基于智能優(yōu)化算法的港口國(guó)監(jiān)督選船模型研究.pdf

1、PSC選船算法模型是近幾年港口國(guó)監(jiān)督領(lǐng)域的熱點(diǎn)研究方向之一。本論文在分析國(guó)際上多個(gè)PSC諒解備忘錄(Memorandum of Understanding，MoU)組織的選船機(jī)制、選船算法基礎(chǔ)上，提出非線性的基于智能優(yōu)化算法的PSC選船評(píng)價(jià)因素優(yōu)化選擇、船舶分類算法等，并重點(diǎn)對(duì)船舶評(píng)價(jià)算法展開深入的研究和探討，初步建立了一套較為科學(xué)的PSC選船數(shù)學(xué)模型體系，本論文的主要研究?jī)?nèi)容如下:
　　 一方面是關(guān)于PSC選船系統(tǒng)目標(biāo)因素的屬

2、性約簡(jiǎn)方面的研究工作，主要包括:
　　 (1)提出基于粗糙集的PSC選船目標(biāo)因素算法。采用RSES粗糙集理論軟件進(jìn)行屬性約簡(jiǎn)。由于粗糙集理論具有很強(qiáng)的容錯(cuò)能力，經(jīng)過屬性約簡(jiǎn)后，將有效減小計(jì)算時(shí)間，采集最重要的有效數(shù)據(jù)即可進(jìn)行測(cè)算和船舶安全評(píng)價(jià)，規(guī)則簡(jiǎn)明合理，節(jié)省資源，提高效率。
　　 (2)基于單獨(dú)應(yīng)用粗糙集理論可能會(huì)出現(xiàn)多個(gè)屬性約簡(jiǎn)的問題，將層次分析法與粗糙集理論相結(jié)合，提出改進(jìn)的PSC選船系統(tǒng)目標(biāo)因素算法。該算法將在

3、不降低有效分類信息的前提下，基于簡(jiǎn)化分明矩陣的基礎(chǔ)上，通過非核屬性中引入重要性概念，應(yīng)用屬性重要性進(jìn)行排序判斷找到最小屬性集。該算法可以利用簡(jiǎn)化分明矩陣結(jié)合粗糙集理論的優(yōu)勢(shì)和層次分析模型的特點(diǎn)對(duì)屬性進(jìn)行約簡(jiǎn)，避免了存在多個(gè)約簡(jiǎn)集時(shí)受到?jīng)Q策人員選擇時(shí)主觀性的影響。
　　 另一方面是關(guān)于構(gòu)建PSC選船的數(shù)學(xué)模型方面的研究工作，主要包括:
　　 (3)在已得到的PSC選船評(píng)價(jià)指標(biāo)的基礎(chǔ)上，采用(Backward Propaga

4、tion，BP)神經(jīng)網(wǎng)絡(luò)來訓(xùn)練樣本構(gòu)建PSC選船的評(píng)價(jià)模型。實(shí)驗(yàn)結(jié)果表明該算法有效發(fā)揮了粗糙集理論與BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，規(guī)則簡(jiǎn)明合理，網(wǎng)絡(luò)訓(xùn)練結(jié)果逼近全局最小值。可見將粗糙集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合應(yīng)用于PSC選船模型，切實(shí)有效。采用徑向基函數(shù)（Radial Base Function，RBF）神經(jīng)網(wǎng)絡(luò)來訓(xùn)練樣本構(gòu)建PSC選船的評(píng)價(jià)模型。實(shí)驗(yàn)結(jié)果表明徑向基方法雖然結(jié)構(gòu)較簡(jiǎn)單，易于編程實(shí)現(xiàn)且使用方便，但從本例當(dāng)中其運(yùn)行效果與BP神經(jīng)網(wǎng)絡(luò)相比不

5、是特別好，訓(xùn)練次數(shù)雖然很短，但訓(xùn)練誤差較大，分析原因可能是由于在使用k-均值聚類算法時(shí)只利用了輸入樣本，每個(gè)隱含層中心寬度相同且其初始值是根據(jù)經(jīng)驗(yàn)設(shè)定的，所以誤差相對(duì)較大。
　　 (4)針對(duì)單獨(dú)使用神經(jīng)網(wǎng)絡(luò)算法時(shí)容易陷入局部最小值的缺點(diǎn)，提出了基于改進(jìn)的粒子群-BP神經(jīng)網(wǎng)絡(luò)算法的PSC的新選船模型。該算法根據(jù)群體早熟收斂度及個(gè)體適應(yīng)值調(diào)整慣性權(quán)重，更新粒子速度和位置。仿真結(jié)果表明該網(wǎng)絡(luò)同樣具有可逼近性，但很大程度上克服了BP神經(jīng)

6、網(wǎng)絡(luò)易陷入局部極小值、網(wǎng)絡(luò)收斂速度慢的缺點(diǎn)，迭代次數(shù)少，提高了選船效率和質(zhì)量。
　　 (5)采用BP神經(jīng)網(wǎng)絡(luò)方法時(shí)，可能會(huì)出現(xiàn)在參數(shù)合適和樣本足夠多的情況下能夠得到比較好的辨別效果，但隱層個(gè)數(shù)和學(xué)習(xí)率的確定是一個(gè)難點(diǎn)，具體應(yīng)用到PSC選船實(shí)際工作中這些參數(shù)是需要根據(jù)實(shí)際情況來確定的，本文提出了基于改進(jìn)的粒子群算法與支持向量機(jī)理論相結(jié)合的快速風(fēng)險(xiǎn)評(píng)價(jià)模型，并應(yīng)用于PSC選船進(jìn)行實(shí)證分析。該算法可十分有效地對(duì)船舶進(jìn)行快速分類，訓(xùn)練步