基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

船舶避碰的模糊决策

利用模糊数学结合实际调查提出了一种避碰决策方法，同时给出了在船舶交叉相遇局面上让路船的让路时机和转向幅度，这一方法对于进行避碰研究，帮助海员进行避碰决策，避免船舶碰撞具有一定的意义。     

基于改进PPO算法的船舶自主避碰决策

为减少船舶避碰决策过程中人为失误导致的海难事故,提出一种基于改进近端策略优化(PPO)算法的船舶自主避碰决策。在传统PPO算法广义优势估计基础上加入自适应基线调整,并且使用长短期记忆网络(LSTM)改进网络结构。船舶的航行信息和激光雷达矢量线被应用于神经网络输入,航行制导、角度偏差及《1972年避碰规则》均被纳入改进的奖励函数设计。两船和多船会遇场景仿真实验表明：本文提出的避碰决策可使船舶实现自主航行,并在避碰过程中符合《避碰规则》,为处理复杂局面下的船舶避碰决策提供了参考。     

基于改进粒子群优化算法的无人水面艇动态避碰方法

针对"蓝信"号无人水面艇的动态避碰问题,提出一种基于改进粒子群优化算法的动态避碰方法.首先,考虑障碍物轮廓的长宽比不同,将障碍物膨化为圆形和椭圆形,并采用速度障碍原理求取避碰模型,同时,在避碰过程中加入国际海上避碰规则约束;其次,对粒子群优化算法进行自适应改进,使其针对避碰策略的求取能够快速收敛到最优解,提高算法的收敛速度与精度,满足避碰算法的快速性要求;最后,搭建虚拟视景仿真平台,模拟航行中的海洋环境,以"蓝信"号无人水面艇为模拟对象,对所提出的避碰算法进行仿真验证.仿真结果表明了该避碰方法的可行性和有效性,为无人水面艇的自主动态避碰提供了一种可行和有效的解决途径.     

基于船舶旋回的变向避碰解算方法

通过建立船舶运动方程，导出最近会遇距离、最近会遇时间以及不考虑旋回时避让航向方程，并分左舷来船向右避让和右舷来船向右避让两种情况，对旋回半径及旋回时间大小不同的船舶，分析旋回的影响．结论是大型船舶在变向避碰中，因吨位大、旋回半径大、旋回时间长，其避碰效果受旋回的影响较大，使实际最近距离小于安全距离．为了克服船舶旋回对避碰效果的影响，提出大型船舶变向避碰中基于旋回的解析计算方法和图解方法，前者可应用于计算机解算避碰问题，后者可应用于人工绘算．     

船舶最佳转向避碰幅度决策模型

根据国际海上避碰规则及对船员的大量调查。利用模糊统计原理，对规则规定的三种会遇局面及船舶避碰操纵局面进行了划分，根据建立安全度模糊函数和易察觉模糊函数，确定了转向避碰中大幅度量化值。     

船舶智能避碰决策与控制系统总体结构

针对目前国内外有关专家在船舶智能避碰决策与控制系统的整体设计和某些局部决策模型方面还没有达成相对统一的共识，距实际应用还存在一定的差距的情况，分析总结了国内外相关研究成果和不足，提出了更符合船舶驾驶员思维习惯的系统总体结构模型的设想，并给出了主要子系统的决策流程图．该系统结构有利于将专家系统、智能控制、模糊决策和神经网络等技术综合运用在避碰决策的各个过程中，从而在根本上解决现有研究成果中知识库的“瓶颈”问题．     

船舶智能避碰决策与控制系统研究综述

在分析总结国内外船舶智能避碰决策与控制系统研究成果的基础上，提出了该系统中总体结构模型、船舶会遇形势的划分、碰撞危险度决策、避让时机决策、AIS系统在该系统中的运用、不同船舶间的协调避让和来船动态对避碰决策的影响等关键问题的研究思路和设想，明确了今后进一步完善船舶智能避碰决策与控制系统的研究方向．     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...     

基于自适应混合粒子群算法的协同多目标攻击空战决策

针对协同多目标攻击过程中的空战决策问题,建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种新的自适应混合粒子群优化算法,并将其应用于协同多目标攻击空战决策问题.该算法利用种群多样性信息对惯性权重进行非线性调整,并结合遗传算法的思想,提出了对粒子进行交叉和变异操作来完成粒子更新的方法.仿真结果表明,该算法具有较高的局部求解精度和全局搜索能力,是一种求解协同多目标攻击空战决策问题的有效算法.     

