CN103279674A - 一种基于蚁群算法的船舶搜救方法 - Google Patents

Abstract

本发明公开了一种基于蚁群算法的船舶搜救方法，该方法包括以下步骤：步骤1：构造蚁群搜索图；步骤2：蚂蚁从虚拟节点O开始爬行；步骤3：对于每只蚂蚁按照状态转移规则P_rs ^k从由节点r转移到节点s；步骤4：对各代所有蚂蚁爬行完毕后所搜索到的最优解进行判断是否陷入局部最优；步骤5：在船舶搜救问题中当算法未陷入局部最优时，采用算法更新信息素策略①；步骤6：当算法陷入局部最优时，采用更新信息素策略②仅更新局部最优解路径上信息素浓度。本发明设计的船舶搜救方法解决了现有船舶由于故障、操作人员的路径熟练程度，海洋环境参数等原因影响，很难精确到达搜救地点等问题。

Description

一种基于蚁群算法的船舶搜救方法

技术领域

本发明属于船舶搜救方法，具体涉及一种基于蚁群算法的船舶搜救方法。

背景技术

搜救船舶问题中搜救路径和待搜救船舶位置都是已知的确定量，而在实际搜救中，由于各种随机因素，如港口可用船舶故障，船舶操作人员的路径熟练程度，海洋环境参数的影响，很少能获得精确的到达搜救地点。

发明内容

为了解决现有船舶由于故障、操作人员的路径熟练程度，海洋环境参数等原因的影响，很难精确到达搜救地点等问题，本发明设计了一种基于蚁群算法的船舶搜救方法。

本发明解决上述问题的技术方案是：一种基于蚁群算法的船舶搜救方法，该方法包括以下步骤：

步骤1：构造蚁群搜索图，初始化算法中的各个参数，其中：p表示信息素，Q表示信息素强度，o为船舶出发点，o_ij表示第i个船舶的第j条搜救路径；

步骤2：蚂蚁从虚拟节点o开始爬行；

步骤3：对于第K只蚂蚁按照状态转移规则P_rs ^k从由节点r转移到节点s；

步骤4：对各代所有蚂蚁爬行完毕后所搜索到的最优解进行判断是否陷入局部最优，当算法陷入了局部最优时，进入步骤5)；当算法未陷入局部最优时，进入步骤6)；

步骤5：在船舶搜救问题中当算法未陷入局部最优时，采用算法更新信息素策略①，更新全局最优解和当代最优解路径上的信息素浓度，其他解路径上的信息素浓度不变，采用全局更新和局部更新结合的步骤输出最优解。

步骤6：当算法陷入局部最优时，采用更新信息素策略②仅更新局部最优解路径上信息素浓度，ρ不再为常数，而是随着连续最优解相同的代数的增大而增大，并采用时变函数Q(n)来代替基本蚁群算法中调整信息素

中为常数项的信息素强度Q，并输出最优解；

所述的基于蚁群算法的船舶搜救方法，步骤3)中的第k只蚂蚁由节点r转移到节点s的概率状态转移规则为

${P_{\mathrm{rs}}}^k=\left\{\begin{array}{cc}\frac{{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}\&CenterDot;{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}{\underset{i\&Element;p}{\mathrm{\&Sigma;}}{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}\&CenterDot;{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}& \mathrm{if}(p_{\mathrm{ij}}<p_{i\max })\\ 0& \mathrm{otherwise}\end{array}\right.$

其中，τ_ij表示节点r到节点s的信息素，τ_ij表示第i只船舶的第j条路径，η_ij表示节点r到节点s的可见度，p_imax表示第i只船舶行进的最大路径数，α、β分别表示信息素和可见度的偏重系数。

所述的基于蚁群算法的船舶搜救方法，可见度η_ij公式为

所述的基于蚁群算法的船舶搜救方法，步骤5)更新信息素策略①步骤为：

1)全局更新，计算所有蚂蚁经过路径上的信息素增量：

$\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}=\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^k,\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^k=Q\left(n\right)/L_k,$ Q(n)＝Q₀，k＝1，...，m

为蚂蚁k在经过路径上留下的信息素，L_k为蚂蚁k经过路径长度，Δτ_ij为所有经过路径ij的蚂蚁留下的信息素总和；

2)局部更新，如果该代最优解为历代最优解，则调整蚂蚁l经过路径上的信息素增量：

$\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}\left(\mathrm{new}\right)}^{\left(l\right)}=\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}\left(\mathrm{old}\right)}^{\left(l\right)}+\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^l,\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^l=Q\left(n\right)/L_l,$ Q(n)＝Q₀

