基于NSGA-II的时变海洋环境下多目标船舶航线与航速优化

《Journal of Marine Science and Engineering》:Multi-Objective Ship Route and Speed Optimization Under Time-Varying Marine Environments Based on NSGA-II

【字体: 大 中 小 】 时间:2026年07月21日 来源:Journal of Marine Science and Engineering 3.2

编辑推荐:

  在时变海洋环境下实现高效的船舶航行规划,对于降低燃油消耗、提高运营效率和维持航行安全具有重要意义。本研究提出了一种基于NSGA-II的多目标船舶航线与航速优化方法,该方法联合优化中间航路点位置和航段航速。研究人员开发了一个三目标框架,以最小化燃油消耗、航行时间

  
在时变海洋环境下实现高效的船舶航行规划,对于降低燃油消耗、提高运营效率和维持航行安全具有重要意义。本研究提出了一种基于NSGA-II的多目标船舶航线与航速优化方法,该方法联合优化中间航路点位置和航段航速。研究人员开发了一个三目标框架,以最小化燃油消耗、航行时间以及航行安全指数。静态航行数据用于可行性检查,而时变的风、浪、流场则根据其位置和航行时间与航线航段进行匹配。研究人员将基于Extra Trees的燃油消耗模型和多因素安全指数评估模型嵌入到航段级评估过程中,并将联合航路点–航速编码、分组遗传操作符和约束处理纳入NSGA-II框架。对釜山–宁波航线的案例研究表明,所提方法生成了一个分布良好的Pareto非支配解集,并揭示了三个目标之间的清晰权衡。基于TOPSIS的推荐航线实现了燃油消耗43.468 t、航行时间34.599 h和安全指数值0.830。与A*基线航线相比,所提方法在燃油消耗、航行时间、安全指数值和航线长度上分别降低了5.08%、3.52%、20.61%和5.65%。与原始NSGA-II和CMOPSO的进一步比较表明,在多目标优化方法中,所提方法改善了Pareto解质量和航线平滑度。两个代表性大洋航线场景的结果进一步表明,所提框架能够在不同航行条件下生成可行的Pareto解集和推荐航线。这些结果表明,所提方法能够为复杂海洋条件下的航行优化提供可行、平滑且均衡的航线–航速方案。
**论文解读文章**

**1. 研究背景与现存问题**
全球贸易体系中,海运承担着超过80%的货运量,其运营效率直接影响国际货物流动与航运公司经济效益。随着2025年国际海事组织(IMO)净零框架的批准,国际航运进入燃料强度要求与温室气体排放经济机制并存的新阶段,对船舶运营提出了更精细化的决策需求,要求在经济性、效率与安全之间取得平衡。传统的船舶航线规划多依赖单一成本函数或预定义搜索结构,难以同时反映燃油消耗、航行时间、航速变化与航行安全等多重目标。尽管已有研究将天气、船舶性能模型纳入优化,但航线几何与航速分配、时变环境以及多目标之间的协同评估仍不充分。现有方法在联合优化中间航路点位置与航段航速、实现航段级环境匹配以及显式分析燃油消耗、航行时间与安全之间的权衡方面存在不足。因此,本研究旨在开发一种基于NSGA-II(非支配排序遗传算法II)的多目标船舶航线与航速优化方法,以应对复杂时变海洋环境下的航行规划挑战。该研究发表在《Journal of Marine Science and Engineering》。

**2. 主要关键技术方法**
研究人员基于以下关键方法构建了优化框架:
- **数据支持层**:使用GEBCO(通用大洋水深图)测深网格和Natural Earth陆地矢量数据作为静态航行数据;从ERA5再分析数据集获取风场,从Copernicus Marine Service获取波浪和流场作为时变环境数据。
- **燃油消耗评估模型**:采用Extra Trees(极端随机树)回归模型,基于开源项目predict-ship-fuel-consumption提供的运营数据(包含航速、吃水、纵倾、沿流、波浪高度、相对波浪方向、风速、相对风向等8个输入特征),通过五折交叉验证选择模型,R2为0.9893,RMSE为52.81 kg/h。
- **航行安全指数评估模型**:构建由海岸邻近度、浅水状态、波浪暴露、流暴露、风暴露和转向需求六项指标组成的无量纲复合指数,采用机制权重(基线设定见表2)并通过灵敏度分析验证稳定性。
- **优化求解层**:采用NSGA-II作为基础优化器,设计航路点–航速双层编码、分组遗传操作(分别对航路点位置和航速进行交叉与变异)、约束处理(包括陆地穿越、硬浅水、航速范围、基于Nomoto模型的操纵性可行性检查),并引入直接航线和A*可行航线作为初始参考个体。

