通过遗传算法优化海上搜救计划:纳入民用船只协作

科学领域:

• 运营研究 运营研究
• 人工智能的人工智能
• 海上安全的航行.

背景情况:

• 海上搜索和救援 (SAR) 行动面临的挑战是有效地部署搜索和救援单位 (SRU),以最大限度地发现目标.
• 现有的方法可能缺乏实时,动态SAR规划的灵活性和可扩展性.
• 整合民用SRU提供了增强覆盖的潜力,但需要优化部署策略.

研究的目的:

• 开发和评估一个生物仿真优化方法用于使用遗传算法 (GA) 的海上SAR规划.
• 通过最佳部署官方和民用SRU来最大限度地检测漂流目标.
• 为了评估GA的性能与基线进化算法与贪部署的基线进化算法.

主要方法:

• 基因算法 (GA) 用于优化SRU在海上SAR的部署.
• 该GA集成了检测概率 (POD) 调整的健身功能,并设置了避免碰撞的约束.
• 集成了一个贪的初始化策略,以提高GA的性能.
• 在24个实验条件下,GA与一个带有贪部署的进化算法 (EAGD) 相比较.

主要成果:

• 与EAGD基线相比,GA始终实现了更高的平均适应性,并表现出优越的稳定性.
• 在只涉及民用SRU的压力测试场景中,GA表现特别有效.
• 生物仿真方法在各种海上场景和覆盖条件中被证明是可靠的.

结论:

• 生物仿真算法,特别是GA,为实时,灵活和可扩展的海上SAR规划提供了一个有希望的方法.
• 该研究强调了通过优化部署将民用SRU纳入紧急海事行动的重要价值.
• 拟议的GA方法为提高SAR任务效率和成功率提供了有效的策略.