英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于蚁群算法的高效船舶路线
明城邹族，副教授
鸿智诚，教授
中国，台湾，高雄，国立高雄海洋大学
摘要
随着国际油价的大幅上涨和全球变暖的上升，如何减少操作燃油消耗，减少空气污染已成为绿色船舶的追求目标之一。船舶航迹规划是船舶航行过程中不可或缺的一部分，尤其是传播路径穿越大洋。船舶路径的正确性不仅直接影响到船舶航行的安全性，而且影响了船舶航行的环保性和经济性。本研究以电子平台图像显示与信息系统（ECDIS）为基础，基于蚁群算法（ACA）结合遗传算法（GA）的概念。为了有效的规划船舶越洋轨迹需要通过模拟生物体的优化行为来实现。此外，路线规划自动化的实现，船舶路线将达成最佳的二氧化碳减排和节约能源的目标，为路径规划决策提供参考。
关键词：船舶路线；蚁群算法；地理信息系统；天气路径
- 简介
世界上几乎有90%的交易是由船舶进行的，对绝大多数的这种贸易来说除了船舶很少或根本没有其他的选择。统计数据表明，全球商业运输所携带的货物已达891万9000吨，这大量的人为因素对环境造成了巨大的负面影响，即使是最环保的交通方式。不过，据估计，全球来自国际航运[6]的二氧化碳排放量占4%。
据统计，大约有52000注册的民用船舶超过100T容量，每年消耗5亿吨燃料，生产16亿吨二氧化碳和3000万吨二氧化硫，造成更大的全球变暖和空气污染。
因此，减少空气污染的另一种选择是在运输过程中[3]减少燃料消耗。从气候和环境的角度来看，可持续发展已成为一个最高优先级的问题，这是一个不可忽视的问题。在可预见的未来航运将仍然依赖于化石燃料。我们必须开发出高能源效率和环境友好的技术，包括船舶能源生产、船舶推进和船舶操作。近年来，国际航运界提出了“绿色船舶”和“绿色航运”的概念。绿色船舶的概念涵盖了整个船舶生命周期和污染防治提供整体解决方案，有害气体排放，节能问题与船舶的设计、生产、经营有关，和报废。因此，航运管理不仅要注意经济效益，还要注意环境保护，防止污染，效率与环境的协调可以使环境可持续发展。为了实现这一目标，已经可以在运营的船舶上加装节能设备，但最直接、最经济的方法是计划的最优路径。选择最佳路线，调整航速，避免不利天气不仅能显著降低燃油消耗，也能提高航行安全。
跨洋航线规划的效率通常是由以下三个方面[26]确定：
bull;不同天气条件下的船舶水动力预报的准确性；
bull;天气预报的准确性；
bull;优化算法的性能和实用性。
本文论述了导航技术，并重点讨论了第三个方面，即船舶航线优化。由于最优路径确定是一个多标准的非线性规划问题，包括许多约束，在航行安全和经济效率之间的平衡应找到[18]。换句话说，应用规划框架不仅要照顾航行安全相关的风险评估和偏差也避免了由于措施的偏差导致总成本的增加。为了实现这一任务，我们使用了优化的蚁群算法（ACA）开发的新型计算领域模型和模拟蚂蚁觅食路径选择模型。我们修改了ACA船舶导航中的应用，并结合遗传算法（GA）的概念来提高其实际效果。几何计算和信息搜索功能是通过地理信息系统（GIS）平台提供了基于ECDIS随着ACA计算所需的背景数据、气象信息。通过本文的研究设计，我们希望能达到最佳的船舶路径，并使用一个更客观，更快，更准确的模型，以实现：
bull;自动生成一个更合理的建议路线，兼顾安全性和经济性，
bull;减轻导航员的工作量
bull;为路径规划决策提供参考
bull;努力在绿色航运和环境可持续性工作中进行合作。
- 准备工作
由于跨越洋路通常会研究更广泛的地理区域气候，通常在大西洋或太平洋地区，主要考虑中短期天气影响，特别是波浪方向和高度对船舶横向航行速度的影响，从而达到最小航行时间和燃油消耗的目的。在汉森和杰姆斯[8]一个创新的论文出现后，已经提出了几种方法来解决问题，最大限度地减少航行时间。主要的方法包括：
- 等时线法：一个等时线（前）被定义为从出发点，达到一定时间后达到的区域的外边界。由汉森和杰姆斯[8]提出的等时线法使用了很长时间，因为它提供了一个简单的手工计算方法。萩原[ 7 ]设计了一种改进的等时线法适用于计算机编程，但这种方法会产生所谓的“线循环”，而且不能保证这条线路将不会横穿陆地。因此，针对这些问题，szlapczynska和smierzchalski [19]做了改进的等时线法，生成初始集合的候选路线进化计算，以提高初始随机种群的进化计算的有效性。然而，该方法利用位图算法并不适用于向量基电子海图。
