买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津云遥宇航科技有限公司

摘要：本发明提供了一种基于遗传算法的航线规划方法，包括以下步骤：S1、采集全球气象预报数据；S2、根据航速和航向构建航行目标函数，根据全球气象预报数据建立可航行区域；S3、通过遗传算法搜索满足船舶出发时间和计划到达时间的最优航线。本发明有益效果：通过利用全球气象预报数据和遗传算法，为远洋船舶规划安全可行的航线，相较于当前的单目标优化不能满足目前船舶远洋航行，通过多目标优化方案，给出了固定到达时间和油耗这两个目标函数，在优化目标中考虑船舶偏航角度，船舶航行轨迹更加平滑，更贴近船舶实际应用。

主权项：1.一种基于遗传算法的航线规划方法，结合最新的航行需求和气象预报对比计算结果及时调整航线推荐方案，其特征在于，针对多目标优化，固定到达时间和船舶航行燃油消耗的航行目标函数，优化过程中考虑船舶偏航角度，包括以下步骤：S1、采集全球气象预报数据；S2、根据航速和航向构建航行目标函数，根据全球气象预报数据建立可航行区域；根据航线的航路点、航路点之前各航段的航速区间、船舶的航行方向；根据航线的禁止船舶航行的区域建立可航行区域；根据船舶自身可航行的最大船速信息建立约束条件；S3、以航线的起点和终点位置的大圆航线或经典航线为基础获得多个备用航线，以船舶自身最大和最小航行速度作为速度搜索区间，通过遗传算法搜索满足船舶出发时间和计划到达时间的最优航线；S3的具体步骤包括：S31、将所有备选航线上的航路点坐标、航速信息进行编码，每个备选航线中起点到终点的一个航路点坐标和航速信息作为一个基因，备选航线上的起点到终点作为染色体，多个备选航线作为初始种群；S32、根据全球气象预报数据、船舶参数、环境信息及航行目标函数，计算每条备选航线的航行目标函数值，根据目标函数值为每条备选航线分配适应度；S33、根据航行目标函数及对应的边界解计算每个备选航线的拥挤距离；步骤S31中，将地图进行栅格化处理生成0.5°×0.5°精度的栅格地图，将备选航线上的航路点坐标、航速信息按照实数编码的方式进行编码，相较于传统的二进制编码，通过对航线的坐标和速度进行实数编码，使得编码后优化情况更加明确，算法能较快的收敛得到最优解；起点坐标lats,lons和终点坐标late,lone按照以下公式计算大圆航线的航程Dis和初始航向Azi,Dis＝2r*arcsinsqrtsin2late-lats2+coslats*coslate*sin2lone-lons2；Azi＝arctancoslate*sinlone-lonscoslats*sinlate-sinlats*coslate*coslone-lons；S32、根据全球气象预报数据、船舶参数、环境信息及航行目标函数，计算每条备选航线的航行目标函数值，根据目标函数值为每条备选航线分配适应度；船舶固定到达时间目标函数模型为： 船舶最低油耗目标函数模型为： 其中Fetat为航行固定到达时间函数的目标值，FQt为最低燃油消耗函数的目标值，Talarm为危险航行时间，Dturn为船舶航行方向偏移量，Ts为船舶出发时间,Te为船舶期望到达时间，Q为整条航线船舶燃油消耗量； 船舶燃油总消耗量由每个航段燃油消耗量总和得到，每个航段燃油消耗量qvi的计算由船舶速度与公式对应关系，利用三次拟合函数进行曲线拟合得到；危险航行时间由航段上危险航行区域的时间和危险航行速度的时间累计求和得到，在计算时会检测航段上每个航段是否通过陆地、浅滩水域、警戒区这种不可航行区域，船舶在超过自身抗风浪等级的区域中的航行时间也记录在危险航行区域时间中；船舶在海上航行时由于设计原因会有最大可航行速度和最小可航行速度区间，超出此区间的航行时间记录在危险航行时间中；S32中，根据航行目标函数计算每条染色体的航行目标函数值，根据航行目标函数值对所有备用航线进行降序排序，用P来表示目标函数值，P＝[P1...Pi...Pn],n表示种群数量，然后根据排序位置对所有备用航线分配适应度值，排在前面的个体适应度值低；适应度fiti如公式如下： 其中,posi表示第i个备用航线的位置；S33、根据航行目标函数及对应的边界解计算每个备选航线的拥挤距离；为了获得对种群中某一特定解附近的密度估计，可以沿着对应目标计算这个解到两侧点间的平均距离，这个值是两个最近的相邻的点形成的矩形的周长，称为拥挤距离；拥挤距离需要根据目标函数值和对应函数最大最小的解进行计算；将每个个体按照目标函数值进行排序后，边界点赋值为∞，使之总是被选中；第m个目标函数中第i个染色体的拥挤度CDim具体计算公式为： 其中Lm表示第m个目标函数，Xmax表示所有个体在第m个目标函数下的最大值，Xmin表示所有个体在第m个目标函数下的最小值；S34、根据拥挤距离对备选航线进行筛选，对筛选出的备选航线进行交叉和变异操作形成筛选种群；S34中，根据种群中个体适应度的大小来确定需要被复制到子代种群中的个体，个体的适应度越大则被复制到子代种群的概率越大，使用锦标赛选择方法进行选择，使用锦标赛选择方法，不易陷入局部最优解且易于并行化处理，具体步骤如下：S341、首先确定每次选择的备用航线N；从种群中随机选择多个备用航线N，每个个体被选择的概率相同；S342、根据备用航线的适应度值和拥挤度选择备用航线，适应度值和拥挤度越大被选择的概率越大,根据每个个体的适应度值和拥挤度，选择其中最好的个体进入下一代种群；重复步骤S341-S342直到新得到的种群规模达到原来的种群规模；S343、在Sigmoid函数的基础上增加了迭代次数进行交叉和变异操作形成筛选种群；交叉概率Pc和变异概率Pm公式如下所示： 其中fmax为当前种群的最大值，favg为当前种群的平均值，f’为两个交叉对象中适应度函数值较大个体的值，f为要变异个体的值,Pcmax、Pcmin分别为交叉概率的最大值与最小值，Pmmax、Pmmin分别为变异概率的最大值与最小值，g为当前迭代次数，G为算法的迭代次数；S35、使用筛选种群重复步骤S32至S34得到直至计算出满足航线固定到达时间，且燃油消耗量处于收敛状态的备用航线作为最优航线。

全文数据：

权利要求：

百度查询： 天津云遥宇航科技有限公司 一种基于遗传算法的航线规划方法