基于蚁群算法的西北航道海上救援路径规划

作者：余梦珺1 2  张韧2  高顶3  李璨4

单位：1. 31110部队, 江苏 南京 210000; 2. 国防科技大学气象海洋学院, 江苏 南京 211100; 3. 61175部队, 江苏 南京 210046; 4. 31693部队, 黑龙江 哈尔滨 150000

关键词：西北航道 路径规划 广义网络分析法 蚁群算法中

分类号：P727;U676.8

出版年·卷·期（页码）：2019·36·第六期（62-72）

摘要：

选用海冰密集度、海表温度、风强度等指标构建西北航道海洋环境威胁场，采用广义网络分析法确定指标权重，基于蚁群算法对西北航道海上救援路径展开规划，通过对比实验获得适用于西北航道海上救援路径规划的最佳参数。针对各目标在不同救援时段具有不同权重的情况，依据动态权重进行路径规划，规划效果更佳，更符合实际救援需求，可为西北航道海上救援提供辅助决策参考。

The marine environmental threat field of Arctic Northwest passage is constructed by using sea ice intensity, sea surface temperature and wind intensity. The generalized analytic network process method is used to determine the index weight. The ant colony algorithm is used to plan the Northwest Passage sea rescue route. The best parameters for the route planning are obtained through comparative experiments. According to the situation that each target has different weights in different rescue periods, the route planning is based on dynamic weights, and the planning effect is better, which is more in line with the actual rescue demand, and can provide reference for auxiliary decision-making for the marine rescue of the Northwest Passage.

参考文献：

[1] 刘益迎. 北极航线经济性及海上突发事件应急响应复杂网络研究[D]. 大连:大连海事大学, 2016. [2] 刘旭红, 张国英, 刘玉树, 等. 基于多目标遗传算法的路径规划[J]. 北京理工大学学报, 2005, 25(7):613-616. [3] 伍祥红. 基于蚁群优化的自主水下机器人路径决策方法研究[D]. 哈尔滨:哈尔滨工程大学, 2007. [4] Masehian E, Sedighizadeh D. A multi-objective PSO-based algorithm for robot path planning[C]//Proceedings of 2010 IEEE International Conference on Industrial Technology. Vina del Mar:IEEE, 2010:465-470. [5] 王凌. 智能优化算法及其应用[M]. 北京:清华大学出版社, 2001. [6] 朱斌. 基于偏好关系的决策方法及应用研究[D]. 南京:东南大学, 2014. [7] 刘勇. 基于蚁群算法的应急救援最优路径研究[D]. 武汉:中国地质大学, 2010. [8] 余梦珺, 张韧, 葛珊珊, 等. 北极西北航道自然环境危险性评估及航线优选[J]. 海洋科学进展, 2018, 36(4):614-628. [9] 张韧, 洪梅, 黎鑫, 等. 南海-印度洋海洋环境风险评估与应急响应[M]. 北京:国防工业出版社, 2014:204-210. [10] 宋晨阳, 张韧, 刘科峰, 等. 基于广义网络分析和云模型的潜艇威胁风险评估[J]. 指挥控制与仿真, 2017, 39(1):57-61, 69. [11] Xu Z S, Wei C P. A consistency improving method in the analytic hierarchy process[J]. European Journal of Operational Research, 1999, 116(2):443-449. [12] 姜德良, 张韧, 葛珊珊. 知识不确定条件下的海外保障基地自然风险情景模拟评估[J]. 海洋通报, 2017, 36(5):504-537. [13] 刘波. 蚁群算法改进及应用研究[D]. 秦皇岛:燕山大学, 2010. [14] 陈迎欣. 基于改进蚁群算法的车辆路径优化问题研究[J]. 计算机应用研究, 2012, 29(6):2031-2034.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】