1 绪论 1
1.1 船舶管路布局设计概述 1
1.2 管路布局优化设计国内外研究概况 3
1.2.1 迷宫法 4
1.2.2 逃逸法 6
1.2.3 网络优化算法 7
1.2.4 Zhu算法 8
1.2.5 遗传算法 9
1.2.6 专家系统和模糊集理论 11
1.2.7 单元生成法 12
1.3 国内船舶管路布局设计现状 12
2 基于遗传算法的船舶管路布局优化研究 15
2.1 遗传算法 16
2.1.1 生物进化及遗传算法的产生和发展 16
2.1.2 遗传算法的基本思想和体系结构 18
2.1.3 遗传算法的计算步骤和基本流程 21
2.1.4 遗传算法的主要特点 22
2.1.5 遗传算法在管路布置相关领域中的应用 24
2.2 应用于船舶管路三维布局优化的遗传算法 26
2.2.1 算法操作与关键参数设计 26
2.2.2 计算仿真 35
2.3 改进的遗传算法 40
2.3.1 遗传算法的局限性 40
2.3.2 自适应遗传算法 41
2.3.3 模拟退火遗传算法 42
2.4 自适应退火遗传算法的船舶管路布局优化方法 44
2.4.1 算法改进措施 45
2.4.2 算法计算步骤 48
2.4.3 仿真实验 49
3 蚁群管路敷设系统及其参数的敏感性分析 55
3.1 蚁群优化算法 55
3.1.1 蚂蚁的觅食行为 55
3.1.2 蚁群算法的产生及其研究进展 57
3.1.3 基本蚁群优化算法及其改进算法 59
3.1.4 一般蚁群算法的组织结构 64
3.1.5 蚁群算法的应用 65
3.2 基于全局信息素迭代更新的蚁群管路敷设系统 68
3.2.1 算法构成及实现 68
3.2.2 仿真计算一 73
3.2.3 仿真计算二 79
3.3 迭代更新蚁群管路敷设系统参数的敏感性分析 83
3.3.1 局部信息素残留系数γ对算法性能的影响 83
3.3.2 全局信息素残留系数ρ对算法性能的影响 85
3.3.3 信息素权重α和启发式信息权重β对算法性能的影响 87
3.3.4 蚁群总数m对算法性能的影响 88
3.3.5 结论 89
4 模糊集合理论在管路布局中的应用 92
4.1 模糊子集和隶属函数 93
4.1.1 集合的特征函数 93
4.1.2 模糊子集定义 93
4.1.3 确定隶属函数的基本原则及常用的隶属函数 94
4.2 存在于船舶管路布局中的模糊问题及其隶属函数的建立 97
4.2.1 阀的操纵频率 97
4.2.2 阀的可操纵性 97
4.2.3 管路布局空间的区域划分 100
4.3 基于模糊的蚁群管路敷设系统 102
4.4 计算仿真 102
4.4.1 参数设置 102
4.4.2 模型空间 103
4.4.3 优化目标 104
4.4.4 布局结果 105
5 多管路并行敷设的多蚁群协同进化算法 110
5.1 协同进化算法 111
5.1.1 生物的竞争、协同及协同进化 111
5.1.2 协同进化算法的模型及其发展 112
5.1.3 协同进化算法的基本特征和类型 114
5.2 多种群互利共生类协同进化算法 115
5.3 多蚁群协作式协同进化算法 117
5.3.1 多蚁群协作式协同进化算法模型 117
5.3.2 多蚁群协作式协同进化算法流程及其实现 119
5.3.3 计算仿真 122
6 船舶管路布置设计专家系统模型 126
6.1 人工智能和专家系统 126
6.2 专家系统在船舶设计中的应用 131
6.3 船舶管路布置设计的专家系统 132
6.3.1 系统框架 134
6.3.2 工作过程 137
6.3.3 知识分类 143
6.3.4 知识表示 145
6.3.5 推理机制 147
6.4 应用实例 149
6.5 船舶管路布置设计专家系统发展前景展望 151
参考文献 153