基于AEPSO算法的VTS系统船舶调度优化问题研究

论文摘要

随着我国航运事业的快速发展,港口船舶交通管理系统(Vessel Traffic Service,VTS)获得了广泛的应用。VTS系统在加强船舶安全航行管理、减少船舶交通事故和保护海洋环境方面起到了积极的作用。然而,目前在我国所实施的几乎所有VTS系统均没有考虑到船舶进出港口的安全和工作效率,特别是对于船舶在港内的航行调度主要依靠港口调度的人工申报和海事管理部门的审核来完成,这样势必导致安全性与高效性的矛盾加剧。本文针对VTS系统中船舶调度功能的不足,做了如下工作：首先,在对VTS系统、船舶调度以及港口管理等航运相关知识进行深入学习和研究之后,提出了一个基于改进型微粒群算法(Active Extended Particle Swarm Optimization, AEPSO)的VTS系统船舶调度方案优化的数学模型。该模型在综合考虑了船舶航行安全因素和航运效率的情况下,采用基于海面能见度、风速、水流、引航和船舶的大小等因子进行加权的方式来评价调度方案的最优程度。其次,针对微粒群算法(PSO)在VTS调度模型的应用中存在的问题,在较深入的研究微粒群行为特性的基础上,提出了基于实时监控的动态引入第三参考点的改进型微粒群算法(AEPSO)。该算法在运行的过程中采用抛物线轨迹动态来调整惯性权重和两个加速常数,并实时监控微粒群的“聚集度”,一旦微粒群过度聚集,就引入第三参考点进行调整,从而保持了较强的早期全局搜索能力和后期的局部搜索能力,以避免早熟并提高了收敛精度。最后,将AEPSO算法应用到评价船舶调度方案的数学模型中。通过系统仿真实验和分析,验证了本模型通过调度参数的设定和调整可以得到最佳的调度方案。本论文的研究成果将在某实际的VTS系统中获得应用,不仅完善了VTS系统的功能,而且在保障船舶安全航行的基础上充分提高了船舶和港口的生产效率。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 本文研究的意义、对象和目的
• 1.1.1 研究意义
• 1.1.2 研究对象
• 1.1.3 研究目的
• 1.2 国内外研究现状
• 1.2.1 船舶安全和船舶调度问题的研究现状
• 1.2.2 微粒群优化算法的研究现状
• 1.3 研究方法和技术路线
• 1.4 论文的组织结构
• 第2章 船舶调度优化模型的建立
• 2.1 传统的船舶调度的概念和内容
• 2.2 船舶调度在VTS系统中的重要性
• 2.3 船舶安全航行的影响因素
• 2.3.1 海面能见度
• 2.3.2 风的影响
• 2.3.3 水流的影响
• 2.3.4 引航员和拖轮因素
• 2.4 船舶的安全航速
• 2.5 船舶调度模型的建立
• 2.5.1 船舶调度问题的分析
• 2.5.2 船舶调度模型的假设
• 2.5.3 船舶调度模型的建立
• 第3章 优化问题及微粒群优化算法的基本理论
• 3.1 优化的基本概念
• 3.1.1 局部优化问题
• 3.1.2 全局优化问题
• 3.2 基本微粒群算法
• 3.2.1 基本微粒群算法的数学模型分析
• 3.2.2 基本微粒群算法的步骤
• 3.2.3 基本微粒群算法的伪代码描述
• 3.2.4 带有惯性权重的PSO
• 第4章 AEPSO算法
• 4.1 微粒群算法存在的问题
• 4.2 微粒群算法的行为分析
• 4.3 微粒群早熟的判定标准
• 4.4 参数抛物递减的PSO和活跃目标点的PSO
• 4.4.1 参数抛物递减的PSO
• 4.4.2 活跃目标点的PSO
• 4.5 AEPSO算法
• 4.5.1 AEPSO算法的参数调整
• 4.5.2 AEPSO算法的第三参考点选择
• 4.5.3 AEPSO的算法流程
• 4.6 AEPSO的仿真实验和数据分析
• 4.6.1 测试函数
• 4.6.2 算法运行参数设置
• 4.6.3 AEPSO算法数据实验和分析
• 第5章 AEPSO算法在VTS系统船舶调度的应用
• 5.1 VTS系统船舶调度问题微粒群优化算法
• 5.1.1 算法设计
• 5.1.2 算法步骤
• 5.1.3 船舶调度优化决策流程
• 5.2 VTS系统船舶调度问题的实验和分析
• 5.2.1 实验参数设置
• 5.2.2 实验结果和分析
• 第6章 总结和展望
• 6.1 论文总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间公开发表论文
• 研究生履历