申请/专利权人：江苏海洋大学

申请日：2024-01-17

公开（公告）日：2024-06-11

公开（公告）号：CN118170132A

主分类号：G05D1/43

分类号：G05D1/43;G05D109/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.28#实质审查的生效;2024.06.11#公开

摘要：本发明涉及基于惩罚信息素蚁群算法的船舶路径规划方法，旨在提高船舶在复杂海洋环境中航行的安全性和效率，特别是在考虑中尺度涡旋和流体动力环境影响的情况下。首先，通过海洋监测设备收集航线周边海洋环境数据，并使用高性能计算机对数据进行分析，识别中尺度涡旋和流体动力等海洋现象。其次，根据船舶的尺寸、质量等参数建立船舶动力学模型，并将海洋环境影响整合到该模型中。最终通过惩罚信息素策略和启发函数优化蚁群算法，执行全局信息素更新和状态转移规则更新，从而得出最优航线。本发明提供的船舶路径规划方法能有效规避海上障碍物，适应复杂海域环境，同时降低能耗和提高航行效率，具有较强的实用性和广阔的应用前景。

主权项：1.基于惩罚信息素蚁群算法的船舶路径规划方法，其特征在于，该方法包含一种改进的蚁群算法—惩罚信息素蚁群算法，具体包含以下步骤：T1：采用强化学习原理对船舶进行惩罚信息素策略：每只船舶在栅格地图上从起始点出发，依据当前信息素浓度选择下一步移动的位置；若船舶遇到不可行路径或死胡同时，记录此路径，并在该路径上释放惩罚信息素，数量根据设定的惩罚强度而定；更新地图信息，将惩罚信息素的影响反映在船舶未来的路径选择中；T2：设计并应用三种启发函数：距离启发式函数，计算每个可选路径节点至目标节点的直线距离，作为选择该节点的依据；变向启发函数，依据船舶当前航向与选择路径节点后新航向的夹角，计算转向成本，优先选择转向成本较低的路径；风险启发函数，检查每个可选路径节点周围的障碍物数量，优先选择障碍物较少的路径；T3：对模拟海洋环境中的中尺度涡旋和流体动力环境因素进行建模，将这些模型整合到启发函数中，每次船舶在选择下一步行动时，综合考虑这些环境因素对路径的影响；T4：执行全局信息素更新机制：在每次迭代结束后，根据本次迭代中所有船舶的路径选择情况，更新引导信息素，增加指向优质路径的信息素浓度，减少指向较差路径的信息素浓度；对于标记有惩罚信息素的路径，增加其信息素浓度，以反映这些路径的不可行性或低效率；T5：更新状态转移规则，具体为：根据当前节点的信息素浓度及启发函数值计算船舶从当前节点移动到每一个可能节点的概率；对每一只船舶，基于上述计算的概率随机选择下一步移动的节点；此状态转移规则考虑了引导信息素和惩罚信息素，以及距离、变向和风险启发函数的影响，确保船舶在搜索过程中能够更有效率地找到优质路径，并避免不可行或低效率路径。

全文数据：

权利要求：

百度查询： 江苏海洋大学 基于惩罚信息素蚁群算法的船舶路径规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD