船舶动力定位能力的计算是一个多次求解非线性多峰问题的过程，综合学习粒子群算法是解决多峰问题较为适合的算法。但由于综合学习粒子群算法的速度更新机制，在算法后期的局部搜索能力较弱，导致收敛速度慢。为此，引入多种群思想，改变速度更新策略以及结合粒子变异机制和种群重组机制，提出一种多种群综合学习粒子群优化算法。最后基于该算法设计了一种动力定位能力计算方法。实例计算结果表明，利用该方法的计算结果与Kongsberg公司给出的结果相吻合，也明显好于基于综合学习粒子群算法而得到的结果。
The calculation of ship dynamic positioning (DP) capability is a process of solving nonlinear multi-modal problems, and the comprehensive learning particle swarm optimization (CLPSO) is a suitable algorithm for this kind problems. The paper presents the multi-swarm comprehensive learning particle swarm optimization (MCLPSO) for convergence of the original CLPSO is relatively slow at the late stage of evolution. Then the proposed optimization is used to calculate the DP capability for one DP system case. The results calculated by MCLPSO meet well with Kongsberg's report, and are much better than the results calculated by CLPSO.
2018,40(6): 61-66 收稿日期：2017-01-12
DOI：10.3404/j.issn.1672-7649.2018.06.013
分类号：U661.39
基金项目：江苏省产学研联合创新资金资助项目（BY2013066-08）；江苏科技大学海洋装备研究院科研基金资助项目（HZ2015006）
作者简介：张连伟(1991-),男,硕士研究生,研究方向为船舶自动化、计算机应用
参考文献：
[1] Specification for DP capability plots[S]. IMCA M140 Rev. I, 2000, 6.
[2] 徐胜文, 汪学锋, 王磊. 半潜平台推力器失效模式下的动力定位能力分析[J]. 船舶力学, 2016, 5:558-565.
[3] 苗科,邵凯,杨虎. 苏伊士型穿梭油船动力定位能力分析[J]. 船海工程,2015,03:100-104, 113.
[4] 刘正锋, 刘长德, 匡晓峰, 等. 模拟退火算法在动力定位能力评估中的应用[J]. 船舶力学, 2013, 17(4):375-381.
[5] 杨劲秋. 智能优化算法评价模型研究[D]. 杭州:浙江大学, 2011.
[6] A.B. MAHFOUZ. Predicting the capability polar plots for dynamic positioning systems for offshore platforms using artificial neural networks[J]. Ocean Engineering, 2007, 34:1151-1163.
[7] LIANG J J, QIN A K, SUGANTHAN P N, et al. Comprehensive learning particle swarm optimizer for global optimization of multimodal functions[J]. IEEE Transactions on Evolutionary Computation, 2006,10(3):281-295.
[8] 林国汉, 章兢, 刘朝华. 免疫综合学习粒子群优化算法[J]. 计算机应用研究, 2014, 11:3229-3233.
[9] 蔡昭权,黄翰. 自适应变异综合学习粒子群优化算法[J]. 计算机工程,2009,07:170-171, 202.
[10] 张涛, 徐雪琴, 史苏怡, 等. 基于改进多种群量子粒子群算法的STATCOM选址及容量优化[J]. 中国电机工程学报,2015,S1:75-81.
[11] 高云龙, 闫鹏. 基于多种群粒子群算法和布谷鸟搜索的联合寻优算法[J]. 控制与决策, 2016, 4:601-608.
[12] 蔡海鸾. 惩罚函数法在约束最优化问题中的研究与应用[D]. 上海:华东师范大学, 2015.
