多目标优化模型建模

在多通道运输环境下,集装箱运输船舶调度是一个复杂的多元目标优化模型,提出一种基于自适应回归分析的集装箱运输船舶调度的多目标优化模型,采用多源信息特征重组方法进行集装箱运输船舶资源信息重构,结合自适应学习方法进行集装箱运输船舶资源的信息融合处理,采用非线性二元自回归分析方法实现集装箱运输船舶调度的控制目标函数构建,采用多目标均衡优化策略求解控制目标函数的全局最优解,实现集装箱运输船舶的最优化调度。仿真结果表明,采用该方法进行集装箱运输船舶调度的均衡性较好,提高了运输时效性。     

基于协同差分进化算法的船舶分支管路布局优化设计

分支管路是船舶管路系统中最常见和最重要的管路形式。基于协同进化算法和差分进化算法，提出了一种船舶分支管路的新型优化设计方法，并通过3组仿真算例验证了所提优化方法的有效性和实用性。与现有的船舶分支管路设计方法相比，所提优化方法不依赖于网格空间，节省了预处理计算时间和内存；此外，所提优化方法能够对分支管路的每条分支进行并行优化设计，具有较强的全局搜索能力。研究内容对船舶管路智能化设计具有一定意义。     

船舶运输最优物流线路选取模型

为了提高对舰船货品运输中,最优物流路线的选取的准确性,提出一种新的船舶运输最优物流线路选取模型,分析舰船最优物流路线空间分布结构条件,采用网格分区方法进行舰船最优物流路线属性特征提取,结合最优物流路线的关联约束分析方法进行最优物流线路特征搜索,实现对舰船最优物流路线中关键路线的准确选取,提高路线查准和检索能力。测试结果表明,采用该方法进行舰船最优物流路线选取的查准能力较高,路线选取准确性较好,时间开销较短,实现高效的船舶最优物流路线选取。     

支线集装箱船舶航线规划与配载协同优化

针对支线集装箱船舶运输中喂给港数和靠泊条件不一的实际背景,考虑船舶容量、行驶稳性和交付时间等约束,采用两阶段分层方法研究支线集装箱船舶航线规划和配载协同优化问题。两阶段中分别以所有船舶总运营成本最小和混装堆栈数最小为目标,构建船舶航线规划和配载优化的混合整数规划(MIP)模型,结合问题特征设计粒子群算法(PSO)求解模型。结果表明：模型与算法均可实现问题求解,对于较大规模的算例,模型最长求解时间超过600 s, PSO最长求解时间为16.66 s,平均10.00 s内完成求解,表现出较好的求解性能,可为支线集装箱船舶航线规划与配载协同优化提供决策参考。     

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。     

模拟退火算法在船舶航向PID控制器参数优化中的研究

基于PID控制器的航向参数控制是控制船舶按照既定航向运行的主要方法。传统的PID控制器虽然结构简单,但是航行参数调节精确度不高,在全局进行搜索,收敛性能较差,已经越来越不能适应现代船舶航行参数控制系统的要求。模拟退火算法是一种局部最优搜索方法,能够结合航向操纵航角最小的原则对航向参数进行最优控制。本文在研究了船舶航行参数控制结构的基础上,提出了基于模拟退火算法在船舶航向PID控制器参数的优化算法,最后进行仿真。     

近海风电设备安装船型线设计和优化研究

采用计算流体力学(CFD)方法对某近海风电设备安装船进行型线设计和优化,在满足排水量和布置要求的条件下,比较分析多个型线设计方案,通过参数化建模,生成一系列船舶型线,以兴波阻力最小为目标,选取船体艏部3个特征参数应用遗传算法等优化手段实现船舶型线的优化,应用RANS粘性流方法进行船型阻力预报,结果显示该方法能够有效地应用于船舶型线设计和优化.     