3)更新所有蚂蚁经过路径上的信息素：

τ_ij(new)＝(1-ρ)τ_ij(old)+Δτ_ij

其中ρ和Q均为初始值。

所述的基于蚁群算法的船舶搜救方法，步骤6)更新信息素策略②为：

自适应信息素强度Q(n)随人工蚂蚁搜索过程动态的调整为

$Q\left(n\right)=\left\{\begin{array}{cc}{Q}_0& n\&le;n_0\\ -Q_0*(n-n_0)& n>n_0\end{array}\right.$

其中，Q₀为初始信息素强度。

自适应信息素挥发系数ρ表达式如下：

$\mathrm{\&rho;}=\left\{\begin{array}{cc}{\mathrm{\&rho;}}_0& n\&le;n_0+1\\ 1-\frac{1-{\mathrm{\&rho;}}_0}{n-n_0}& n>n_0+1\end{array}\right.$

其中ρ₀为初始挥发度，n为各代最优解连续相等的次数，n₀为大于1的整数，当n＞n₀+1时ρ开始减小，n越大ρ越小。

算法中针对模糊搜救船舶和模糊行进路径以平均满意度最大为搜救目标，算法将待搜救船舶和选择的路径表示为三角模糊数，将到达搜救地方的时间表示为阶梯函数。满意度定义为工件模糊到达时间隶属度函数和模糊期望到达时间隶属函数的交集所围成的图形面积，与模糊到达时间隶属函数形成的面积之比。给出了特定的状态转移规则及自适应信息素更新策略。自适应动态调整陷入局部最优的蚂蚁所经过路径上的信息素ρ和信息素强度Q，使得算法能更快的跳出局部最优。

附图说明

图1为海事搜救船舶调度问题算法流程图。

具体实施方式

下面结合附图对本发明的结构进行详细解释说明，1、一种基于蚁群算法的船舶搜救方法，该方法包括以下步骤：

步骤1：构造蚁群搜索图，初始化算法中的各个参数，其中：p表示信息素，Q表示信息素强度，o为船舶出发点，o_ij表示第i个船舶的第j条搜救路径；

步骤2：蚂蚁从虚拟节点o开始爬行；

步骤3：对于第K只蚂蚁按照状态转移规则P_rs ^k从由节点r转移到节点s；

步骤4：对各代所有蚂蚁爬行完毕后所搜索到的最优解进行判断是否陷入局部最优，当算法陷入了局部最优时，进入步骤5)；当算法未陷入局部最优时，进入步骤6)；

步骤5：在船舶搜救问题中当算法未陷入局部最优时，采用算法更新信息素策略①，更新全局最优解和当代最优解路径上的信息素浓度，其他解路径上的信息素浓度不变，采用全局更新和局部更新结合的步骤输出最优解。

步骤6：当算法陷入局部最优时，采用更新信息素策略②仅更新局部最优解路径上信息素浓度，ρ不再为常数，而是随着连续最优解相同的代数的增大而增大，并采用时变函数Q(n)来代替基本蚁群算法中调整信息素

中为常数项的信息素强度Q，并输出最优解；

步骤3)中的第k只蚂蚁由节点r转移到节点s的概率状态转移规则为

${P_{\mathrm{rs}}}^k=\left\{\begin{array}{cc}\frac{{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}\&CenterDot;{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}{\underset{i\&Element;p}{\mathrm{\&Sigma;}}{{\mathrm{\&tau;}}_{\mathrm{ij}}}^{\mathrm{\&alpha;}}\&CenterDot;{{\mathrm{\&eta;}}_{\mathrm{ij}}}^{\mathrm{\&beta;}}}& \mathrm{if}(p_{\mathrm{ij}}<p_{i\max })\\ 0& \mathrm{otherwise}\end{array}\right.$

其中，τ_ij表示节点r到节点s的信息素，τ_ij表示第i只船舶的第j条路径，η_ij表示节点r到节点s的可见度，p_imax表示第i只船舶行进的最大路径数，α、β分别表示信息素和可见度的偏重系数。

可见度η_ij公式为

步骤5)更新信息素策略①步骤为：

1)全局更新，计算所有蚂蚁经过路径上的信息素增量：

$\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}=\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^k,\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^k=Q\left(n\right)/L_k,$ Q(n)＝Q₀，k＝1，...，m

为蚂蚁k在经过路径上留下的信息素，L_k为蚂蚁k经过路径长度，Δτ_ij为所有经过路径ij的蚂蚁留下的信息素总和；

2)局部更新，如果该代最优解为历代最优解，则调整蚂蚁l经过路径上的信息素增量：

$\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}\left(\mathrm{new}\right)}^{\left(l\right)}=\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}\left(\mathrm{old}\right)}^{\left(l\right)}+\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^l,\mathrm{\&Delta;}{\mathrm{\&tau;}}_{\mathrm{ij}}^l=Q\left(n\right)/L_l,$ Q(n)＝Q₀

