對基於人工智能和軟計算的船舶自動避碰決策算法分析

作為航運業發展的關鍵影響關鍵因素，船舶碰撞事故可造成一系列不良後果。船舶自動避碰決策是降低船舶碰撞風險的關鍵。基於此，本研究關鍵涉及人工智能、軟計算對船舶自動避碰決策的支持作用進行分析；並細化論述了船舶自動避碰決策的關鍵點；最後一個從知識儲備庫多方面、遺傳算法多方面等，論述了基於人工智能和軟計算的船舶自動避碰決策算法。

現階段，船舶自動避碰決策系統已經成為航運業應對船舶碰撞問題的關鍵方法。算法的選擇是影響船舶自動避碰決策系統確立的關鍵。相對性於其它算法來講，人工智能及軟計算在搭建船舶自動避碰決策系統多方面具有一定優勢與劣勢。因此，分析基於人工智能及軟計算的船舶自動避碰決策算法具有一定弊端。

人工智能及軟計算可為船舶自動避碰決策保證的支持作用具體體現為：

（一）資源整合避碰規範基本性要素

船舶建立自動避碰的關鍵前提為：明確單船、多船的避碰規則，基於避碰規範確立避碰決策。相對性於其它技術應用來講，人工智能、軟計算在資源整合避碰規範基本性要素多方面極具優勢與劣勢。所述技術應用可綜合性水域消息、天氣消息、避碰時機、避讓順序以及避碰方式主要包括基本性要素，確立避碰規範，並以所述分析結果為基礎，確立船舶自動避碰決策系統。

（二）蒐集、除理匯聚避碰消息

根據既往經驗，確立船舶自動避碰決策系統的關鍵關鍵點在於：船舶避碰決策需通過匯聚避碰消息的資源整合、分析，選擇可靠的避碰規律。運用人工智能及軟計算蒐集、除理匯聚避碰消息，可於較在短期內內到位消息的蒐集、除理，該技術應用的智能化系統、綜合性性表現形式，可抓好所選擇船舶避碰規律的準確性水平。

在確立船舶自動避碰決策系統其間，應加強對下列幾種關鍵點的注重：

（一）碰撞風險評估報告

己船與目標船之間是否存在碰撞風險，是影響船舶自動避碰決策準確性的核心歸屬。現階段而言碰撞風險的評估，關鍵採用如下規範：己船與目標船相遇<8水裏時，且船舶的這幾天會遇距離小於安全會遇距離，提示己船與目標船之間存在碰撞風險。

（二）避讓權利分析

船舶航運中，船舶是有無避讓權利關鍵參照國際性水上碰撞規範判定。以己船為中心，如目標船的來船地域位於67.5°-112.5°範圍內，即己船有避讓權利，而目標船則可執行；如目標船的來船地域位於5°-67.5°或355°-360°範圍內，則目標船無避讓權利，而己船應向左轉向避讓目標船。

這裏關鍵從下列幾多方面入手，涉及基於人工智能和軟計算的船舶自動避碰決策算法進行分析：

（一）船舶智能自動識別系統多方面

建立船舶自動避碰的阻擋較多，其中某項關鍵根本原因在於：多船運作環境下，如何精確判定連續航行有無碰撞風險及是否需要避讓鄰近船舶。

基於人工智能的船舶智能自動識別系統關鍵運用船舶動態數據庫、知識儲備庫及邏輯推理機判斷碰撞風險的存在，並選擇是否需要避讓。這種算法的運作模式為：動態數據庫自動蒐集當前水域消息、天氣消息及周邊船舶分佈消息等，動態數據庫將所蒐集的消息與知識儲備庫即時交換，從知識儲備庫中調取與來於動態數據庫類似的消息資料，邏輯推理機則通過即時交換功用獲取所述消息，智能邏輯推理當前消息是否適用知識儲備庫中的避讓經驗。如經邏輯推理選擇有碰撞風險，且有避讓權利，可自動保證避碰時機及避碰方式，以抓好船舶的航運安全。

（二）知識儲備庫多方面

相對性於其它算法來講，知識儲備庫在船舶避碰應用領域時間較長。基於知識儲備庫的船舶自動避碰決策算法原理與基於人工智能的船舶智能自動識別系統類似，均通過對動態數據庫、知識儲備庫、邏輯推理機之間的即時人機交互，選擇避碰決策。兩者的差別在於：兩者的核心為動態數據庫，而再者的核心則為知識儲備庫，即基於知識儲備庫的自動避碰決策算法關鍵運用知識儲備庫中的數據消息，為邏輯推理機的邏輯推理決策保證支持。維繫這種算法所選擇決策準確性的關鍵所在：每季度搜集船舶駕駛員避碰經驗、國際性水上避碰規範等關於消息資料，每季度升級知識儲備庫中的基礎知識、避碰規範及避碰經驗消息。

