Multi-Objective Weather Routing Algorithm for Ships Based on Hybrid Particle Swarm Optimization

Maritime transportation has become an important part of the international trade system.To promote its sustainable de-velopment,it is necessary to reduce the fuel consumption of ships,decrease navigation risks,and shorten the navigation time.Ac-cordingly,planning a multi-objective route for ships is an effective way to achieve these goals.In this paper,we propose a multi-ob-jective optimal ship weather routing system framework.Based on this framework,a ship route model,ship fuel consumption model,and navigation risk model are established,and a non-dominated sorting and multi-objective ship weather routing algorithm based on particle swarm optimization is proposed.To fasten the convergence of the algorithm and improve the diversity of route solutions,a mutation operation and an elite selection operation are introduced in the algorithm.Based on the Pareto optimal front and Pareto optimal solution set obtained by the algorithm,a recommended route selection criterion is designed.Finally,two sets of simulated navigation simulation experiments on a container ship are conducted.The experimental results show that the proposed multi-objective optimal weather routing system can be used to plan a ship route with low navigation risk,short navigation time,and low fuel consumption,fulfilling the safety,efficiency,and economic goals.     

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。     

基于AIS数据的船舶行为特征挖掘与预测:研究进展与展望

船舶行为特征挖掘与预测是水上智能交通系统的重要研究内容,也是交通运输工程领域的关键科学问题。为系统研究基于船舶自动识别系统（Automatic Identification System, AIS）数据的船舶行为特征挖掘与预测的研究现状与发展趋势,本文首先针对Web of Science(WOS)和中国知网（China National Knowledge Infrastructure, CNKI）收录的文献,用知识图谱分析软件VOSviewer对文献关键词进行处理,从文献计量学的角度生成高频关键词的聚类图谱和趋势演化。然后对基于AIS数据的水上交通要素挖掘、船舶行为聚类和船舶行为预测3个主题的研究内容、方法、存在问题进行了系统分析和展望,研究结果表明：① 在基于AIS的水上交通要素挖掘方面,主要集中在对AIS数据中表征船舶行为空间特征和交通流的时间特征单独挖掘分析,缺乏对AIS数据的时间、空间以及环境因素特征的关联挖掘,对于如何进行交通要素的关联融合挖掘研究还有待深入探索;② 在船舶行为聚类方面,研究主要是运用无监督聚类方法研究船舶航迹点和航迹段聚类,得到船舶航行行为模式的时空分布和船舶操纵意图辨识模型,然而融合多维特征的船舶轨迹的相似性计算方法、聚类参数的自适应选取以及船舶行为的语义特征建模有待进一步研究;③ 在船舶行为预测方面,主要集中在基于动力学方程、传统智能算法和深度循环神经网络的船舶行为预测研究,考虑船舶行为的随机性、多样性和耦合性的特点,运用混合神经网络模型以及神经网络与向量机、注意力机制相结合的模型实现多维的船舶航行行为特征的实时预测将是新的研究方向。最后提出了基于语义模型的船舶行为特征挖掘、基于深度卷积神经网络的船舶行为的预测和基于知识图谱的船舶行为特征挖掘和预测结果可视化等有待进一步研究的方向。     

土地利用配置的混沌蚁群优化算法研究

土地利用优化配置是促进土地可持续发展的重要举措,然而现有研究缺乏有效求解土地利用优化配置模型的新型混合式智能优化算法。本文结合蚁群算法和混沌模型,形成混沌蚁群优化（Chaos Ant Colony Optimization,CACO）算法,并以广州市增城区为研究区,对土地利用现状进行优化配置;然后在数量结构、目标函数值、空间布局等方面将优化结果与土地现状及标准蚁群算法优化结果进行对比分析。结果表明：① CACO算法能在满足多种约束条件下,有效解决多目标土地利用优化配置问题;② 与标准蚁群算法相比,CACO算法能增加土地利用的经济效益7.18亿元、生态效益0.33亿元、社会效益1.13%,同时降低地类转换成本1.15%;③ CACO算法能使土地利用现状空间分布多样性和均匀性的下降控制在1.30%以内,同时缩减地块数量8.86%,并使平均斑块大小增加9.77%,从而提升土地集约利用水平,更合理地配置各现状地类的空间分布,为研究区土地利用的科学规划与决策提供支持。     