**3. 研究结果**

**3.1 案例背景与实验设置**
研究人员选取釜山–宁波近海航线作为主案例,研究区域覆盖121°E–129°E、29°N–36°N,包含黄海与东海北部,受岛屿、浅水区、水深变化和时变风浪流影响。采用KCS(KRISO集装箱船)作为基准船型,船参数见表3。算法参数设定为种群规模80、最大进化代数160。

**3.2 NSGA-II优化结果分析**
通过收敛过程(图13a)和超体积(nHV)收敛(图13b)显示,三个目标在早期快速下降后趋于稳定,表明种群在有限代数内达到较好区域。Pareto前沿(图13c–e)清晰展示了燃油消耗、航行时间与安全指数之间的权衡:燃油消耗与航行时间呈明显冲突,安全指数与二者关系更分散。四类代表性解(燃油高效、最快、最安全、TOPSIS平衡解)中,平衡解(推荐航线)的燃油消耗为43.5 t、航行时间为34.6 h、安全指数为0.830,TOPSIS贴近度最高(0.639)。航速剖面显示平衡解采用适中航速分配,转向角剖面无持续大角度转弯,表明航线平滑且可行。环境响应分析(图15)展示了推荐航线在六个代表性时刻的波浪暴露情况,验证了航段级时间匹配的必要性。

**3.3 不同方法优化结果比较**
研究人员将所提方法与A*、原始NSGA-II和CMOPSO(竞争机制多目标粒子群优化器)进行比较。在相同评估框架下,所提方法生成的推荐航线在燃油消耗、航行时间、安全指数和航线长度上均优于对比方法:相比A*基线分别降低5.08%、3.52%、20.61%和5.65%;相比原始NSGA-II分别降低0.63%、1.06%、11.89%和0.17%;相比CMOPSO分别降低0.19%、0.43%、3.82%和0.22%。Pareto解集质量方面,在五次独立运行中,所提方法获得最高的平均归一化超体积(nHV = 0.6270 ± 0.0154)和最低的平均间距(spacing = 0.4460 ± 0.0343),且推荐航线的最大和平均转向角均低于其他随机多目标方法,表明所提方法在Pareto解质量与航线平滑度上均有改进。

**3.4 多场景验证**
研究人员进一步测试了两个代表性大洋航线场景(上海–洛杉矶跨太平洋航线,2025年7月15日出发;鹿特丹–纽约北大西洋航线,2026年1月15日出发)。在相同优化框架下,所提方法均生成了可行的Pareto解集和TOPSIS推荐航线,航线连续且保持在可航水域内,定量结果(表6)显示在不同航行距离、洋盆和环境条件下仍能保持多目标优化能力。

**4. 讨论与结论**
讨论部分指出,所提方法将航线规划从空间路径搜索扩展为综合航行决策,通过联合优化航路点与航速,实现了经济性、效率与安全性的平衡。与现有方法相比,所提方法在Pareto解集质量、航线平滑度和多目标权衡分析上表现更优。结论部分翻译如下:本研究开发了一种多目标船舶航线与航速优化方法,用于复杂时变海洋环境下的航行规划。通过将中间航路点位置和航段航速作为联合决策变量,所提框架将航线几何与航速分配整合到统一优化模型中。静态航行数据、时变风浪流场、环境感知燃油消耗模型以及多因素航行安全指数评估模型相结合,在航段级评估经济性、效率与安全性。基于NSGA-II的求解过程通过联合编码、分组遗传操作和约束处理,生成了满足陆地规避、浅水、航速范围和操纵性约束的Pareto非支配航线–航速解。TOPSIS用于从Pareto集中选择折衷解,使推荐航线反映燃油消耗、航行时间和安全指数之间的平衡考虑。釜山–宁波案例验证了该方法在复杂水深和时变环境下的可行性,与A*、原始NSGA-II和CMOPSO的比较表明其在推荐航线性能、Pareto解质量和航线平滑度上的改进。两个大洋航线场景进一步展示了该框架在不同航行距离、洋盆和环境条件下的跨场景适用性。所提框架以船舶特性、航行约束、环境场和评估模型为参数,可扩展至其他船型和运营航线。未来工作可考虑更多船型、季节、交通状况,以及AIS(自动识别系统)交通密度分析、电子海图约束和分道通航制约束,以提高在拥挤或受限水域的运营适用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号