学位论文 > 优秀研究生学位论文题录展示

基于改进蚁群算法的潜艇航路规划方法研究

作　者: 朱黎
导　师: 邓苏；黄宏斌
学　校: 国防科学技术大学
专　业: 管理科学与工程
关键词: 潜艇航路规划海洋环境因素蚁群算法动态网格最短路径问题
分类号: U674.76
类　型: 硕士论文
年　份: 2009年
下　载: 70次
引　用: 0次
阅　读: 论文下载

内容摘要

潜艇自诞生之日起,便因为其隐蔽打击能力和难以被敌方察觉的特性而受到青睐。但是,随着现代军事技术的不断发展,反潜装备性能得到了很大提升,使潜艇在航行过程中极易暴露目标;同时潜艇在行驶过程中还要面对复杂多变、危机四伏的各种海洋环境。现阶段有关潜艇的航路规划算法研究得较少,且现有的潜艇航路规划算法一般都没有考虑海洋环境因素的影响。本文的主要研究内容是:如何将各种海洋环境因素和敌情因素作为约束条件引入潜艇航路规划算法,为潜艇规划出一条从出发地点到目的地,隐蔽性最高、同时兼顾航行安全性和经济性的航路。本文首先介绍了潜艇航路规划的背景、意义和研究现状,分析了现有的多目标优化算法的特点及其各自适用的范围;然后研究了潜艇航路规划的评价体系,对规划航路的优劣程度总结出了隐蔽性、安全性和经济性这三个性能评价指标,介绍了各种海洋环境因素对这三个评价指标的影响;接下来对现有的网格划分算法进行了改进,得到了一种基于海洋环境的潜艇航路动态生成算法:包括网格的动态划分算法、网格的适航性、通行性和连通性的动态判断算法,并对该算法的可行性进行了验证;为了提高蚁群算法的收敛速度和迭代成功率,对现有的MAF-蚁群算法结构进行了改进,并把海洋环境因素和敌情因素作为约束条件引入改进的MAF-蚁群算法中,与航路动态生成算法相结合,得到了基于改进MAF-蚁群算法的潜艇航路规划优选方法,实现了潜艇航路的寻径、评价和优选的一体化;在本文最后使用该算法对潜艇航路规划实例进行了求解,并通过实验比较了改进前后的MAF-蚁群算法在性能上的提高,还对改进MAF-蚁群算法与其他优化算法在应用于最短路径问题时的性能差异进行了比较。本文将海洋环境因素作为约束条件引入了潜艇的航路规划算法中,并对现有的动态网格划分算法和蚁群算法进行了改进,使其能够适用于潜艇航路规划问题这一特殊领域,通过实验证明了使用改进蚁群算法解决潜艇航路规划问题的尝试是成功的,实验还证明了改进算法的性能确实得到了有效提升。

全文目录

摘要  8-9
ABSTRACT  9-10
第一章绪论  10-21
  1.1 潜艇航路规划的背景和意义  10-13
    1.1.1 潜艇航路规划在现代海战中的作用  10-12
    1.1.2 研究潜艇航路规划的意义  12-13
  1.2 研究现状及发展  13-17
    1.2.1 基于动态规划的潜艇最佳航路设计  14
    1.2.2 采用粒子群优化算法进行航路规划  14-15
    1.2.3 基于遗传算法的潜艇航路规划方法  15-16
    1.2.4 基于蚁群算法的航路规划方法  16-17
  1.3 研究内容与思路  17-19
  1.4 论文的组织结构  19-21
第二章蚁群算法基础  21-37
  2.1 常用的多目标优化算法  21-24
  2.2 蚁群算法在航路规划问题中的优势  24-25
  2.3 蚁群算法原理  25-32
    2.3.1 蚁群行为描述  25-27
    2.3.2 蚁群算法的思想  27-28
    2.3.3 蚁群算法在经典TSP 问题中的应用实例  28-32
  2.4 几种改进的蚁群算法  32-35
    2.4.1 将遗传算法思想引入蚁群算法中  32-33
    2.4.2 基于蚁群与鱼群的混合优化算法  33-34
    2.4.3 MAF-蚁群算法  34-35
  2.5 本章小结  35-37
第三章基于海洋环境的潜艇航路动态生成方法  37-58
  3.1 潜艇航路规划评价体系  37-40
    3.1.1 潜艇航路优劣的评价体系  37-39
    3.1.2 潜艇航路规划的原则  39-40
  3.2 海洋环境对潜艇航路规划的影响分析  40-45
  3.3 面向海洋环境的潜艇航路动态生成算法  45-55
    3.3.1 网格的划分  46-47
    3.3.2 网格的适航性判断  47-50
    3.3.3 网格八个方向通行性的判定  50-51
    3.3.4 网格连通性的判断  51-54
    3.3.5 基于海洋环境的潜艇航路动态生成方法  54-55
  3.4 实例分析  55-57
  3.5 本章小结  57-58
第四章基于改进蚁群算法的潜艇航路规划优选方法  58-73
  4.1 问题提出  58-59
  4.2 改进的Multi-Agent Foraging-蚁群算法  59-64
    4.2.1 MAF-ACO 中提出的2 个新策略  59-61
    4.2.2 MAF-蚁群算法在多阶段最短路径问题中的应用  61
    4.2.3 MAF-蚁群算法的改进  61-64
  4.3 基于改进MAF-蚁群算法的潜艇航路规划方法  64-71
    4.3.1 潜艇航路规划模型的建立  64-65
    4.3.2 基于海洋环境影响的改进MAF-蚁群算法  65-69
    4.3.3 基于改进蚁群算法的潜艇航路规划方法  69-71
  4.4 本章小结  71-73
第五章潜艇航路规划算法的实验与分析  73-81
  5.1 案例说明  73-75
  5.2 实验结果  75-78
  5.3 改进前后的MAF-蚁群算法性能比较  78
  5.4 改进后的MAF-蚁群算法与其他优化算法性能比较  78-79
  5.5 本章小结  79-81
总结与展望  81-83
致谢  83-84
参考文献  84-87
作者在学期间取得的学术成果  87-88
附录A 攻读硕士学位期间参加科研情况  88

基于改进蚁群算法的潜艇航路规划方法研究

内容摘要

全文目录

相似论文