基于NSGA-Ⅱ的长江过闸散货船船型论证

针对长江干线过闸散货船船型论证过程中复杂的多目标、多约束问题,提出一种以技术经济性、过闸效率和社会效应(暂时以EEDI为计算指标)为目标,船舶主尺度上下限、主尺度比、初稳性高、系缆力为约束的数学模型,并采用第二代非支配排序遗传算法(NSGA-Ⅱ)求解,得到该多目标优化问题的Pareto前沿及对应的非劣尺度,结果表明所采用的方法切实可行,且得到的结果能够满足船东对于长江干线过闸散货船的需求,同时具有一定的社会能效效应。     

最小偏差法船舶调度

采用基于最小偏差法的遗传算法对迅隆公司船队航班安排模型进行优化,并与采用蚁群算法优化的结果进行对比,从优化结果可以看出:基于最小偏差法的遗传算法优化结果优于原方案及蚁群算法优化方案,因此在多目标优化过程中,采用合理的决策方法能得到更好的优化方案。     

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。     

基于多装船机的散货船智能装载

对散货船使用多装船机进行装载作业的情况,建立以最高装载效率、最佳纵倾和最小化船舶最大静水弯矩值为目标,以浮态、稳性和结构强度为约束条件的散货船智能装载数学模型,使用改进的多目标遗传算法进行求解,得到优化后的Pareto解集,结果表明:该算法能够有效求得该问题的优化解,在实际应用方面具有一定的可行性.     

20000DWT近海散货船概念设计多学科优化

以20 000 DWT近海散货船为研究对象,分别建立以船舶造价、航速、回转性指数、应舵指数为目标的多个船舶概念设计优化数学模型。应用iSIGHT软件对这些数学模型进行集成,采用非支配解排序的多目标遗传算法(NSGA-Ⅱ)求解船舶概念设计多目标问题以获得Pareto解集。优化结果证明了NSGA-Ⅱ算法解决近海散货船优化设计问题的有效性,为解决更复杂工程系统的设计优化问题奠定了基础。     

人机合作多蚁群协同进化算法的潜艇管路布局

本文针对潜艇多管路布局空间结构，运用协同进化的思想，结合人机合作思想，提出了基于人机合作的多蚁群协同进化算法的潜艇管路智能布局方法；该算法潜艇的每一条管路对应一个蚁群，一方面采用基于顺序蚁群优化算法的布局，一方面采用人机合作的多蚁群协同进化方法对选取的系统模型进行布局优化以使多管路布局达到最优；该算法既不必考虑布局顺序，又避免了增加管路布局数量时组合爆炸现象的发生，从整体优化管路布局；在测试模型上的验证结果验证了该算法的可行性和有效性。     

蚁群算法在PID参数优化中的应用研究

本文介绍了蚁群算法的基本原理,将蚁群算法应用到了PID控制的参数优化问题中,并详细给出了基于蚁群算法的PID控制参数优化算法的实现步骤。为了验证本文算法的可行性,我们对文献[1]中的例子进行了仿真,并将仿真结果与文献[1]给出的基于遗传算法的PID控制参数优化结果进行了比较,发现:基于蚁群算法的PID参数优化算法无论是在最优解的质量方面还是在算法的执行效率方面都要优于基于遗传算法的PID参数优化算法。     

基于蚁群算法一坞多船生产计划组合优化研究

针对一坞多船生产计划组合优化问题,本文基于蚁群算法提出了以缩短船坞周期为主要目标函数、提前拉线照光及减少总组平台工位需求为次要目标函数的多目标优化方法。首先通过算例对比验证了蚁群算法的有效性,进而对某造船企业一坞多船状态下总组/搭载计划进行了组合优化研究,取得了良好的优化效果。     

多约束条件下最优航向控制中的蚁群算法研究

我国最优航向控制技术是智能航海技术中的关键技术之一,能够保证船舶按照最优航向航线到达目的地,提高航行的安全性和经济性。在最优航向控制技术中,引入蚁群算法可满足求解最优化路径的要求,进一步优化最优航向控制系统的性能。本文分析传统蚁群算法的基本原理和缺陷,提出改进后的栅格蚁群算法,以弥补传统算法的不足,并基于栅格蚁群算法构建起多约束条件下的最优航向控制模型,对模型进行实验仿真分析,仿真结果表明该模型可得出最优航向航线结果。     

改进蚁群算法对混合ASP和ALB问题研究

本文利用蚁群算法对混合装配序列规划和装配生产线平衡问题进行优化求解。通过装配联络图来获得表示装配线上作业任务先后顺序约束的装配作业任务优先关系图。针对混合问题的新的优化目标和约束条件,建立了一个混合优化问题数学模型,并利用自适应改进后的蚁群算法对数学问题进行求解。     

基于蚁群“觅食”机制的深海自组织网络路由算法F—ACO

根据蚁群“觅食”机制的生物习性,提出一种应用于水下自组织网络实时通信路由选择的蚁群算法-FACO。该算法与传统蚁群算法相比,增加了食物自身散发的“气味”信息素一独立于蚁群释放的信息素,并根据不同的信息素设立了不同的释放和寻优机制。     

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。     

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。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

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。     

船舶主尺度微分进化分析

在探讨微分进化算法机理的基础上,比较微分进化算法与其它的算法,讨论微分进化算法参数的选择。将微分进化算法扩展到可求解混合变量、有约束的船舶主尺度优化问题。扩展后的微分进化算法应用于载重量23800t无限航区散货船的主尺度优选。结果表明微分进化算法是一种高效、实用的工程优化方法。