船舶接近对遇局面避碰决策的研究

基于船舶右舷对遇局面中船舶避碰行为的调查,根据信息熵理论,了会遇两在不同距离,不同最近会遇距离时,船舶采取避普行种类的不确定性问题,为处于该种会遇局面上船舶的避碰决策及壁两船间的不协调辟碰行动提出了建议。     

船舶避碰智能决策自动化研究

简要论述了实现船舶自动避碰的意义、自动避碰的基本过程及其研究内容,重点分析了国内外船舶避碰智能决策自动化的研究现状和动向、存在的主要问题与对策,指出了船舶避碰智能决策自动化尚待研究的课题．     

船舶避碰系统研究综述

随着水上运输行业的愈加繁荣、船舶密度越来越大、航行情况越来越复杂,水上交通安全形势日渐严峻,由此船舶避碰系统成为了水上交通安全领域研究的重点。通过总结国内外专家关于船舶避碰系统研究成果,并对这些研究成果的特点进行了比较分析,将船舶智能避碰系统划分为船舶领域、船舶碰撞危险度评价、船舶规避决策三个主要组成部分。介绍了这三个组成部分其模型构建的主要流程,阐述了它们的发展历程以及不同专家学者的典型成果,着重探讨了其不同构建方法、特点。叙述了模型的本质特征以及目前存在的主要问题,对船舶领域模型、船舶碰撞危险度评价模型、船舶规避决策模型三个模型的发展趋势进行了展望。     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

基于双决策和快速分层的多目标粒子群算法

针对粒子群算法在求解多目标优化问题时存在的收敛性不足和多样性缺失等问题,提出一种基于双决策和快速分层的新型多目标粒子群算法(DDFSMOPSO);在该算法中,采用外部存档对迭代产生的非劣解进行存储,并利用拥挤距离和绝对距离相结合的双决策策略对外部存档规模进行维护,使得优秀粒子在随后的进化过程中易于保留和发展;同时,采用...     

船舶对遇避碰决策的研究

利用模糊统计的方法,获得了右舷对右舷对遇情况下随最近会遇距离不同,船舶采取不同避碰行动方式的隶属度函数,计算出了在该种会遇局面下船舶间不协调避碰行动的隶属度函数,并提出了有关船舶避碰行动的建议。     

基于细菌觅食算法的避碰航路优化研究

提出一种基于细菌觅食算法的避碰航路优化算法.该算法优化避碰参数包括避让转向时机、安全避让角度、复航时间和复航角度,细菌状态空间对应解空间.利用最近会遇距离和到达最近会遇点的时间,迭代计算趋化、繁殖和迁移算子,从而获得最优解.通过模拟仿真对遇、追越和交叉3种会遇态势,该算法可有效优化避碰航路,给出最优的避碰参数.该算法可为船舶避碰决策提供新的方法和思路.     

基于扩容和双距离决策的多目标粒子群优化算法

为了更好地改善多目标粒子群优化算法的收敛性和多样性,提出一种基于扩容和双距离决策的多目标粒子群优化算法。利用扩容的方法对目标空间中目标函数值的上下限进行扩大,得到新的上下限后再建立网格,这样可以计算出边界点的坐标。在小网格中选择引导粒子或者劣质粒子时,利用小网格中粒子到理想点和当前小网格最优点的距离进行决策筛选,这样充分利用目标空间中的信息来对粒子的优先级进行判断。对新的粒子进行差分变异,增加了整体的多样性,并通过阈值控制其变异的频率。将算法和当前具有代表性的多目标粒子群优化算法进行对比实验,提出的算法效果更佳。实验表明,提出算法的收敛性和多样性不仅得到较大提高,而且较为稳定。     

一种新的混合粒子群优化算法

将禁忌搜索思想引入粒子群优化算法中,改进惯性权重,添加罚函数重新构造适应度函数;在此基础上,提出了一种基于禁忌搜索的新的混合粒子群优化算法(NHPSO),通过4个标准测试函数实验,结果表明:NHPSO算法比基本粒子群优化算法(PSO)具有更好的全局寻优能力、更快的收敛速度以及获得更高精度解的能力。     

基于高斯变异与Levy飞行策略的混合粒子群优化算法

目的 解决粒子群算法易陷入局部最优解、出现早熟收敛从而导致求解精度不高的缺陷.方法 将高斯变异(Gaussian M utation)、Levy飞行策略与基本粒子群优化算法(PSO)进行混合,提出一种称为GLPSO混合粒子群算法.在该算法中粒子通过Levy飞行更新自己的位置,若粒子在若干次迭代后无法产生更优值,则在保存当前最优值的前提下进行高斯变异来保持种群多样性.结果 与结论通过对基准测试函数优化的实验结果对比,GLPSO在5个基准测试函数中的优化精度和全局搜索能力优于其他对比算法,GLPSO有更加出色的全局搜索能力和更高的求解精度.