本书主要对船舶管路智能布局优化设计问题进行研究，探索智能优化算法在船舶管路布局中的应用。本书内容如下：介绍相关概念和国内外相关技术的研究现状；介绍船舶管路智能布局优化设计数学建模研究，包括布局空间环境模型、方向指导机制、约束条件和目标函数；介绍基于遗传算法的船舶管路布局优化设计；介绍基于蚁群优化算法的船舶管路布局优化设计；介绍基于协同进化算法的船舶管路布局优化设计；介绍基于人机合作的船舶管路布局优化设计。

更多科学出版社服务，请扫码获取。

目录
“船舶与海洋结构物先进设计方法”丛书序
前言
第1章 绪论 1
1.1 船舶管路 1
1.2 船舶管路系统设计 1
1.3 船舶布局设计 3
1.3.1 船舶布局设计定义 3
1.3.2 布局问题常用算法简介 6
1.4 船舶管路智能布局优化设计 10
1.4.1 船舶管路智能布局优化设计的意义 10
1.4.2 管路布局优化设计国内外研究概况 12
第2章 船舶管路智能布局优化设计数学建模研究 20
2.1 船舶管路布局空间环境模型 20
2.1.1 舱室模型 20
2.1.2 障碍物模型 23
2.1.3 布局优劣区域模型 23
2.1.4 管路模型 24
2.2 船舶管路布局方向指导机制 25
2.2.1 方向指导机制 25
2.2.2 船舶管路布局方向指导机制的设置方法 26
2.3 船舶管路智能布局优化模型 28
2.3.1 约束条件 28
2.3.2 目标函数 29
第3章 基于遗传算法的船舶管路布局优化设计 30
3.1 遗传算法简介 30
3.1.1 遗传算法的产生和发展 30
3.1.2 遗传算法的基本思想 31
3.1.3 遗传算法的基本流程 39
3.1.4 遗传算法的主要特点 40
3.2 船舶管路三维布局优化遗传算法 40
3.2.1 编码方法和种群初始化 41
3.2.2 适应度函数 43
3.2.3 遗传算子 43
3.2.4 仿真实验 45
3.3 基于自适应退火遗传算法船舶单管路布局优化设计 49
3.3.1 遗传算法的局限性 50
3.3.2 自适应遗传算法 50
3.3.3 模拟退火遗传算法 51
3.3.4 基于自适应退火遗传算法船舶管路布局优化 52
3.3.5 算法计算步骤 55
3.3.6 仿真实验 56
3.4 基于爬山遗传算法船舶单管路布局优化设计 59
3.4.1 爬山遗传算法 59
3.4.2 编码方法 60
3.4.3 适应度函数 60
3.4.4 遗传策略 61
3.4.5 仿真实验 61
3.4.6 方向参数敏感性分析 63
第4章 基于蚁群优化算法的船舶管路布局优化设计 65
4.1 蚁群优化算法简介 65
4.1.1 蚂蚁觅食行为 65
4.1.2 基本蚁群优化算法 67
4.1.3 改进蚁群优化算法 70
4.2 基于全局信息素迭代更新蚁群单管路布局优化设计 74
4.2.1 初始化和启发式信息 75
4.2.2 选择概率 75
4.2.3 解的构造 75
4.2.4 局部搜索 76
4.2.5 信息素更新 76
4.2.6 停止准则 77
4.2.7 仿真实验一 78
4.2.8 仿真实验二 83
4.3 迭代更新蚁群管路敷设系统参数敏感性分析 86
4.3.1 局部信息素残留系数. 86
4.3.2 全局信息素残留系数. 87
4.3.3 信息素权重.和启发式信息权重. 89
4.3.4 蚁群蚂蚁数量 m 90
4.3.5 结论 91
4.4 基于遗传变异蚁群优化算法船舶单管路布局优化设计 92
4.4.1 优化算法的目标函数 92
4.4.2 遗传变异蚁群优化算法 92
4.4.3 基于遗传变异蚁群优化算法管路布局优化计算过程 99
4.4.4 仿真实验 100
第5章 基于协同进化算法的船舶管路布局优化设计 107
5.1 协同进化算法简介 107
5.1.1 协同进化的生物学基础 107
5.1.2 协同进化算法的基本特征 109
5.1.3 协同进化算法的发展现状 109
5.1.4 多种群互利共生类协同进化算法 112
5.2 基于多蚁群合作式协同进化算法船舶多管路布局优化 118
5.2.1 多蚁群合作式协同进化算法模型 119
5.2.2 多蚁群合作式协同进化算法流程及其实现 121
5.2.3 仿真实验 123
5.3 船舶分支管路协同进化算法建模 128
5.3.1 基本思想 128
5.3.2 算法模型 129
5.3.3 分支管路路径优化问题的分解 130
5.3.4 分支管路系统的协同进化 130
5.3.5 重合势能值 134
5.3.6 约束条件及优化目标 134
5.3.7 算法流程 134
5.4 船舶分支管路协同进化算法仿真实验 136
5.4.1 实验模型 136
5.4.2 遗传协同进化算法分支管路布局优化仿真实验 136
5.4.3 蚁群优化协同进化算法分支管路布局优化仿真实验 139
5.4.4 结论 143
5.5 并行管路与分支管路混合协同进化算法 143
5.5.1 船舶多管路布局的基本特征 144
5.5.2 优化算法的基本要素 145
5.5.3 协同进化算法的改进 148
5.5.4 协同进化算法求解船舶多管路布局优化设计问题的计算过程 152
5.5.5 仿真实验 154
第6章 基于人机合作的船舶管路布局优化设计 163
6.1 人机合作思想及其在布局优化中的应用 163
6.1.1 人机合作思想国内外研究现状 163
6.1.2 船舶管路布局优化中的人机合作问题 165
6.2 人工个体与算法个体结合机理与结合方法研究 168
6.2.1 人工个体的获取方式 168
6.2.2 构建人工方案参考集 169
6.2.3 人工个体的加入原则 170
6.2.4 管路布局优化设计中的人机合作机理研究 171
6.3 基于人机合作遗传算法的船舶单管路布局优化设计 172
6.3.1 算法的改进及流程 172
6.3.2 仿真实验 173
6.4 基于人机合作蚁群优化算法的船舶单管路布局优化设计 174
6.4.1 关键参数设计及模型建立 175
6.4.2 算法实现 176
6.4.3 仿真实验 180
6.4.4 人工个体加入参数的敏感性分析 184
6.5 基于人机合作的多蚁群协同进化算法多管路并行布局优化设计 187
6.5.1 基于人机合作的多蚁群协同进化算法模型的建立 188
6.5.2 基于人机合作的多蚁群协同进化算法及流程图 192
6.5.3 仿真实验 194
参考文献 198