資源描述：
《基于遺傳算法的船舶避碰決策研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代碼：10254密級(jí)：論文編號(hào)：上侮廖事犬學(xué)SHANGHAIMARITIMEUNIVERSITY碩士學(xué)位論文MASTERDISSERTATl0N#論文題目：學(xué)科專業(yè)：作者姓名：基于遺傳算法的船舶避碰決策研究交通信息工程及控制王則勝指導(dǎo)教師：陳錦標(biāo)副教授施朝健教授完成日期：二oo五年六月上海海事大學(xué)碩士學(xué)位論文摘要隨著計(jì)算機(jī)技術(shù)與信息技術(shù)的發(fā)展，航海領(lǐng)域的自動(dòng)化和智能化研究成為航海科技工作者新的研究方向，研究船舶智能避碰系統(tǒng)目的就是尋求避碰局面下的最優(yōu)避碰方案。遺傳算法作為一種優(yōu)化算法，在解決目標(biāo)優(yōu)化問題時(shí)，能夠在求解速度和求取最優(yōu)解中找到一個(gè)很好的平衡點(diǎn)。它以決策變量某種
2、形式的編碼為運(yùn)算對(duì)象，從由眾多方案組成的初始群體開始搜索，在搜索過程中能夠自動(dòng)獲取和積累有關(guān)搜索空間的知識(shí)，并自適應(yīng)地控制搜索過程。算法通過遺傳操作算子產(chǎn)生新的種群，利用適應(yīng)度函數(shù)評(píng)價(jià)種群中個(gè)體的優(yōu)劣，通過不斷的進(jìn)化，能夠求得最優(yōu)解或較優(yōu)解。本文嘗試將遺傳算法應(yīng)用于船舶避碰決策研究，在眾多的避碰方案中，綜合考慮安全、經(jīng)濟(jì)和國際海上避碰規(guī)則等因素，尋求出較優(yōu)的避碰方案。本文首先分析國內(nèi)外船舶智能避碰決策的現(xiàn)狀，簡(jiǎn)單地闡述本課題的研究意義：第二章對(duì)船舶避碰的基本原理和船舶運(yùn)動(dòng)參數(shù)的計(jì)算方法進(jìn)行分析，并分析避碰決策的目標(biāo)和要求；第三章在闡述了遺傳算法基本原理和特點(diǎn)的基礎(chǔ)上，結(jié)合船舶
3、避碰的原理，建立基于遺傳算法的船舶避碰決策模型。該模型不僅充分考慮了船舶避讓航線的安全性和經(jīng)濟(jì)性，而且考慮到避碰規(guī)則對(duì)船舶避碰的要求。設(shè)計(jì)三種基本的遺傳操作算子對(duì)初始隨機(jī)生成的眾多避碰航線進(jìn)行遺傳操作，經(jīng)過一定代數(shù)的進(jìn)化，得出較優(yōu)的避碰方案，并設(shè)計(jì)對(duì)算法的性能進(jìn)行有效評(píng)價(jià)的方法。論文在第四章利用Visualc++對(duì)建立的基于遺傳算法的船舶避碰模型進(jìn)行實(shí)例仿真，通過對(duì)利用遺傳算法求取的較優(yōu)避讓方案進(jìn)行動(dòng)態(tài)演示，檢驗(yàn)結(jié)果的有效性，對(duì)結(jié)果進(jìn)行一定的評(píng)價(jià)：最后，論文對(duì)課題的結(jié)論和不足之處進(jìn)行總結(jié)，并對(duì)課題后繼工作和值得研究的地方進(jìn)行了討論。本文所建立的基于遺傳算法的避碰仿真系統(tǒng)，調(diào)試
4、通過，從系統(tǒng)運(yùn)行的情況來看，所建立的模型基本正確，系統(tǒng)運(yùn)行的效率高，能夠迅速提供決策的方案，通過不斷地對(duì)模型和遺傳操作算子進(jìn)行改進(jìn)和完善，該系統(tǒng)可作為船舶避碰的輔助決策系統(tǒng)，為船舶避碰決策提供重要的依據(jù)。關(guān)鍵詞：船舶避碰，國際海上避碰規(guī)則，智能決策，遺傳算法上海海事大學(xué)碩士學(xué)位論文StudyonVesselPreventingCollisionDecision-makingBasedonGeneticAlgorithmABSTRACTWiththedevelopmentofcomputertechnologyandinformationtechnology,thestudyo
5、nautomaticandintelligentnavigationbecomesapromisingresearchdirection．Thestudyofvessels’intelligentcollisionavoidancesystemisusuallytosearchfortheoptimalevasionstrategyincollisionsituation．GeneticAlgorithm(GA)isonekindofoptimizationalgorithms．Whensolvingoptimalobjectproblems。itcangetthetrade
6、offbetweenthesolvingspeedanttheoptimalkey．Usingthedecision·makingvariables’somekindsofcoding，GAbeginstosearchfortheoptimalresultinthepopulationwhichconsistsofmanyinitializedschemes．Itobtainsandaccumulatesinformationofthesearchingspaceautomatically．Anditcancontrolthesearchingprocessauto-adap
7、tively．GAusesoperationtoproducenewpopulation，andbycontrollingcorrespondedparameters，usingthefitnessfunctiontoevaluateindividualsineachgeneration．Byevolvingcontinually,itcangettheoptimalorrelativeoptimalresult．Thispaperisanattempttostudyvessel’Savoidancec