- 变分法：在比尔斯玛发表[ 1，2，3 ]的变化，微积分的应用扩展到燃料消耗的最小化。Kosmas等人。[ 11 ]利用变分法和波浪模型计算最优路径和应用模拟退火技术，一种优化方法，加快算法收敛性。这种方法是有限的理论分析，耗时的计算，在实践中并不适用[24]。哈利洛夫[10]指出，变分法的没有最优检验。
- 动态规划：动态规划采用一个网格系统，将一个可能的航行区域划分成若干个单元格。每一个单元边界的交叉点都是一个关键点的候选航路点。由动态规划求解算法寻找定位一条船舶轨迹。(X, Y, T)k, k = 1, 2,...,N，最初的T0和船舶位置X[12]控制Ck。莫特等人[ 14，15，16，17 ]在这一问题上进行了一系列详细的调查，包括网格的尺寸设置，系统的开发和设计。近年来，魏等[25]、[27]唐等[20]也用动态规划进行船舶自动寻找路径来减少驾驶员的工作量。在比尔斯玛论文[2]最优控制理论和动态规划之间，阐明以最小的燃料消耗的船舶路径。
这种方法的发展已经日趋成熟，但其缺点包括节点数量大，所需的空间存储量大，计算速度慢，不灵活。
4.网络模型：网络是由节点和弧组成的一种特殊形式的图形。网络具有长度、成本、传输时间等参数。李等。[12]通过网络建模，采用了深度优先搜索算法，结合模拟天气，建立了一个基于网络的最优船舶路径系统。蒙特斯[13]为最佳轨道船路径（OTSR）为美国海军舰艇使用的西太平洋网络图。一个二进制的Dijkstra算法的堆版给定产生的风和海的输入量来确定模型的最佳路线。该方法与动态规划方法相似，但由于节点数量大，计算效率低。上述传统的解决方案被发现计算机化困难，复杂和低效的计算，容易陷入局部最优解的问题。随着人工智能技术的发展和进化计算技术的日趋成熟，越来越多的研究者采用进化计算技术对模型进行优化，即遗传算法，蚁群算法（ACA）和粒子群优化算法应用到路径规划方案。邹[22，23]，smierzchalski和Michalewicz，[18]和Ito等[9]利用遗传算法在避免碰撞和沿海航行路径规划中取得了很好的效果。本研究采用质的研究方法，模拟蚂蚁觅食路径搜索行为，并把它应用到搜索最优路径。这2个问题是与它们的性质相似的；船舶被认为是蚂蚁，天气条件为障碍，最优导航路径作为饲料路径。我们希望通过这种转换方法ACA计算的高效率和全局最优搜索能力可以达到最佳航线增强。
3.最佳船舶路径和天气路径
船舶的航线，根据船舶的不同特性，天气和海洋条件的预测，特定的运输来决定海上航行的最佳轨道。扩展范围预测的到来和选择性气候学的发展，随着功能强大的计算机建模技术，使船舶路径系统的实现成为可能[4]。
3.1最优船舶路径选择原则
今天，在最佳越洋航线的评价上，除了关注首要的安全问题，通常是给导航时间（或导航速度）而不是距离。在综合考虑安全和节能和最短距离之间的港口不一定是一个最佳路线。如果在主发动机输出功率相等的情况下，有很多路线可以选择，所需时间最少的路线是最佳路线，短时间本身就意味着更少的燃油消耗。
因此，最佳路线必须考虑以下条件：
-安全；
-尽可能避免恶劣的天气和海洋条件；
-自然因素，如天气，海洋条件和海流，以增加导航速度尽可能。
为了找到最佳路线，在选择规划导航路线和进行修正时，必须始终遵循以下原则：
-首先确保安全，尽可能避免恶劣的天气和海洋环境；
-第二，如果在这种情况下，没有其他选择，只能通过一个严峻的环境，则要在尽可能少的时间内通过；
-第三，导航路线的设计总是以缩短航行时间和提前到达的ETA（预计到达时间）；
-第四，尽可能利用自然条件，有助于提高导航速度，如下风向和下洋流，尽可能地避免自然因素，和对航行速度不利的因素，如迎潮。
风浪对船舶航速的影响是非线性的。在其他条件不变的情况下，其对船舶的速度，主机功率输出，和燃料消耗的影响不能用一个简单的代数表达式表达出来。因此，在船舶的节能方面，如果按计划进行的修改，导航总体上利用自然条件，对其有利，并避免自然条件的工作对它不利，因此，在船舶的节能方面，如果在计划的更正上，使用导航系统整体的自然条件，工作优点，并避免了自然条件对它工作的影响，总的导航时间可以减少，虽然总的导航距离可能会被延长，但是增加的导航速度通常可以弥补增加的航行距离。