3)更新所有蚂蚁经过路径上的信息素：

τ_ij(new)＝(1-ρ)τ_ij(old)+Δτ_ij

其中ρ和Q均为初始值。

步骤6)更新信息素策略②为：

自适应信息素强度Q(n)随人工蚂蚁搜索过程动态的调整为

$Q\left(n\right)=\left\{\begin{array}{cc}{Q}_0& n\&le;n_0\\ -Q_0*(n-n_0)& n>n_0\end{array}\right.$

其中，Q₀为初始信息素强度。

自适应信息素挥发系数ρ表达式如下：

$\mathrm{\&rho;}=\left\{\begin{array}{cc}{\mathrm{\&rho;}}_0& n\&le;n_0+1\\ 1-\frac{1-{\mathrm{\&rho;}}_0}{n-n_0}& n>n_0+1\end{array}\right.$

其中ρ₀为初始挥发度，n为各代最优解连续相等的次数，n₀为大于1的整数，当n＞n₀+1时ρ开始减小，n越大ρ越小。

如图1为海事搜救船舶调度问题算法流程图。算法更新信息素策略①是更新全局最优解和当代最优解路径上的信息素浓度，其他解路径上的信息素浓度不变。更新信息素策略②是仅更新局部最优解路径上信息素浓度。该算法在实际搜救遇事船舶应用中取得了良好的结果。

上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。

Claims (5)

1.一种基于蚁群算法的船舶搜救方法，其特征在于，该方法包括以下步骤： 

步骤1：构造蚁群搜索图，初始化算法中的各个参数，其中：p表示信息素，Q表示信息素强度，o为船舶出发点，o_ij表示第i个船舶的第j条搜救路径； 

步骤2：蚂蚁从虚拟节点o开始爬行； 

步骤3：对于第K只蚂蚁按照状态转移规则P_rs ^k从由节点r转移到节点s； 

步骤4：对各代所有蚂蚁爬行完毕后所搜索到的最优解进行判断是否陷入局部最优，当算法陷入了局部最优时，进入步骤5)；当算法未陷入局部最优时，进入步骤6)； 

步骤5：在船舶搜救问题中当算法未陷入局部最优时，采用算法更新信息素策略①，更新全局最优解和当代最优解路径上的信息素浓度，其他解路径上的信息素浓度不变，采用全局更新和局部更新结合的步骤输出最优解； 

步骤6：当算法陷入局部最优时，采用更新信息素策略②仅更新局部最优解路径上信息素浓度，ρ不再为常数，而是随着连续最优解相同的代数的增大而增大，并采用时变函数Q(n)来代替基本蚁群算法中调整信息素 中为常数项的信息素强度Q，并输出最优解。 

2.根据权利要求1所述的基于蚁群算法的船舶搜救方法，其特征在于，步骤3)中的第k只蚂蚁由节点r转移到节点s的概率状态转移规则为 

其中，τ_ij表示节点r到节点s的信息素，τ_ij表示第i只船舶的第j条路径，η_ij表示节点r到节点s的可见度，p_imax表示第i只船舶行进的最大路径数，α、β分别表示信息素和可见度的偏重系数。 

3.根据权利要求2所述的基于蚁群算法的船舶搜救方法，其特征在于，可见度η_ij公式为

4.根据权利要求1所述的基于蚁群算法的船舶搜救方法，其特征在于，步骤5)更新信息素策略①步骤为： 

1)全局更新，计算所有蚂蚁经过路径上的信息素增量： 

Q(n)＝Q₀，k＝1，...，m 

为蚂蚁k在经过路径上留下的信息素，L_k为蚂蚁k经过路径长度，Δτ_ij为所有经过路径ij的蚂蚁留下的信息素总和； 

2)局部更新，如果该代最优解为历代最优解，则调整蚂蚁l经过路径上的信息素增量： 

Q(n)＝Q₀

3)更新所有蚂蚁经过路径上的信息素： 

τ_ij(new)＝(1-ρ)τ_ij(old)+Δτ_ij

其中ρ和Q均为初始值。 

5.根据权利要求1所述的基于蚁群算法的船舶搜救方法，其特征在于，步骤6)更新信息素策略②为： 

自适应信息素强度Q(n)随人工蚂蚁搜索过程动态的调整为 

其中，Q₀为初始信息素强度。 

自适应信息素挥发系数ρ表达式如下： 

其中ρ₀为初始挥发度，n为各代最优解连续相等的次数，n₀为大于1的整数，当n＞n₀+1时ρ开始减小，n越大ρ越小。 

Images