（三）遺傳算法多方面

遺傳算法作為一種經典技術應用，其可滿足需要分析匯聚船舶航運消息的需要。運用遺傳算法確立船舶自動避碰決策系統的流程為：

第一，選擇標識號方式。結合航運安全抓好需要、選擇船舶可變道空間（探索空間）等消息看來，可採用實值標識號方式進行標識號，即運用dna表示航線中的具體連接點經緯度，以男性染色體表示航線。第九，選擇目標變量。安全問題的優化可藉助安全衡量變量建立，該變量的確立流程為：選定航線中各小交通路線中與己船碰撞風險最高的目標船；計算各目標船與己船的最距離（該小交通路線的安全）；疊加各小交通路線的安全參數，即取得整條航線的安全。而民生問題的除理則通過衡量航線線性度、航程消耗現象，選擇船舶的經濟性衡量變量。第五，選擇關於度變量。逐一解碼男性染色體，以目標變量為基礎，將個體户數學表現形式轉變成為船舶避碰決策待優化問題的現實表現形式，參照問題需求量選擇目標變量值，最後一個將其轉變成成準確的關於度值。第五，確立決策系統的基本性參數。逐一選擇遺傳變異幾率、交叉幾率、羣落產值等基本性參數。第五，確立決策模型工具的初始值羣落。於可行航線範圍內，任意產生經緯度參數作為系統的個體户dna，以個體户dna為基礎，形成初始值羣落，以抓好最終決策優化結果的準確性。第六，選擇決策模型工具的基本性操作步驟。當所述計算工做到位後，可運用交叉操作步驟、遺傳變異操作步驟等基本性操作步驟，增強遺傳算法的數列收斂性，並增強其速率。

（四）頻頻改進遺傳算法多方面

隨着遺傳算法在船舶碰撞領域應用經驗的頻頻豐富，這種算法漸漸暴露出了某些問題，如計算流程空泛、速率偏低等。在此基礎上，頻頻改進遺傳算法漸漸開使被應用於該領域中。

基於頻頻改進遺傳算法的船舶自動避碰決策分析流程為：第一，選擇避碰決策模型工具。運用封航時機、避碰時機、避碰多角度以及封航多角度，確立避碰決策模型工具。第九，選擇目標變量。在這一環節中，與遺傳算法類似，通過對船舶航運避碰經濟性及安全的分析，選擇最優解及目標變量。第五，選擇多目標進化算法。將該環節作為頻頻改進重點，於多目標優化計算中引入頻頻改進權值核函數除理模式，以抓好船舶航運自動避碰決策的安全及經濟性。頻頻改進權值核函數除理模式的關鍵點為：運用經濟性評論變量的概率分佈、安全評論變量的概率分佈及調整常整數構成目標變量的權值指數。

（五）模糊邏輯多方面

模糊邏輯在船舶自動避碰決策算法中的應用原理為：參照船舶航運規範，運用模糊-貝葉斯、ARPA相控陣雷達等確立多決策模塊，並搭建避碰決策系統。

以模糊-貝葉斯算法為例，其功用體現為：可藉助貝葉斯網路將源自模糊邏輯平行多決策模塊中的決策消息，轉變成為具有間斷性表現形式的避碰行動，以致抓好船舶航運的安全。

（六）基因打靶算法多方面

這種算法的原理為：運用抗體表示待優化問題，確立抗體羣落，運用梯度下降法步驟選擇船舶避讓策略的最優解。

以現階段船舶避讓領域常見的混沌危險模式基因打靶算法為例，運用該算法選擇最優碰撞決策的流程為：選擇抗體標識號空間代替航運中碰撞問題的參數空間，將親絕對温度變量作為評論根據，動態升級抗體羣落中的關於個體户位串操作步驟，並以所述消息為根據，確立梯度下降法步驟，通過對關於數據的間斷性梯度下降法，選擇船舶避讓決策的最優解，以此為船舶航運安全管理工做保證可靠的支持。

理論依據：綜上所述，於船舶自動避碰決策系統搭建中引入人工智能及軟計算具有一定的現實意義。為了增強船舶自動避碰決策的準確性，可根據既往船舶碰撞管理經驗，蒐集有價值的消息，科學合理選擇人工智能及軟計算算法，確立具有智能化系統、準確性表現形式的自動避碰決策系統。除此之外，還應準備結合人工智能及軟計算技術應用的發展，頻頻再試一次引入新算法，以抓好船舶自動避碰決策的可靠性。

原作者單位：哈工大威海