基于中轴变换算法的室内外一体化导航路网自动生成方法

室内外一体化导航路网的快速生成与更新对面向行人的跨场景导航具有重要意义。当前研究主要关注单一场景下的导航路网构建,对于跨室内外场景的导航路网自动生成研究较少。本文基于对偶图思想与二维平面多边形中轴变换（Medial Axis Transform）算法,提出一种室内外一体化导航路网自动生成方法,并以某建筑CAD平面图及周边路网环境为基础数据进行了实例研究。结果表明：该方法能够根据原始数据的几何、拓扑、语义信息自动构建导航路网,并支持室内外跨场景的最短路径查询,在最短路径查询效率上较传统分场景寻路模型整体提升10.18%;相较单一场景下的导航路网,一体化导航路网可结合语义信息将室内及室外导航路网有机统一起来,解决跨场景寻求最优路径的问题,为最优路径规划的相关研究提供了新的思路。     

基于欧拉迭代模型预测的欠驱动水面船舶路径跟踪控制

【目的】解决具有外部受风流干扰和舵角输入受约束的欠驱动船舶路径跟踪问题。【方法】采用基于欧拉迭代的模型预测控制算法(MPC)对欠驱动船舶路径跟踪进行控制。【结果】MPC能够灵活地处理舵角输入受约束问题,欧拉迭代法离散和预测船舶未来状态可以简化MPC设计的运算。为弥补欧拉迭代法在精度上的不足,直接以分离型船舶模型(MMG)作为MPC的预测模型。应用径向基函数(RBF)神经网络历史信息训练实现对外界风流干扰的逼近及补偿。【结论】所设计的控制器可以使船舶在考虑风流干扰和舵角约束的情况下准确地跟踪上设定的路径,所提控制算法的有效性得到验证。     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

����IPSO-BPģ�͵Ĵ�Ӷ�Դ�������Ԥ���뷴��

???????????????????IPSO??????????????????????м??????????????????????????????????????????????????????????????????????????????BP?????????γ?IPSO_BP??????????????????μ????????????????????????IPSO_BP???????????????Ч??????????????????????????????     

面向山地徒步应急救援路径规划的改进蚁群算法研究

当消防事故发生在无明显道路或道路稀疏的野外复杂山区时,如何在复杂山地环境中规划安全、快速通过的路线至关重要。针对蚁群算法在复杂山地路径规划中容易陷入局部最优以及搜索时间较长的问题,本文提出一种适用于细粒度野外山地环境的徒步应急救援路径规划算法。本文首先根据已有文献分析地表信息与人类运动速度之间的关系,综合地表灌木盖度与地形坡度因素设计寻优算法的目标函数和启发函数;接着采用定向范围视野的蚂蚁搜索方式,决定蚁群算法寻优过程中每一步的网格选择;最后采用拉普拉斯分布调整初始信息素、添加隔离信息素、融合遗传算子与分组更新常规信息素的方法改进蚁群算法。将算法应用到400×400、1000×1000、5000×5000、10 000×10 000网格数的野外山地环境进行实验对比,实验结果表明,采用定向范围视野与优化启发函数的各蚁群算法在四组实验中均能得到可行路径,验证了方法的有效性;本文算法求解的路径质量优于另外三种算法,在四组实验中分别提高了0.52%～4.95%、4.71%～5.39%、2.26%～13.11%、3.84%～9.16%;此外,在野外三维山地环境中,定向范围视野的搜索方式缩减了搜索...     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

台湾海峡船舶定线制设计的数据空间处理与分析

船舶定线制是指定船舶在水上某些区域航行时所遵循或采用的航线、航路或通航分道的一种制度,是水上交通繁忙区域实施有效管理的主要手段,是对航路合理规划、有效利用的重要方法,代表着水上船舶航行秩序管理的发展方向。本文针对台湾海峡船舶定线制设计中对船舶交通数据的空间处理及分析需求,经过大量实测数据分析和实践验证,提出了一些符合台湾海峡船舶定线制设计的数据空间处理及分析方法,并就船舶定线制推荐方案的空间表达形式作了简要介绍。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...     

