船舶工程中智能优化算法的应用研究

在对船舶进行工程设计时,往往需要重点考虑电气管道和通信网络的布局,同时还要兼顾各个舱室的功能都要得到充分发挥,不会互相产生干扰。本文重点研究船舶的机舱布局特点,并利用粒子群优化算法实现智能布局优化,对机舱系统中的动力传输模型和负载电机控制进行建模与仿真。仿真结果表明,此优化算法能够有效实现对船舶机舱的控制,降低其在船舶工程实现上的难度,提高动力传送的效率。     

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

考虑空车调配协调的货物列车开行方案优化研究

为实现空车调配与货物列车开行方案协调优化，结合基本运行图架构与车流径路，构建货运时空服务拓展网络。考虑配空与装卸取送、集编发等环节的时间接续要求，节点与区段不对流空车要求，以重车流全程运送与空车配送等广义总费用最少为目标，建立整数规划弧路模型。针对既有算法设计局限性，结合重车或空车配空的时间接续要求，提出将不同的 k 短路重车流方案与空车配空方案相关联的改进可行解构造方法，设计混合差分进化求解算法。实例研究表明，考虑空车调配进行重车、空车流组织协调优化，能够减少空车走行费用，及时满足装车需求，有效保证作业车流配合中转车流集结编组及时挂线，提高方案可实施性。     

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。     

舰船无线传感器网络节点定位技术研究

信息化技术正在快速发展,在船舶工业中出现了基于无线传感网技术的定位技术。通过无线传感网技术,人们能够从一定程度上弥补传统的岸基定位和GPS定位技术的不足,同时也获得了更好的定位精度和抗干扰能力。本文主要研究无线传感网定位技术的结构和工作原理,并提出一种改进型的分布式加权定位算法,极大地降低了舰船的定位误差。通过Matlab软件进行仿真验证,对无线传感网中的传统定位技术和改进的定位技术进行性能比较。仿真结果表明,改进后的定位算法具有良好的定位能力,应用前景广阔。     

蚁群优化算法在潜艇三维空间导航规划算法中的应用

潜艇三维空间导航规划是指在已知或未知的条件下,利用环境建模与路径搜索方法,为潜艇规划出安全、快速、隐蔽的航行路径。为提高导航规划算法的稳定性与效率,本文对蚁群算法进行改进,给出一种基于多蚁群协同的并行优化的潜艇导航规划算法,并使用Matlab与VC++对该算法进行仿真实验。实验结果表明,本文算法能够得到较为可行的路径规划。     

多点随机需求的分布式预置储备

考虑重点方向或区域中, 各重要隘口、通道、敏感地带等突发事件之间的关联性(连锁反应的可能性) 和需求的随机性, 在多个预置储备仓库构成储备网络和多个需求点组成需求网络的条件下, 研究了用储备网络保障需求网络的预置储备规模和储备分布优化问题, 分析了需求网络在各点突发事件和需求随机下总需求的分布特征; 在保证预置储备规模有效性、经济性与储备分布合理性的基础上, 建立了给定安全保障概率下的储备规模模型和过程响应准则下的分布式储备模型(统称储备模型); 根据模型特征将分布式储备模型分解为双层模型, 对随机需求采用样本化处理, 并在此基础上建立了针对性的遗传-模拟退火算法求解双层模型; 基于变异系数的概念, 提出了针对突发事件和需求随机的储备方案稳健性指标, 对储备模型及其算法进行了稳健性分析, 并通过案例应用验证了储备模型及其算法的有效性。研究结果表明: 相较于就近分区准则, 储备规模模型及其算法能在确保安全保障概率的前提下将储备规模降低约1/3;相较于极大极小化准则, 过程响应准则下的分布式储备方案可使首批物资响应时间减少11%, 使90%物资的响应时间减少21%;在面临需求网络中突发事件和需求的随机性波动时, 储备方案的波动幅度不超过需求波动的80%, 体现了较好的稳健性。