一种基于遗传算法的船舶分支管路路径规划方法
【技术领域】
[0001] 本发明涉及一种船舶管路路径规划方法。特别是涉及一种基于遗传算法的船舶分 支管路路径规划方法。
【背景技术】
[0002] 船舶管路设计是船舶设计过程中的核心工作之一。当前船舶管路设计与建造技 术的重点在于：研究、开发并运用现代船舶CAD\CAE技术，同时结合人工智能领域的研究成 果，在对船舶领域现有的专家知识进行收集、汇总、分析、总结和归纳的基础上，开发使用于 船舶行业的专家系统或其他智能设计工具。随着优化算法的发展，管路路径智能规划方法 也得到了推动。具有代表性的优化算法为：迷宫算法、遗传算法、蚁群算法、粒子群算法等。
[0003] 其中，遗传算法是美国密歇根大学教授John Holland于1975年创立的，是一种借 鉴生物界自然选择、进化机制而发展的启发式优化算法。在利用遗传算法进行路径规划的 应用中，典型的代表是日本学者Ito,他将遗传算法应用于二维平面的两点管路路径搜索， 取得了突破性的进展。另有多名学者也提出了基于遗传算法的两点路径规划算法，并取得 了良好的布局效果。目前对船舶管路路径规划方法的研究主要集中于两点管路的连接问 题，但在实际管路布局过程中，连接管路大部分是分支管路，单纯的两点路径规划算法无法 解决此类问题。并且现有的船舶管路多分支管路路径优化算法多是建立于启发式算法之 上，难以取得良好的应用效果。
【发明内容】
[0004] 本发明所要解决的技术问题是，提供一种可进一步实现船舶管路智能设计系统集 成的基于遗传算法的船舶分支管路路径规划方法。
[0005] 本发明所采用的技术方案是：一种基于遗传算法的船舶分支管路路径规划方法， 包括如下步骤：
[0006] 1)在对布局空间进行网格划分和空间网格能量值分布的基础上，确定空间中管路 路径的评价函数，从而构建出管路路径规划问题的数学模型；
[0007] 2)假定分支管路包含N个连接点，依据各连接点的坐标值和管路直径信息，构建 包含N个连接点的点集合，将分支管路连接的问题转换成N-I组两点间管路的连接问题；
[0008] 3)确定各组两点间管路路径的始末点，作为两点间管路路径优化算法的连接点；
[0009] 4)基于遗传算法的框架，引入迷宫算法，构建两点间管路路径规划体系，并对步骤 3)中的两点间管路路径进行路径规划；
[0010] 5)建立两点间管路路径编码的存储文档，对得到的两点间管路路径编码进行记 录，并在下一组两点间管路路径规划完成后对编码存储文档进行更新；
[0011] 6)判断是否所有的连接点连接完毕，如果所有的连接点已经连接完毕，则转到步 骤7)输出管路最优解，否则转到步骤3);
[0012] 7)在第N-I组两点间管路路径规划结束后，存储文档中更新后的管路路径编码便 是分支管路路径编码，也即分支管路的路径规划最优解。
[0013] 步骤1)所述的管路路径规划问题的数学模型是：从路径长度、路径拐弯次数和 路径的能量值三个方面对路径进行评价，从而确定空间中管路路径的评价函数Obj (f\)、 Ob j (f2)和 Ob j (f3)如式⑴~（3):
[0014]
[0015]
[0016]
[0017] 其中，假定当前管路 p = {node (I)，node (2)，node (3)... node (n_l) node (η) }，Lp 表示当前管路路径的总长度，I node (i) node (i-1) I表示构成当前管路的节点中两个相邻节 点之间的距离；Bp表示当前管路路径的拐弯次数；Ep表示当前管路路径所穿过的节点的能 量值之和，E(node (j))表示当前管路中第j个节点的能量值；
[0018] 将以上所述的空间中管路路径的三个评价函数分别赋予一个权值，将多目标优化 问题转换成单目标优化问题，转换后的评价函数〇bj(f)如式（4)所示：
[0019] Obj (f) = CiXObjCf^+^XObjCf^+^XObjC^) (4)
[0020] 其中，Cl、c2和(：3分别为三个评价函数的权值；权值反应了评价函数的相对重要程 度，以及设计者的设计意图，具体数值由反复试验确定。
[0021] 步骤3)所述的各组两点间管路路径的始末点的确定方法为：
[0022] 第一组两点间管路路径始末点的确定：对于当前点集合中的N个连接点，分别计 算任一个连接点point (k)和其他连接点的欧式距离之和，得到表示该连接点point (k)与 其他连接点相对位置关系的距离值distance (k)，选出距离值distance (k)最小的第k个连 接点作为起始点，随机选取一个其余的连接点作为终止点，从而得到了第一组两点间管路 路径的始末点，其中，k的取值范围为1~N ;
[0023] 对于第m组两点间管路路径始末点的确定：对于未联通的连接点，随机选取一个 连接点作为两点间管路路径的起始点，然后以所述连接点为起点，利用迷宫算法的扩展过 程在布局空间中进行扩展搜索，并对网格值进行标记，直到搜索到已生成的管路上的网格 点为止；由迷宫算法的特点可知，最先搜索到的已生成管路上的网格点与起始点的距离最 近，则该网格点被选取为两点间管路路径的终止点，其中m的取值范围为1~N-1。
[0024] 步骤4)具体包括：
[0025] (1)种群初始化：将空间S分别沿着坐标轴的方向进行扩充得到了扩展空间S'，为 了能够遍历扩展空间S'中所有的区域，增加管路多样性，在扩展空间S'中随机产生一个辅 助点P ;以原起始点为起点，辅助点P为终点，利用迷宫算法生成一条辅助路径A-Pl ;然后 以辅助点P为起点，原终止点为终点，产生另一条辅助路径A-P2 ;将两条辅助路径A-Pl和 A-P2连接，便构成了一条新的路径；
[0026] 在扩展空间S'中，由于辅助点位置的差异性，两点间管路路径的长度也有所不 同，分别选取扩展空间S'中的八个顶点作为辅助点，与原始末点共同构造出联通路径，并 比较联通路径长度，找出最大值，所述最大值即为遗传算法过程中染色体编码的固定长度 值；
[0027] (2)选择操作：采用随机联赛选择机制，从种群中随机选择M个个体进行适应度大 小比较，将其中适应度最高的个体遗传到下一代；重复上述选择过程1次，便得到了包含1 个个体的下一代种群；但是，单纯采用联赛选择机制会造成最优个体的丢失，因此，引入最 优个体保留策略，在不失种群多样性的同时保证了最优个体的优先权；
[0028] (3)交叉、变异操作：
[0029] 交叉操作的实现过程：随机选定两个父代染色体；分别在两个父代染色体上选择 两个交叉点；然后分别以这两个交叉点为始末点，利用迷宫算法生成一条辅助路径；再将 辅助路径分别与两个父代染色体结合，构成两个新的子代染色体；其中，如果子代染色体的 长度在设定的长度内，子代