基于改进蚁群算法的无人机低空公共航路构建方法

日益增加的无人机数量和飞手自由规划航线给航空安全带来极大隐患。构建一个安全、高效的航空飞行环境,可以为无人机活动设立隔离空域,并在隔离空域内规划无人机低空公共航路,以提高低空空域利用率,为无人机交通管理提供决策依据。本研究充分考虑无人机近地表飞行及其即时通讯等特点,以天津市为例,基于地理信息技术构建以多源地理空间数据为基础的无人机低空飞行环境,包括低空蜂窝网络环境、大气环境和政策空域环境等,并改进传统蚁群算法以搜索无人机最优路径,得到该区无人机低空公共航路网。研究结果表明,改进的蚁群算法大大提高了路径搜索效率,满足无人机航路规划的高时效性、动态更新等要求;并且天津市航路长度符合市场上现有的无人机最远航程要求,基本满足现有的无人机运输要求。本研究描述的无人机低空公共航路研究的核心算法和关键技术,可以为无人机管控系统提供核心技术支撑。     

面向室内导航的分层认知路网优化方法

随着室内空间应用规模的增加以及室内定位技术的发展,面向大型场馆等室内空间的应急救援与导航成为室内GIS应用的研究热点,而室内路网构建是室内应急导航服务得以实现的关键技术。本文面向室内导航寻径的这一现实问题,以室内路网动态构建与优化作为研究对象,基于室内空间感知规律以及分层认知的方式,提出和构建了室内单元认知分层编码方法：① 将建筑物室内路网分为街道-建筑物、建筑物-楼层、楼层-区块、区块-房间等4个层次;② 为了满足语义分析的需求,在分析室内单元功能的基础上,引入“虚拟房间单元”,将室内封闭性空间和联系性空间统一剖分为房间单元;③ 依据室内建筑认知分层模型以及室内单元剖分结果,按照建筑物-楼层-分区-房间单元的顺序,从高级到低级的顺序进行连续分层编码。以国内某商业中心为例构建了室内分层认知路网,每一个层次都可以减少参与运算的结点和弧段数,简化了计算网络,从而提高了运算的效率,同楼层寻径时间约为55 ms,跨楼层的寻径时间约为100 ms左右。结果表明,该分层认知编码模型符合人们对室内路网的经验性层次认知,能够很好地刻画路网层次特征,能满足寻径计算的精度和效率的要求,为面向导航的室内应用奠定了基础。     

基于神经网络汉语分词模型的优化

针对目前汉语分词系统中BP算法收敛速度慢等难题，提出利用Levenbery-Marquart算法优化神经网络分词模型。较详细地介绍了所建立的试验系统。并进行了试验分析。优化后的模型可以有效地解决神经网络模型中易陷于局部极小、算法收敛速度慢等缺点。进一步提高该模型在分词领域中的实用性和分词效率，对于中文信息的自动化处理具有重要意义。     

۶���������ƴ��ˮ׼�澫���о�

???????????????????BP?????緽????????????????????棬?????????????????????????????Ч???????????????????????????????????????????????????????????????????????????????????仯???????????????????????????y?????ж???????????п?????θ?????????￡?PSO-BP??????????????÷???????Ч????     

���������Ż�RBF�����ڶ�̬����Ԥ���е�Ӧ��

?????????????????????????????????????????????????RBF?????????????????????CIOA????RBF??????????????????????????????CIOA?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????RBF???????????????????????У???Ч????????????????????     

基于SSA-Elman神经网络的电离层TEC短期预报模型

针对基于神经网络的电离层TEC短期预报存在精度较低、易陷入局部最优的问题,利用CODE中心提供的TEC数据及地磁活动指数,建立基于麻雀搜索算法(SSA)改进Elman神经网络的电离层TEC短期预报模型,并通过BP模型、Elman模型及SSA-Elman组合模型分别对电离层平静期和扰动期中低纬度TEC进行5 d连续预报....     

基于网格划分的无线传感器网络节点冗余分析

在无线传感器网络中,节点的大量随机部署导致冗余节点的存在,寻找冗余节点并使它定时休眠,可以减少网络冗余数据和信道拥塞、降低节点能耗,从而延长网络的生命周期.现有的CCP算法、圆周覆盖算法在去除冗余节点后网络产生覆盖盲区;基于Voronoi图的算法计算量大且只能用于同构网络;节点时间表制定算法在判定过程中只考虑部分邻居节点,不能完全消除冗余节点.提出基于网格划分的冗余节点判定方法,并且将网格算法与EECRS协议结合,建立基于冗余节点消除的路由协议.仿真分析结果表明,网格算法冗余节点判定的准确性优于圆周覆盖算法和CCP算法的;网络生命周期比圆周覆盖算法的延长22.2%,比CCP算法的延长30.5%,该路由协议能够有效延长网络生命周期.     

���������繹���GPS/INS����Ӧ��ϵ����㷨

????????????????￡??????????????????????????????????????????GPS/INS????????????????????????????????????????????????????????????????????????????Ч????????????????????????????????????????????????????