[发明专利]基于多目标适应性权重进化算法的航线优化方法

权利要求书

1.一种基于多目标适应性权重进化算法的航线优化方法，其特征在于，包含以下步骤：

S1、采集气象数据及船舶六自由度数据，并对生成的数据集进行预处理；

S2、根据预处理后的数据集分别构建航行时间、航行风险、燃料消耗、船舶排放量以及船员舒适度模型，并作为多目标优化的目标函数；

S3、采用适应性权重进化算法解算目标主函数，得到帕累托最优解集；

S4、根据决策者偏好设定优化准则并采用TOPSIS方法对帕累托最优解集中的航线进行多准则排序，从而选择最优航线。

2.如权利要求1所述的航线优化方法，其特征在于，所述步骤S1中，对数据集进行预处理，包括以下步骤：

S1.1、识别并剔除发动机瞬变和记录异常数据；

S1.2、提取额外的有用特征；

S1.3、对数据集中的剩余数据使用最大似然估计法进行标准化。

3.如权利要求1所述的航线优化方法，其特征在于，

所述航行时间模型为：

式中，t_sail为给定航线和船舶模型的航行时间，n为航线的航路点数量，v_j为第j-1个航路点到第j个航路点的船速，d_j为第j-1个航路点到第j个航路点的距离；

所述燃料消耗模型为：

FCPH＝P·BSFC

式中，q_fuel为给定航线和船舶模型的总油耗，t_j为第j-1个航路点到第j个航路点的航行时间，m为主机起动的次数，FCPH为第j-1个航路点和第j个航路点之间的每小时有效油耗，FCPS为主机每次起动所需要的油耗，P为主机功率，BSFC为燃料效率；

航行风险模型为：

v_{wind max}＝v_{max def}-λΔv_{max def}

h_{wave max}＝h_{max def}-βΔh_{max def}

式中，v_{wind max}为给定船舶模型时，船舶所允许的最大风速，v_{wind j}为第j-1个航路点和第j个航路点之间的风速，v_{max def}为阈值风速，λ为形状系数，λΔv_{max def}为可能的阈值风速差值，h_{wave max}为给定船舶模型时，船舶所允许的最大浪高，h_{wave j}为第j-1个航路点和第j个航路点之间的浪高，h_{max def}为阈值浪高，β为瑞利分布的累积分布函数值，βΔh_{max def}为可能的阈值浪高差值，当i_{danger j}＝1表示航线所经过的该区域完全危险，表现为v_{wind j}＞v_{wind max}；相反地，当i_{danger j}＝0表示航线所经过的该区域完全安全，表现为v_{wind j}＝0；

所述船舶排放量模型为：

式中，t表示燃料的种类；CI_t表示燃料t的CO₂排放强度；CO_2j,t表示第j-1个航路点和第j个航路点之间使用燃料t的CO₂排放量；

所述船员舒适度模型：

其中，a_w(t)为时间历程的频率加权加速度，T为暴露时间，λ_peak为峰值因子，a_r.m.s为加权加速度均方根值，a_r.m._q加权加速度四次方根值。

4.如权利要求1所述的航线优化方法，其特征在于，所述步骤S3中，采用等时线法和A*算法生成初始航线集，初始航线集内随机生成的每条航线均不违反任何已经定义的优化约束的航线，所述初始航线集作为适应性权重进化算法的初始总体。