王 鹏，孟 非

(江苏科技大学电子信息学院，江苏镇江212003)

0 引言

随着船舶数量增多、吨位增大和速度提高，船舶碰撞事故仍时有发生。船舶的碰撞事故不仅给国家和企业带来巨大的经济损失，而且对环境造成恶劣的影响。因此，避免或者减少碰撞事故成为世界主要航海国家十分关注的问题。许多学者近年来研究了优化算法在船舶避碰上的应用，文献［1］和文献［2］分别将遗传算法应用到船舶避碰决策中的危险度确定和避让幅度的计算，并考虑了方位、距离、船速比、最近会遇距离和最近会遇时间这几个主要的因素;文献［3］将粒子群算法应用到船舶转向角的确定上，考虑到了最近会遇距离和最近会遇时间2个因素确定船舶转向角;文献［4］分析了避碰自动化的研究现状及存在的主要问题和对策。考虑到船舶碰撞危险度的确定是一个复杂的过程，受很多因素的影响，具有很强的非线性特征，本文将神经网络技术用于建模该问题。本文首先基于粒子群优化算法实现了一种选择性神经网络集成方法，该方法用有限个神经网络对同一个问题进行学习，集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定;然后基于该选择性神经网络集成方法对船舶碰撞危险度问题进行了建模，模型的精度很高;最后给出结论。

1 粒子群优化算法的选择性神经网络集成方法

1．1 粒子群优化算法的基本原理

粒子群优化算法(Particle Swarm Optimization，PSO)是一种基于群体智能的进化计算技术［5］，其思想来源于人工生命和进化计算理论，最早是受鸟群觅食行为的启发提出的。……