粒子群算法在巡航导弹航路规划中的应用

基于最小威胁曲面的概念,将三维航路投影到二维平面上,从而使巡航导弹的航路规划过程从三维空间映射到为二维平面内进行,分别建立了航路的威胁模型和代价模型,应用粒子群算法在进行航路寻优,介绍了航路寻优的流程并进行了仿真验证。仿真结果表明,粒子群算法能够有效地解决巡航导弹的航路全局寻优问题。     

基于改进PSO-BP神经网络的船舶交通流预测分析

为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPSO,将BP神经网络模型与SAPSO算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPSO-BP预测模型运用自适应变异的PSO算法优化传统BP神经网络的模型参数,克服了传统BP神经网络的对模型的初始权值阈值敏感和易陷入局部最优的缺点,进而提高模型的预报精度。选用天津港口区域的船舶AIS实验数据,验证了预测模型的有效性。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

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ECDIS的航线自动规划算法设计

针对目前航海任务中主要依赖航海人员手动拟定计划航线的问题,提出基于ECDIS的航线自动规划算法,提取电子海图数据并划定碍航区,利用Delaunay三角网构建海洋环境模型,以改进的A星搜索算法自动规划出一条最优航线。对比商业ECDIS平台经验航线组合航路,实验结果表明,该算法自动规划的航线航程更短,航路点更少,在复杂的大面积海域中,可搜索到一条经济安全的航线。     

基于蚁群算法的舰船避险航路规划

采用蚁群算法研究舰船避险航路规划问题,利用栅格法将航行海区进行细分,建立舰船避险航路模型,进而求算优化解。仿真结果表明,蚁群算法求解舰船优化航路具有较强的稳定性和鲁棒性。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。     

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。     

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。     

参数化单元边界元法解势流速度场问题

[目的]边界元法在海洋工程水动力学中有着广阔的应用前景,为推广边界元法在海洋工程水动力学中的应用,[方法]根据边界积分法建立积分方程,采用参数化单元边界元法对势流问题进行求解,得出流场速度势。对经典算例进行数值计算,与数学解析解比较,并进行误差分析。在二维问题下,分别采用非连续参数化单元和参数化单元边界元法求解势流速度场问题;在三维问题下,采用参数化单元边界元法求解势流速度场问题。[结果]结果显示,在二维问题下,采用非连续参数化单元边界元法求解势流问题具有较高的精度和效率,可以在采用较少单元数的情况下得到较为理想的数值解;在三维问题下采用参数化单元边界元法虽然计算速度较快,并可以得到较好的平均相对精度,但有些点误差较大,需要改进算法或使用其他单元进行求解。[结论]参数化单元边界元法在求解海洋工程势流问题时,数值计算实现过程更简洁,可发展成为求解船舶兴波等船舶水动力学问题的通用方法。     

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

遗传算法在自航水雷航路规划中的应用研究

简要介绍了遗传算法在自航水雷航路规划中的应用，分析了可能产生的问题及原因。借鉴模拟退火的思想，研究并提出了改进的遗传模拟退火算法并用以解决自航水雷航路规划问题。仿真结果表明这种算法能够有效地提高航路规划的计算速度和保证航路规划的质量。     

基于遗传算法的装船顺序整数规划问题求解

针对原有装船顺序整数规划求解算法所求得的最优解精度较低的问题,设计遗传算法的装船顺序整数规划求解算法。根据遗传算法演变规则设定整体算法求解流程;依照流程中的硬约束条件要求采用船舶重心与装船翻箱率结合的形式,设计装船规则;根据装船规则内容,采用翻箱率与船舶重心目标函数组成整数规划模型并进行求解。至此,遗传算的装船顺序问题整数规划求解算法完成。构建对比试验,与原有算法相比,此算法最优适度曲线与准确计算结果相近,原有方法与计算结果误差较大。因而,此算法求解精度更高,此算法更有效。     

基于粒子群优化的多路径规划方法研究

借鉴遗传算法求解多峰函数优化问题的思想,开展了基于粒子群优化的多路径规划方法研究.给出了多路径规划算法的基本思想和算法流程,讨论了算法中粒子群的多样化方法以及多种群的隔离进化策略,并针对多个仿真环境进行了仿真实验.仿真结果表明,本文设计的多路径规划算法能针对不同的环境模型进行环境划分,正确、有效地规划出多条运动路径.     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

反舰导弹航路规划研究

反舰导弹在现代战争中发挥着越来越重要的作用,其中航路规划是反舰导弹突防的关键技术之一。文章分析了反舰导弹航路规划的基本原则,介绍了反舰导弹航路规划的主要作战运用,指出了反舰导弹航路规划实现的基本步骤并对几种航路规划算法做了介绍。     

应用粒子群优化算法改进无人船航行路径规划研究

在已开发的FR无人船的设计与实现背景基础上,针对其航线规划使用传统算法时易于困处局部最优、抗干扰适应性不够和控制精度不高等问题,应用粒子群优化算法来改进求解更优航迹。通过在粒子初始化时添加适应度函数加以修正改进,使路径种群在初始化有较高的有效性,从而增进算法的整体收敛速度和航迹跟踪精度。研究完成模型构建、算法优化、模拟仿真计算和试验验证。计算及试验结果显示,应用改进粒子群优化算法在复杂环境中,FR无人船能规避水面障碍物,逃离局部最小值点,准确到达设定点,收敛速度更快,满足及时响应的需要。