Planowanie trasy przejścia statku z zastosowaniem algorytmu mrówkowego

• Autorzy: Lazarowska A.

Warianty tytułu

EN

Ant algorithms for ship route planning

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano wyniki pracy badawczej, dotyczącej zastosowania jednej z metod sztucznej inteligencji w nawigacji morskiej. W pracy tej algorytmy mrówkowe zostały użyte do wyznaczania bezpiecznej, optymalnej trasy przejścia statku pomiędzy portami. Koncepcja ta stanowi innowacyjne podejście do problemu wyznaczania bezpiecznej, optymalnej trajektorii statku. W procesie wyznaczania trasy przejścia uwzględniane są statyczne ograniczenia nawigacyjne, takie jak lądy, kanały, płycizny, tory wodne. Przedstawiony Podsystem Planowania Trasy Przejścia Statku stanowi element Systemu Wspomagania Decyzji Nawigacyjnych na Morzu. Celem systemu jest zwiększenie bezpieczeństwa nawigacji morskiej przy jednoczesnej minimalizacji kosztów eksploatacyjnych statku.

EN

The paper presents results of research concerning application of artificial intelligence method in marine navigation. Ant algorithms are proposed to determine safe optimal route of passage between harbours. The idea constitutes an innovative approach to the problem of determining safe optimal trajectory of own ship. Static navigational constraints such as lands, canals, shallows, fairways are considered in this process. Presented path planning system constitutes an element of Navigational Decision Support System. The purpose of the system is to increase safety of navigation with the minimization of operating costs.

Słowa kluczowe

PL

planowanie trasy przejścia; wspomaganie decyzji; algorytm mrówkowy; sztuczna inteligencja

EN

path planning; decision support; ant algorithm; artificial intelligence

• Wydawca: Wydawnictwo Uniwersytetu Morskiego w Gdyni
• Czasopismo: Zeszyty Naukowe Akademii Morskiej w Gdyni
• Rocznik: 2013
• Tom: nr 78
• Strony: 43--52
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Lazarowska A.

• Akademia Morska w Gdyni

Bibliografia

• 1. Blum C., Ant colony optimization: Introduction and recent trends, Physics of Life Reviews, 2005, No. 2(4), s. 353–373.
• 2. Blum C., Dorigo M., Ant colony optimization theory: A survey, Theoretical Computer Science, 2005, No. 344, s. 243–278.
• 3. Documents for Operators and Engineers: Operating Instructions RADARPILOT 1100, CHARTRADAR 1100, MULTIPILOT 1100, CONNINGPILOT 1100, SAM Electronics 2005.
• 4. Dorigo M., Di Caro G., Gambardella L.M., Ant Algorithms for Discrete Optimization, Artificial Life, 1999, No. 5(2), s. 137–172.
• 5. Grzymkowski R., Kaczmarek K., Kiełtyka S., Nowak I., Wybrane algorytmy optymalizacji. Algorytmy genetyczne. Algorytmy mrówkowe, Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice 2008.
• 6. Jurdziński M., Podstawy nawigacji morskiej, Wydawnictwo Akademii Morskiej w Gdyni, Gdynia 2003.
• 7. Lisowski J., Computational intelligence methods in the safe ship control process, Polish Maritime Research, Vol. 8, 2001, nr 1, s. 18–24.
• 8. Lisowski J., Pachciarek A., Transmisja danych nawigacyjnych w układzie komputerowego wspomagania decyzji nawigatora w sytuacji kolizyjnej, Przegląd Telekomunikacyjny, 2009, nr 1, s. 33–35.
• 9. Pachciarek A., Projekt układu wspomagania decyzji nawigatora z zastosowaniem algorytmów wyznaczania bezpiecznej trajektorii statku, praca magisterska, Akademia Morska w Gdyni, 2008.
• 10. Wiśniewski B., Programowanie tras statków na oceanach, Zeszyty Naukowe Akademii Morskiej w Szczecinie, 2004, nr 2(74), s. 395–406.
• 11. http://www.sam-electronics.de/.