基于遗传算法的神经网络用于确定船舶碰撞危险度的研究

来源 :河北工业大学 | 被引量 : 21次 | 上传用户:shoretxm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
船舶碰撞危险度和船舶避碰决策系统的研究一直是航海人员最关心的问题。船舶碰撞危险度对于船舶安全航行是一个非常重要的参数,用其描述船舶之间碰撞危险的大小具有实际意义,驾驶员可以据此决定采取避让的时机和让船的顺序。因而,根据本船与它船的相互态势与各种运动参数准确快速的计算判定船舶碰撞危险度在船舶避碰领域中变得尤为重要。船舶碰撞危险度的计算是一个复杂的过程,受很多因素影响,具有很强的非线性特征。而BP神经网络的神经元映射特征是非线性的,能完成复杂的非线性映射,具有很强的非线性处理能力。但BP神经网络的弱点是收敛速度较慢,网络极易陷入局部极值点。另外神经网络的初始权值,阈值以及网络结构的选择缺乏依据,具有很大的随机性,很难选取出具有全局性的初始点,因而求得全局最优的可能性较小,这些都影响了BP神经网络的泛化能力。鉴于BP神经网络的以上缺点,本文提出用遗传算法优化神经网络的GA-BP算法。由遗传算法优化确定BP神经网络的初始权阈值,确定一个较好的搜索空间,代替一般初始权阈值的随机选取,然后在这个解空间里对网络进行训练、学习至收敛,搜索出最优解或者近似最优解。将此算法用于确定船舶碰撞危险度,经过仿真计算,无论在计算精度上还是收敛速度上较原始的BP神经网络都有了较大的提高。本文还在matlab中实现了基于GA-BP算法计算船舶碰撞危险度的模拟显示程序。为船舶智能避碰专家系统中船舶碰撞危险度的动态准确计算显示提供了参考。
其他文献
机器视觉技术广泛的应用在目标跟踪领域。其中经典的目标跟踪算法有粒子滤波算法和均值漂移算法。在目标跟踪的过程中,粒子滤波算法采用非参数的蒙特卡罗方法来模拟递推贝叶斯
资源搜索问题是P2P网络的核心问题之一,也是P2P网络研究的热点。P2P的资源搜索模型,可分为四种:集中式的资源搜索模型,分布式非结构化的搜索模型,分布式结构化的搜索模型和混
IEEE 802.15.4是为低速率、低功耗、低复杂度、短距离传输节点的互联设计的工业标准。该标准被广泛运用于无线个人区域网络(WPAN)中。802.15.4的non-beacon模式支持mesh拓扑
随着互联网的发展,P2P(peer to peer)已经成为当前发展最快的网络应用技术之一。它在给人们带来巨大便利的同时,也带来了一些问题,如带宽紧缺、网络盗版、安全管理等。这些问
学位
目前,随着软件规模的增大,复杂性的提高,要开发出更快、更好、更便宜的软件,仅仅通过提升技术来生产是不够的,还要有效地利用复用,特别是较高层次上的复用。设计模式是软件工程借鉴
数据挖掘面对的是大规模、超大规模的数据库或数据仓库,日益增长的海量数据,给数据挖掘提出了新的挑战。随着数据挖掘技术研究的深入与成熟,在挖掘过程中挖掘算法的效率提高越来
定位系统使得在普适计算中的移动计算节点可以感知到自身所处的位置,通过应用这个位置信息,这些移动计算节点可以为用户提供与位置相关的服务。基于位置指纹的无线定位系统可以
随着网络规模的扩大和用户数目的增加,安全问题正显得日益重要。在安全访问控制模型的研究领域,RBAC模型与传统的访问控制技术相比具有明显的优势。RBAC是一个策略中性的模型,由
近年来,推荐系统在网络上获得了普遍的成功,协同过滤是其中应用最为广泛的个性化推荐技术。但是,网上有效信息的数量和种类的急速增长对推荐系统提出了严峻挑战,协同过滤推荐