动态海洋环境下绿色航运的路径-速度协同优化算法性能比较分析

《Regional Studies in Marine Science》：Algorithmic synergy in green shipping for joint path-speed optimization under dynamic ocean conditions

本文系统评估了四种路径规划算法（Dijkstra、A、BFS、Theta）与六种速度优化算法（DE、GWO、WOA、SMA、GA、PSO）在船舶行为优化中的协同性能。研究通过建立燃油消耗预测白箱模型（WBM），在离散网格地图上实现路径-速度联合优化，结果表明BFS与GWO组合在节能场景下效果最优（提升15.77%），而Theta*与PSO在时效场景下更佳（缩短9.30%航程）。该研究为航运公司针对不同船型制定定制化优化策略提供了算法层面的理论依据。

　　

Highlight

本研究通过创新性的燃油消耗估算方法对船舶路径规划和速度优化进行建模。综合多种优化算法的应用结果表明，在不同航线上采用多种算法解决速度优化问题仍能获得相近的燃油消耗结果。这说明在船舶行为优化中，若能充分应用多种速度优化算法，路径规划算法的选择对燃油效率的影响微乎其微。

讨论

本研究针对船舶航线速度优化这一关键需求展开，由于燃油成本上升和环保法规（如IMO 2050年减排50%目标）的压力，该研究具有重要现实意义。采用分步优化方法，整合了多种路径规划和速度优化算法。这些算法以往多被孤立使用，其性能在统一框架下首次得到系统比较。研究结果揭示了算法组合在节能（BFS+GWO）与时效（Theta*+PSO）场景下的差异化优势，为航运公司根据实际需求（如油轮注重安全、集装箱船注重时效）选择算法提供了实证依据。

结论

研究表明，通过整合多种优化算法，即便在不同航线上应用多种算法解决速度优化问题，仍能获得可比拟的燃油消耗结果。这提示在船舶行为优化中，若能充分应用速度优化算法，路径规划算法的选择对燃油效率影响有限。未来研究可探索更精细的环境建模（如波浪周期方向）和多目标优化框架（同时考虑经济性与安全性），并关注算法在混合动力船舶等新型船舶上的应用潜力。