摘要
耙吸式挖泥船产量优化问题是疏浚作业中的重要问题,针对疏浚作业机理模型复杂的情况,提出了神经网络与蚁群算法相结合的优化方法。通过系统机理模型的分析和实际作业数据的变量选择,确定产量模型的最优输入变量集合。运用神经网络学习算法,建立挖泥船产量模型。利用神经网络算法和蚁群算法的混合算法,求解优化问题。通过对某挖泥船实际数据的计算和分析,验证了模型和方法的有效性。
耙吸式挖泥船产量优化问题是疏浚作业中的重要问题,针对疏浚作业机理模型复杂的情况,提出了神经网络与蚁群算法相结合的优化方法。通过系统机理模型的分析和实际作业数据的变量选择,确定产量模型的最优输入变量集合。运用神经网络学习算法,建立挖泥船产量模型。利用神经网络算法和蚁群算法的混合算法,求解优化问题。通过对某挖泥船实际数据的计算和分析,验证了模型和方法的有效性。
出处
《控制工程》
CSCD
北大核心
2011年第S1期91-93,152,共4页
Control Engineering of China
基金
国家自然科学基金资助项目(61074150)
关键词
耙吸式挖泥船
变量选择
神经网络
蚁群算法
hopper dredger
variable selection
neural network
ant colony algorithm
