基于蚁群算法的船舶航线设计方法的研究

基于蚁群算法的船舶航线设计方法的研究

论文摘要

随着科技的不断进步,船舶航行正逐渐向着智能化的方向发展。在船舶智能化航行实现过程中,航线设计无疑是关键技术之一。论文以船舶航行智能化研究为背景,以研究新的理论和方法为前提、解决工程实际问题为目的,对船舶智能航线设计问题进行了深入、透彻的研究。主要研究了路径规划问题、船舶航线设计中的环境建模问题以及利用蚁群算法进行全局路线搜索问题。论文的主要工作如下:首先归纳总结了路径规划问题的基本内容与特点,并对路径规划的环境建模和路径搜索两个关键问题进行了分析。对多种环境建模方法进行比较分析,同时较深入研究了常用于路径规划的几种智能算法。其次深入研究了基本蚁群算法的原理及蚁群优化算法。在此基础上分析了蚁群算法的主要参数对算法性能的影响并采用MATLAB进行了仿真验证。论文总结了航线设计问题的特点,分析了与旅行商问题(TSP)问题之间的差异。为克服蚁群算法速度慢、易早熟等缺陷,引入了根据寻优过程中解的分布均匀度,动态调整信息素更新策略和状态转移概率的思想提高算法性能。通过这种动态调整可以在加快收敛速度和防止早熟、停滞现象之间取得良好的平衡。针对船舶航行环境的特点,对船舶航线设计问题进行了深入的分析。采用了链接图(MAKLINK)法进行环境建模。在对多种现有算法进行比较分析的基础上,选择蚁群算法作为航线设计的基本算法。对蚁群算法应用于航线设计问题进行了详细的设计。定义了航线评价函数对最终的航线进行合理的评价。提出航线平滑方法对生成的航线进行平滑优化,使航线更接近于真实航线。最后采用MAKLINK法建立海洋环境模型,提出基于蚁群算法的全局路线搜索模型,发展了基于聚度和信息权重动态调整蚁群算法中的信息素更新策略和状态转移概率的改进措施。采用仿真工具对航线设计问题的优化策略和改进措施进行了测试,表明本文所提出的规划策略具有较好的收敛可靠性。采用论文引入的算法,对航线设计进行仿真,得到了理想的结果,验证了算法的收敛性、有效性及通用性。同时与原有的基本蚁群算法进行了仿真对比,通过收敛性差异验证了本文算法的进步性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题背景与意义
  • 1.2 研究现状
  • 1.2.1 传统航线设计方法
  • 1.2.2 航线自动设计研究现状
  • 1.3 课题主要研究内容
  • 第2章 路径规划方法研究
  • 2.1 路径规划概述
  • 2.1.1 路径规划问题的描述
  • 2.1.2 路径规划的特点与分类
  • 2.1.3 路径规划算法的评价标准
  • 2.2 路径规划的环境建模
  • 2.2.1 可视图法
  • 2.2.2 栅格法
  • 2.2.3 人工势场法
  • 2.2.4 链接图(MAKLINK)法
  • 2.3 路径规划的常见智能算法
  • 2.3.1 神经网络法
  • 2.3.2 遗传算法
  • 2.3.3 蚁群算法
  • 2.4 本章小结
  • 第3章 蚁群算法原型与改进
  • 3.1 基本蚁群算法
  • 3.1.1 蚁群算法基本原理
  • 3.1.2 蚁群算法模型描述
  • 3.1.3 基本蚁群算法缺陷
  • 3.2 蚁群算法状态转移策略分析及参数选择的实验分析
  • 3.2.1 状态转移策略对蚁群算法性能的影响
  • 3.2.2 蚁群算法参数实验分析
  • 3.3 蚁群优化算法
  • 3.3.1 蚁群优化概述
  • 3.3.2 蚁群系统(ACS)
  • 3.3.3 最大最小蚂蚁系统(MMAS)
  • 3.3.4 图搜索蚂蚁系统(GBAS)
  • 3.4 基于分布均匀度的自适应蚁群算法
  • 3.4.1 聚度和信息权重
  • 3.4.2 自适应的信息量更新策略
  • 3.5 航线设计问题分析
  • 3.5.1 旅行商问题(TSP)的描述
  • 3.5.2 航线设计与TSP问题的区别
  • 3.5.3 航线设计问题的特点
  • 3.5.4 船舶航线设计的的基本步骤
  • 3.6 本章小结
  • 第4章 基于MAKLINK法和蚁群算法的自动航线设计
  • 4.1 航线设计的基本思路
  • 4.1.1 空间状态化
  • 4.1.2 全局路线搜索
  • 4.2 基于MAKLINK法的环境建模
  • 4.2.1 环境假设
  • 4.2.2 环境描述
  • 4.2.3 构造自由空间
  • 4.2.4 自由空间状态化
  • 4.2.5 海域环境模型的建立
  • 4.3 航线代价函数的确定
  • 4.4 航线生成算法设计
  • 4.4.1 符号描述与定义
  • 4.4.2 状态转移规则
  • 4.4.3 信息素更新规则
  • 4.4.4 算法步骤
  • 4.5 航线平滑
  • 4.6 本章小结
  • 第5章 仿真结果与分析
  • 5.1 仿真基本框图
  • 5.2 仿真环境及参数选择
  • 5.2.1 仿真平台
  • 5.2.2 仿真环境设定
  • 5.2.3 算法参数设定
  • 5.3 仿真结果分析
  • 5.3.1 普通环境
  • 5.3.2 复杂环境
  • 5.3.3 平滑效果
  • 5.4 仿真分析
  • 5.4.1 有效性分析
  • 5.4.2 通用性分析
  • 5.4.3 收敛性分析
  • 5.5 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  

    基于蚁群算法的船舶航线设计方法的研究
    下载Doc文档

    猜你喜欢