[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

说明书

本发明公开了一种基于多目标适应性权重进化算法的航线优化方法，包含：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。本发明采用自适应权重进化算法计算航线，并根据决策者的偏好生成多准则排序后的帕累托最优解集，从而选择最适合决策者偏好的航线。

技术领域

本发明涉及气象导航领域，尤其涉及一种基于多目标适应性权重进化算法的航线优化方法。

背景技术

航线优化是航运公司的主要目标之一，以获得成本竞争力。它的主要驱动力是，在其生命周期的每一次航行中，都需要尽可能经济、节能和安全地操作船舶。根据船舶运营商和航运企业的要求，主要目标是航行时间、风险、油耗、排放等其他方面的组合。

考虑到这些约束和目标函数，可以优化每个航路点的地理位置和时间，这意味着航线和速度优化的集成。然而，所有导出的航行计划都是预测，其质量不仅取决于船舶模型的质量和天气预报的准确性，还取决于数学模型和算法的选择。

发明内容

本发明考虑航行时间、风险、油耗、排放、船员舒适度等多目标对航线进行优化，并通过适应性权重进化算法计算多目标优化问题，可以解决权重设置不合理不会烦、变异进化产生不可行解的弊端，同时根据决策者的偏好生成多准则排序后的帕累托最优解集，从而选择最适合决策者偏好的航线。

为了达到上述目的，本发明提出了一种基于多目标适应性权重进化算法的航线优化方法，具体包含以下步骤：

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、燃料消耗、航行风险以及船员舒适度模型，并作为多目标优化的目标函数；

S3、采用等时线法和A*算法随机生成初始航线集；

S4、采用适应性权重进化算法，得到帕累托最优解集；

S5、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。

具体地，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。

进一步地，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：