典型文献
机器学习在船舶不沉性设计策略中的应用
文献摘要：
船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点.随着机器学习技术应用不断深入,将提供更有效的途径.该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实现集成机器学习模块和不沉性设计模块的优化系统开发和界面设计,讨论算法中不同参数的设置对寻优能力的影响.通过寻优解的分析,表明该方法能够高效地找到较优的分舱方案,为制定科学的分舱策略等方面提供依据.
文献关键词：
不沉性;机器学习;粒子群;强化学习;船舶分舱
中图分类号：
作者姓名：
杨春蕾;黄晓皓;盛庆武;王金宝;潘常春;范佘明
作者机构：
喷水推进重点实验室 上海 200011;中国船舶及海洋工程设计研究院 上海 200011;上海市船舶工程重点实验室 上海 200011;上海交通大学 电子信息与电气工程学院 上海 200240;上海北斗导航与位置服务重点实验室 上海 200240
文献出处：
引用格式：
[1]杨春蕾;黄晓皓;盛庆武;王金宝;潘常春;范佘明-.机器学习在船舶不沉性设计策略中的应用)[J].船舶,2022(04):82-87
A类：
船舶分舱
B类：
不沉性,设计策略,水密,关键指标,时间成本,实用化,机器学习技术,强化学习,粒子群算法,优化问题,集成机器学习,学习模块,优化系统,系统开发,界面设计,同参数,寻优能力,优解
AB值：
0.342541
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
