基于改进蚁群算法的船舶路径规划

发布时间：2021-02-01 02:37

　　近年来,随着智能算法在陆地机器人路径规划领域得到广泛应用,将智能算法应用到船舶路径规划的研究也逐渐受到人们的重视。在此背景下,在船舶路径规划中,利用智能算法获取一条高质量的最优路径受到了广大学者关注。在经济飞速发展到的背景下,各国之间的贸易交流越来越频繁,因此海洋运输的发展便显得极为重要。而能否为船舶在海洋环境中找到一条安全快速的路径便是影响海洋运输业发展的重要因素之一。因此,如何快速有效地找到一条高质量的船舶航线成为了众多学者研究的热点。本文首先分析了船舶路径规划的特点,其次选取了栅格法作为无人船路径规划的环境建模方法,然后针对蚁群算法在路径规划中的具有搜索时间长、容易陷入局部最优、规划出的路径尖峰较多的缺点,设计出具有倾向性的启发因子,并提出新的信息素更新策略,来达到快速收敛和提高搜索路径质量的目的。最后,针对蚁群算法的初始信息素缺乏的缺点,提出粒子群-蚁群混合算法来进行船舶最优路径的搜索,该方法的原理是先用粒子群算法对路径进行全局搜索得到一组次优解,再用蚁群算法对求得的次优解进行二次优化,以达到快速搜寻出更短路径的目的。为了验证改进后的蚁群算法和混合算法对船舶路径规划的有效性,在... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图２．１环境的可视图??Ｆｉｇ．?２．１?Ｖｉｓｉｂｉｌｉｔｙ?ｏｆ?ｔｈｅ?ｅｎｖｉｒｏｎｍｅｎｔ??

图２．?４栅格法?ｔ??Ｆｉｇ．?２．４?Ｇｒｉｄ?ｍｅｔｈｏｄ??

图２．?５人工势场法??Ｆｉｇ．?２．５?Ａｒｔｉｆｉｃｉａｌ?ｐｏｔｅｎｔｉａｌ?ｆｉｅｌｄ?ｍｅｔｈｏｄ??

【参考文献】：
期刊论文
[1]基于改进A*算法的内河水网航线规划及应用[J]. 潘明阳,刘乙赛,李琦,李超,陈志体.  上海海事大学学报. 2020(01)
[2]基于改进蚁群算法的船舶冰区航行路径规划[J]. 童帮裕,胡坚堃.  中国航海. 2020(01)
[3]蚁群算法在移动机器人路径规划中的应用综述[J]. 张松灿,普杰信,司彦娜,孙力帆.  计算机工程与应用. 2020(08)
[4]基于改进蚁群算法的机器人全局路径规划研究[J]. 曹新亮,王智文,冯晶,查敏,王宇航.  计算机工程与科学. 2020(03)
[5]基于改进蚁群算法的移动机器人路径规划[J]. 陈劲峰,黄卫华,王肖,章政.  高技术通讯. 2020(03)
[6]改进蚁群算法的无人救生船航迹规划[J]. 邱晨,周海峰,王荣杰,林忠华.  集美大学学报(自然科学版). 2019(05)
[7]基于遗传算法规划路径的船舶避碰系统[J]. 崔瑾娟.  舰船科学技术. 2019(12)
[8]复杂水域船舶避碰路径规划研究[J]. 谢新连,何平,何傲,辛剑英.  重庆交通大学学报(自然科学版). 2019(12)
[9]基于改进遗传算法的船舶路径规划[J]. 谢玉龙,王直.  计算机技术与发展. 2019(05)
[10]考虑船舶偏好的海上风险规避路径规划研究[J]. 高天航,吕靖,赖成寿.  运筹与管理. 2018(11)

硕士论文
[1]基于改进蚁群算法的移动机器人路径规划研究[D]. 王飞.安徽工程大学 2019
[2]一种船舶航行路径的智能规划研究[D]. 孙耀东.大连海事大学 2018
[3]无人船路径规划算法研究[D]. 孟祥杜.天津理工大学 2017
[4]水质移动监测平台路径规划的研究[D]. 劳家骏.浙江大学 2016
[5]现代企业物流调度模型与监控研究[D]. 王昀海.浙江理工大学 2015
[6]水面无人艇路径规划技术的研究[D]. 刘建.江苏科技大学 2014
[7]无人驾驶救助船路径规划算法的研究[D]. 陈佳.武汉理工大学 2013
[8]GA-BP神经网络在导航路径规划中的应用[D]. 陈瑞.浙江工业大学 2013
[9]基于移动节点路径规划的定位算法的研究[D]. 武建华.太原理工大学 2012
[10]遗传算法在函数优化中的应用研究[D]. 金芬.苏州大学 2008



本文编号：3012048