傳統(tǒng)艦船避碰輔助決策系統(tǒng)所采用的蟻群算法在對船舶路徑碰撞信息素計(jì)算過程中,存在收斂速度慢、碰撞信息素濃度低的問題,導(dǎo)致輸出結(jié)果的可靠性較低,因此提出改進(jìn)蟻群算法的艦船避碰輔助決策系統(tǒng)可靠性設(shè)計(jì)方法。通過對船舶避碰路徑模型的構(gòu)建與分析,結(jié)合傳統(tǒng)蟻群算法在避碰決策計(jì)算上的缺失數(shù)據(jù),對蟻群算法進(jìn)行改進(jìn),并將改進(jìn)的蟻群算法引入到避碰輔助決策系統(tǒng)進(jìn)行仿真計(jì)算,通過對決策數(shù)據(jù)的分析得到艦船避碰輔助決策可靠性數(shù)據(jù)。通過設(shè)計(jì)仿真實(shí)驗(yàn)對得到的可靠性數(shù)據(jù)進(jìn)行驗(yàn)證,證明了本文方法所得數(shù)據(jù)的可靠性。 

【文章來源】：艦船科學(xué)技術(shù). 2019,41(24)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

常規(guī)艦船航行路徑的模型Fig.1Modelofconventionalshipnavigationpath

0t<n∑k=1q0→kn=1，n1∑k=1q0→kt<n∑k=1q0→kn2。(7)式中：t值的隨機(jī)范圍為[0，1]。3）蟻群的信息素更新機(jī)制將螞蟻搜索路徑上信息素的變化作為搜索依據(jù)，通過多信息源更新機(jī)制，來完成搜索路徑柵格內(nèi)包含信息素的更新替換，過程如下：υ′n=(1)(υn+υ)。(8)∈(0,1)υn式中：表示信息素最小擴(kuò)散值；表示信息素圖1常規(guī)艦船航行路徑的模型Fig.1Modelofconventionalshipnavigationpath圖2傳統(tǒng)蟻群算法柵格搜索流程Fig.2Traditionalantcolonyalgorithmgridsearchprocess·56·艦船科學(xué)技術(shù)第41卷

]邵俊倩,李成鳳.Multi-agent技術(shù)在海上船舶避碰決策系統(tǒng)開發(fā)中的應(yīng)用[J].艦船科學(xué)技術(shù),2018,40(1A):64–66.[4]表1避碰輔助決策可靠性測試參數(shù)Tab.1Reliabilitytestparametersforcollisionavoidanceauxiliarydecision碰撞點(diǎn)中心坐標(biāo)代碼碰撞半徑（nmi）測試避碰決策輸出數(shù)據(jù)集可靠性測試類別E541/S421/E54300/300/300195（Sn_953）BMP2E548/E42/S658300/600/300231（Sn_812）T72S24/E57/E63400/600/300196（Sn_c21）T62E841/S63/E42400/280/573191（Sn_s7）ZSU23/4圖3決策可靠性結(jié)果曲線Fig.3Decisionreliabilityresultcurve第41卷丁文：改進(jìn)蟻群算法的艦船避碰輔助決策系統(tǒng)可靠性研究·57·

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)蟻群算法及其在船舶最優(yōu)航線導(dǎo)航中的應(yīng)用[J]. 楊海.  艦船科學(xué)技術(shù). 2019(04)
[2]基于實(shí)船監(jiān)測數(shù)據(jù)的定航線船舶智能航速優(yōu)化[J]. 馬冉祺,黃連忠,魏茂蘇,柳霆,劉伊凡,王寰宇.  大連海事大學(xué)學(xué)報(bào). 2018(01)
[3]Multi-agent技術(shù)在海上船舶避碰決策系統(tǒng)開發(fā)中的應(yīng)用[J]. 邵俊倩,李成鳳.  艦船科學(xué)技術(shù). 2018(02)
[4]基于Maklink圖和蟻群算法的航線規(guī)劃[J]. 陳曉,戴冉,陳昌源.  中國航海. 2017(03)



本文編號：3491818