0 引言

随着我国社会经济的繁荣发展与工业制造技术的快速进步，我国已取代韩国，成为世界船舶制造的第一大国。在船舶制造的工作环节中，船舶设计占有重要作用，优秀的船舶设计是造船的前提条件与基础。完善的设计方案能够有效缩短船舶制造周期、降低制造成本，提升利润^[1]。在本文中，主要与船舶机舱的管路布置方法进行研究，首先提出了机舱管路布置的快速三维仿真环境建立方法，然后介绍了一种机舱管路三维布置优化方法，最后利用三维CAD建模技术与Visual Basic编程语言进行仿真实验。

1 管路布置的三维仿真环境

船舶机舱空间狭小，并且设备繁多，管路布置工作繁复。因此，在对船舶机舱管路进行三维仿真时，需要对相关模型与布置环境进行简化，以保证后续算法的高效性。在本文中，主要利用场景分割、模型简化、简易布置平台3种方法快速建立机舱管路的仿真环境。

由于与管路相关联的机舱设备与管路机构与形状过于复杂，在进行三维仿真过程中，必须进行模型的精简。本文所采用的模型简化方法是，尽可能地将所有实物以形状近似的长方体、球体、柱体以及多面体等简单的几何空间来表示，而简化后模型要能够反映自身以及与管路接口的空间位置，并且能够编辑。

场景分割的主要目的是为了便于管理、降低算法复杂度。本文场景分割采用层次划分方法，分割的原则为层次划分要合理、边界条件要确定。

2 船舶机舱管路布置算法设计 2.1 遗传算法

本文选用遗传算法进行管路智能布置设计。遗传算法由John Holland于1975年提出^[2]，遗传算法是将“物竞天争，适者生存”的自然界法则应用到优化问题中。1999年，Sandurkar. S提出了使用遗传算法解决管路布置问题。遗传算法的流程如图 2所示。

在遗传算法中，主要包括初始群体、编码、适应度函数3个重要基本概念。其中，初始群体中的个体通常随机产生；编码是待处理问题的空间参数转化为遗传空间的染色体，编码方式的好坏直接关系到遗传算法的计算效率；适应度函数也成评价函数，用于评估个体的优劣，适应度函数的计算直接影响遗传算法的性能。常见的用于求解最大值与最小值问题的适应度函数如下：

$ \begin{array}{l} F(x) = \left\{ {\begin{array}{*{20}{c}} {f(x) + {C_{\min }},\;\;f(x) + {C_{\min }} > 0}\text{；}\\ {0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;f(x) + {C_{\min }} \leqslant 0}\text{；} \end{array}} \right.\\ F(x) = \left\{ {\begin{array}{*{20}{c}} {{C_{\max }} - f(x),\;\;{C_{\max }} - f(x) < 0}\text{；}\\ {0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;{C_{\max }} - f(x) \geqslant 0}\text{。} \end{array}} \right. \end{array} $

(1)

其中：F（x）为适应度函数；f（x）为目标函数。

虽然遗传算法能够获得较好的设计结果，但是，传统的遗传算法却需要消耗大量的计算资源，并且存在局部优化能力差的问题。因此，本文使用了一种改进的遗传算法。

2.2 基于改进遗传算法的管路布置方法

为了改善传统遗传算法存在的问题，本文将爬山法加入到遗传算法中，此外，由于船舶管路设计不能够完全满足实际工程稳定性要求，本文还在算法中引入了人工个体^[3]，用人机结合的方式，提高管路布置效率与质量。该算法流程如图 3所示。

爬山算法是一个局部择优能力很强的算法，因此，在遗传算法寻找局部最优的过程中，反复利用爬山法能够获得更快的收敛速度。

1）编码方式

本文采用的编码方式为浮点数编码如下：

$ /{x_1},{y_1},{z_1}/{x_2},{y_2},{z_2}/{x_3},{y_3},{z_3}/ \cdots /{x_n},{y_n},{z_n}/\text{。} $

(2)

染色体个体由坐标值构成，对应于管路路径。坐标值为机舱内空间栅格节点位置（x，y，z）。

2）适应度函数

$ f(p) = A - [a \cdot L(p) + b \cdot B(p) + c \cdot E(p)] - d \cdot O(p)\text{。} $

(3)

式中：p为染色体个体；f（p）为适应度函数；L（p）为管路长度；B（p）为弯头数目；E（p）为管路通过的区域能量和；O（p）为惩罚函数。A为以常数，用来保证f（p）的非负性，a，b，c，d则为权重参数。

3）遗传算子

在本文中，选择算子、交叉算子、变异算子分别使用的是轮盘赌算子、随机点交叉运算、随机点变异。随机点交叉运算如式（4）。

$ \begin{array}{l} {\text{父代}}1:\;/0,0,0/1,0,0{/^*}1,0,0/ \cdots /9,9,9/\\ {\text{父代}}2:\;/0,0,0/ \cdots /9,0,7{/^*}9,0,8/\\ {\text{子路径:}}\;/1,0,0/2,0,0/2,0,1/9,0,7/\\ {\text{子代}}1:\;/0,0,0\underbrace {/1,0,0{/^{\rm{*}}}2,0,0/ \cdots /9,0,7{/^*}}_{{\text{子路径}}}9,0,8/9,9,9/\\ {\text{子代}}2:\;/0,0,0\underbrace {/9,0,7{/^{\rm{*}}} \cdots /2,0,0/2,0,1/1,0,0{/^*}}_{{\text{子路径}}}1,0,1/ \cdots /9,9,9/ \end{array} $

(4)

式中，交叉点以*标识，而子路径则表示交叉点之间随机生成的新路径。

在人工个体加入时，需要遵循以下原则：一是人工个体的数量不能超过群体的20%，二是只有当进化的子代性能高于人工个体时，人工个体则不加入。

3 仿真实验

为了验证本文所描述方法的可行性，本文进行仿真实验，实验条件如下：实验主机为Intel（R）Xeon（R）CPU X5650@2.67GHz 2.66 GHz，内存24 GB；操作系统为：Windows 10；三维设计软件为AutoCAD 2014；编程语言为Visual Basic 6.0。所设计船舶相关参数如表 1所示。

船舶机舱管路布置算法中，相关参数设置如下：M=50，T=200，P_c =0.8，P_m =0.05，A=10 000，a=3，b=4，c=3，d=18，R=200。

仿真示意图及算法计算效果如图 4所示。

为了比较本文算法与传统遗传算法的效率，本文进行了对比实验，实验情况如表 2所示。

实验结果表明，本文所给出的方法能够得到与实际布置相符合的管路路径，并且在计算效率上，有所提高。

4 结语

船舶管路的智能布置是降低设计成本，提高设计效率的关键。在本文中，给出一种人机结合的船舶机舱管路智能布置算法，并利用AutoCAD三维仿真软件进行了仿真实验，实验结果表明，该方法具有较好的布置质量与效率。