3.2最优路径计算
基于上述原则的最优路径规划，最优路径的成本是一个函数的阻塞程度和起点和终点之间的距离。因此，解决一个最佳的船舶路径问题可能会被视为寻找路线与最低成本之间的一组候选路线，同时考虑天气条件考虑。所提到的成本不仅限于距离，还有可能包括导航时间，燃油消耗或综合因素。应控制的决策变量是操纵航向和速度。总的计算成本（I）被计算为每个路线（S）的成本的总和。它是基于船舶的位置（P），变量的操纵控制（C）（即，速度和航向）还有持续的时间（T）。有了这些成本的支撑，船舶的路由问题可以用以下公式来描述：
最小化：
f(P, C, t) - 航海位置的消耗函数，控制操纵和时间；P isin; R, C isin; CA
R是一个可能的航海区域，操纵控制变量可以使船的输出速度和航向改变范围得到控制。每单位距离的成本是衡量燃油消耗和船舶航行安全程度指标。
- 蚁群算法与船舶路径计算
4.1蚁群算法原理
蚁群算法是一种进化计算模型，其模型的行为是真正的蚂蚁寻找食物。该算法是由Dorigo[5]提出的，已被成功地用于解决许多现实问题，如商业旅行问题（TSP）。在自然界，蚂蚁寻找食物的过程中，有许多不同的途径从巢到食物的来源，不同的蚂蚁会在第一次选择不同的路径，但在最后几乎所有的蚂蚁都会发现同样的最短路径。这是因为蚂蚁寻找最短路径是一个互动的过程，他们把一定量的（信息素）分泌在道路上，他们可通过感知分泌物的存在和朝向物质有更高浓度和强度的方向移动。分泌的量随蚂蚁数量的增加而增加，某些会随时间下降。其原因是，蚂蚁通过最短路径和信息素积累的速度高于其他路径。通过信息素的连续交换在最后发现巢穴和食物源之间的最佳路线。蚁群算法是一种优化决策方法，这一能力是根据自然世界中的蚂蚁所设计的。一组一定数量的人工蚂蚁（船）遵循一套搜索规则，综合的找到最佳路线。天气路径的目的是找到最安全、最经济的路线导航，他是基于出发点和目的地之间的天气和操纵控制条件。条件和目标基本相同的ACA。
4.2海洋网格系统的划分
为了计划导航路径变化的必要性和方向性，海洋空间必须先划分网格。网格形式基于候选的航点，和航点组成的航线结构（图1）。莫特[ 16 ]进行了详细的比较和分析，对于网格大小的设置，提出了一个半度纬度的网格尺寸应为四度。
然而，实验测量是在西欧到北美国的基础上，可能不适用于除北大西洋外其他海洋地区。另外，鉴于近南北方向的旅游方向，大环线，采用四度经度作为网格的横向宽度，并不总是合适的。因此，在这项研究中距离是作为网格大小的设置的基础，因此，用户本身的灵活性可以来改变保存的设置。
4.3蚁群算法的实现
首先，在导航区域建立一个网格系统及其节点矩阵，并在矩阵中提供适当的初始值，形成初始节点信息集中值矩阵。然后，把所有的蚂蚁在起点，让他们同时移动朝向目标方向，并最终达到目的地。在这个过程中，每一个蚂蚁都使用状态转换规则，并在下一个节点时进行选择处理。假设一个蚂蚁在节点上旅行的时候，在节点上设置了一个节点i，在下一个节点设置i 1，是相同的，而且距离不是一个因素，所有的蚂蚁都会同时到达目的地并完成一个循环。在所有的蚂蚁都到达了目的地后，基于每只蚂蚁发现的路径计算目标函数值（公式1）。每个节点也被整体的信息量更新，和不通过的节点被视为信息的蒸发点。重复这个过程，直到找到最佳路线。具体的解释过程如下：
4.3.1信息量的调整
假定蚂蚁的数量是米，并且，每一个蚂蚁根据路径上的信息量的相应概率选择下一条路线，而不是选择先前已完成的路线。在完成一个路径循环时，它会产生相应数量的信息浓度，基于总距离的路线和刚刚更新的通过路线上的信息浓度。tab（t）表示路径信息浓度（A，B）在t-moment，在t 1时刻这条线路的信息含量：
rho; 一个恒定的提示信息数量的剩余系数是0和1之间，（1–rho;）代表信息蒸发系数；
– 蚂蚁在路径上的信息量的增加，在t
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[151318]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
