基于遗传粒子群算法的船舶航迹融合研究

重庆交通大学学报（自然科学版） ›› 2010, Vol. 29 ›› Issue (5): 828-831.

基于遗传粒子群算法的船舶航迹融合研究

谭伟, 陆百川, 李政, 马洪江, 胡伟

重庆交通大学交通运输学院, 重庆 400074

收稿日期:2010-05-09 修回日期:2010-06-24 出版日期:2010-10-15 发布日期:2015-01-22
作者简介:谭伟(1985—),男,湖南株洲人,硕士研究生,研究方向:交通信息工程及控制。E-mail:millon0802@gmail.com。

Track Fusion Based on Particle Swarm Optimization Algorithm with Genetic Operator

TAN Wei, LU Bai-chuan, LI Zheng, MA Hong-jiang, HU Wei

School of Traffic & Transportation Engineering, Chongqing Jiaotong University, Chongqing 400074, China)

Received:2010-05-09 Revised:2010-06-24 Online:2010-10-15 Published:2015-01-22

摘要/Abstract

摘要： 研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。

关键词: 遗传算子, 粒子群算法, 多源数据融合, MATLAB仿真

Abstract: Genetic operator is used to optimize particle swarm optimization algorithm, and to form a multi-source data fusion model based on GA-PSO. The model overcomes the defects of trapping into local optimal point that ordinary particle swarm optimization algorithm easily falls into in the training process, and reaches higher accuracy and faster converg ence speed. Finally, the fusion mode of the target ship track point data is validated by multiple sensors. The results show that track accuracy based on GA-PSO fusion model is better than that detected by every single sensor in detecting the target ship track point data, and the GA-PSO fusion model is more suitable to do ship tracking and forecast

Key words: genetic operators, particle swarm optimization algorithm, multi-source data fusion, MATLAB simulation

中图分类号:

U675.7

谭伟, 陆百川, 李政, 马洪江, 胡伟. 基于遗传粒子群算法的船舶航迹融合研究[J]. 重庆交通大学学报（自然科学版）, 2010, 29(5): 828-831.

TAN Wei, LU Bai-chuan, LI Zheng, MA Hong-jiang, HU Wei. Track Fusion Based on Particle Swarm Optimization Algorithm with Genetic Operator[J]. Journal of Chongqing Jiaotong University(Natural Science), 2010, 29(5): 828-831.

[1]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[2]	谢新连，刘超，魏照坤. 海洋气象环境影响下的复杂水域船舶路径规划[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 1-7.
[3]	李楠，强懿耕，樊瑞. 基于轨迹压缩的航空器飞行轨迹聚类研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 1-6.
[4]	陆百川1,2，舒芹1，马广露1. 基于多源交通数据融合的短时交通流预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(05): 13-19.
[5]	于德新1，2，赵阳1，武毅1，瞿卫东1. 施工环境下高速公路应急车辆资源配置[J]. 重庆交通大学学报（自然科学版）, 2018, 37(10): 110-116.
[6]	严南南，朱丽珊. 考虑碳交易的果蔬品供应链网络优化[J]. 重庆交通大学学报（自然科学版）, 2016, 35(6): 171-176.
[7]	连志刚，林蔚天，曹宇，计春雷. 基于类粒子群算法的集装箱装载模型优化研究[J]. 重庆交通大学学报（自然科学版）, 2014, 33(2): 126-130.
[8]	杨志刚，戚志锦，黄燕. 智能车辆自由换道轨迹规划研究[J]. 重庆交通大学学报（自然科学版）, 2013, 32(3): 520-524.
[9]	彭勇，谢禄江，刘松. 时变单车路径问题建模及算法设计[J]. 重庆交通大学学报（自然科学版）, 2013, 32(2): 263-0266.
[10]	彭勇，谢禄江，刘松. 时变单车路径问题建模及算法设计[J]. 重庆交通大学学报（自然科学版）, 2013, 32(2): 263-266.
[11]	李毅,陆百川,刘春旭. 车辆路径问题的混沌粒子群算法研究[J]. 重庆交通大学学报（自然科学版）, 2012, 31(4): 842-845.
[12]	高书俭，王勇，张永. 基于混合粒子群算法的物流集气管网布局优化[J]. 重庆交通大学学报（自然科学版）, 2011, 30(1): 176-179.
[13]	王首绪,周学林. 遗传算法优化施工网络计划的多种资源均衡[J]. 重庆交通大学学报（自然科学版）, 2001, 20(2): 39-45.