船舶航速优化算法研究

有效的航速优化算法能够使船舶处于最佳航行状态,从而减少燃油开支,节约运营成本。本文以船舶航速作为研究对象,给出一种基于遗传算法的不定期船舶运输经济航速优化方法,实现了航线不变情况下,不定期船舶运输的航速优化问题。     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

基于遗传算法的船舶电子商务物流中心站优化

现有船舶电子商务物流中心站选址方法以时间路径最短为目标,存在着选址合理性参数较小的问题,为了解决上述问题,提出遗传算法的船舶电子商务物流中心站优化研究。依据船舶物流特点构建物流中心站选址模型,构建模型是一个NP-hard问题,利用遗传算法寻求全局最优解,通过编码、初始化种群、适应度评价、遗传算子操作以及遗传算法求解确定最佳船舶电子商务物流中心站的位置,实现船舶电子商务物流中心站的优化。实验结果显示:与现有代表方法相比较,本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低,表明本文方法选址合理性参数较大,具备更好的应用前景。     

高效优化算法在船舶力学中的应用研究

作为一种贝叶斯优化算法,高效全局优化算法(EGO)利用克里格模型来构造近似模型,并采用样本填充准则以寻找下一个样本点来更新近似模型.文中详细介绍了该优化算法,并将其应用于船舶力学的两个典型优化例子.其中一个是潜艇的多学科概念设计,考虑了水动力、推进、重量、性能和成本5个学科;另外一个是屈曲状态下加筋板的优化问题.与传统优化相比,高效全局优化算法不仅收敛到全局最优解,而且更加有效.结果表明高效优化算法非常适用于船舶力学中的优化问题.     

人工智能技术在船舶轨迹规划中的应用

轨迹规划可以提高船舶航行的效率,并且保证船舶航行的安全。当前船舶轨迹规划方法存在生成轨迹效率低、船舶轨迹规划并非全局最优的缺陷,为了提高船舶轨迹规划的精度,设计基于人工智能技术的船舶轨迹规划方法。首先对当前船舶轨迹规划研究现状进行分析,指出各种船舶轨迹规划方法的不足,然后建立船舶轨迹规划的性能评价指标,引入计算机人工智能技术中的蚁群优化算法进行求解,根据求解结果得到最优船舶轨迹规划路径,最后进行船舶轨迹规划的验证性测试。结果表明,蚁群优化算法可以快速、准确找到最优船舶轨迹规划路径,克服了当前方法易找到局部最优的船舶轨迹规划路径难题,具有一定的实际推广价值。     

多工况拓扑优化算法在大型运输船高双层底实肋板结构设计中的应用

为解决现有船舶结构初步设计过程中精细化程度不足的问题,开展基于多工况拓扑优化算法的归一化数学模型研究及其典型应用探索。本文将多工况拓扑优化算法引入到船舶结构初步设计中,提出了基于k方法的权因子确定方法,引入全局化应力约束条件,建立考虑应力约束函数的多目标拓扑优化数学模型,并对某高双层底实肋板结构进行多工况静力学拓扑优化研究。结果表明,最终构型能够满足应力应变等基本约束条件且具备较好的工艺性。相关研究成果为运用拓扑优化方法进行船舶结构初步设计提供一条切实可行的途径,具有一定的理论与工程应用价值。     

集成局部和全局特征的舰船图像检索算法

面对现有船舶图像检索存在的“语义鸿沟”问题,导致无法满足用户实际检索需求,研究集成局部和全局特征的船舶图像检索算法,实现不同条件下的船舶图像检索。通过颜色矩方法提取船舶图像全局颜色特征;通过块截断量化编码理念,采用模糊C-均值聚类算法将船舶图像分割成子块,构建子块的二值位图,表示图像局部颜色特征;结合小波变换提取船舶图像纹理特征;求解待检索船舶图像与数据库中船舶图像的各特征相似度,获取总相似度,选取总相似度最大图像作为图像检索输出结果。实验结果表明：该算法可有效提取船舶图像纹理特征;尺度变化、光照变化、旋转条件下的船舶图像检索性能较好,平均匹配率97.94%,平均匹配时间为11.9 ms,检索速度快,操作简单,能够满足用户实时性检索需要。