0 引　言

船舶设计是一个复杂且精细的过程，特别是在涉及多舱室布局时。船舶舱室布置设计不仅需要考虑设备或物体的合理放置，还需根据形状、尺寸以及空间关系的拓扑限制来优化布局，以满足特定的设计条件和目标^[1]。这一过程中，所需信息量巨大，涉及多个专业领域，且设计决策往往受到先前设计阶段的约束和后续专业要求的调整影响。因此，快速完成设计信息查询，是缩短设计师查找所需信息的时间、加速设计流程、实时更新和共享设计数据，从而确保团队成员之间的信息同步，避免资源浪费的重要依据^[2]。

传统的查询方式可能受限于数据存储和检索技术的瓶颈，导致查询效率低下，无法满足现代船舶设计对快速响应和高效决策的需求。基于此，刘炜等^[3]以区块链作为核心技术，进入BMerkle树构建信息查询模型，通过该模型对查新信息的存在性进行判断后，快速实现搜索，并且能够将搜索结果生成跳表结构，生成信息索引，为信息查询提供可靠保障；但是，该方法在应用过程中，如果信息的格式、类型等存在明显差异，并且数据量较大，该方法则无法通过同一标准实现信息处理，导致信息查询效果不理想。房俊等^[4]采用两阶段分层抽样方法进行数据聚合查询，一阶段抽样时使用随机抽样方法进行初步抽样，获取数据样本，对该数据样本进行质量评估，不满足于质量标准的则进行二阶段抽样，该阶段主要是通过SOM网络分析数据的内在结构，实现数据分组，完成近似聚合查询；该方法的性能在很大程度上取决于数据的特性和分布。如果数据存在严重的偏斜或异常值，可能会影响抽样的准确性和查询结果的可靠性。白文等^[5]将条件变分自编码器引入CGAN网络中，构建数据分布模型，通过该模型进行数据查询，该算法可以与聚集预计算技术相结合，进一步提高查询效率；但是条件生成模型的训练需要大量的数据和计算资源，如果数据集很大或模型很复杂，生成的样本与原始数据存在较大差异，那么查询结果可能会产生偏差。Fujita等^[6]以数据之间的空间关系为基础，根据到目标密钥的密钥距离自适应地使用2种类型的跳过图，即使对于空间自相关数据也能进行高效搜索，并构建不同的双跳跃图来优化查询过程；如果空间自相关数据的特性发生变化（如空间关系的改变或新数据的加入），则可能导致查询结果不准确或遗漏相关数据点，算法可能需要重新构建双跳跃图。

云计算作为一种灵活、可扩展且具有低成本的计算模式，能够支持高性能的计算资源和协同设计平台，从而加快设计过程、提高设计精度，并实现设计团队间的远程协作。在云环境下，多舱室船体设计信息的快速查询方法显得尤为重要，其通过提供分布式存储、并行处理和智能检索等功能，可以显著提升设计信息的查询速度和准确性。

1 云环境下多舱室船体设计信息快速查询 1.1 多舱室船体设计信息类别分析

多舱室船体设计是在满足船舶各项功能需求的前提下，着重考虑舱室之间的相互作用与整体协调性，合理完成空间和环境的设计，对舰船实施全面且细致的区域划分。这一过程旨在为舰船上所有设备以及舰员创造出适宜的空间布局，从而达成人机环境的和谐统一，最终提升舰船实用性。为实现舱室功能的最大化，并发挥舰船的最佳效率，在舱室设计环节，需着重关注以下关键属性和因素：舱室内部结构布局、人员流动路线规划、舱外辅助设施的配套、内部空间环境的舒适度，以及至关重要的安全性考量。这些要素涵盖多个专业领域与知识，详细内容如表1所示。

1.2 基于云计算的设计信息快速查询方法架构

确定多舱室船体设计信息内容后，结合该信息类别较多、结构差异明显等特点，为实现信息的快速查询，在云环境下，提出基于云计算的信息查询方法，该方法利用云计算对于海量数据的处理优势，将多舱室船体设计信息统一传送至云端进行处理，以此快速完成信息的查询服务，该方法的整体架构如图1所示。基于云计算的设计信息快速查询方法是以云端服务为核心支撑，将信息多舱室船体设计池和服务管理器均部署在云端，并且引入Goldenx列式存储引擎作为信息池的存储引擎，满足多舱室船体设计信息的存储需求；并且该信息在存储时能够按照应用需求设定存储方式，例如按照时间序列、按照数据类别、按照数据格式等。并且通过信息交换路线连接客户端接口，以此实现信息共享，并且完成其他组件的访问；在该过程中依据交换和传输协议保证信息访问的安全性。

1.3 多舱室船体设计信息池管理 1.3.1 Goldenx列式存储引擎

在云环境下，为满足多舱室船体设计信息的动态分配和扩展需求，适应该信息的调整和增加的特性，在多舱室船体设计信息存储时，信息池以Goldenx列式存储引擎为支撑，Goldenx列式存储引擎结构如图2所示。

1.3.2 多舱室船体设计信息聚类

多舱室船体设计信息通常包含大量的数据，这些数据可能涉及多个方面，如结构、材料、性能等；并且，在多舱室船体设计过程中，设计人员需作出许多决策，如舱室的布局、材料的选择等。因此，为提升后续信息查询效率，本文采用FCM聚类算法将这些信息按照某种特征或属性进行分类，使其生成更易于后续查询的数据格式，设计人员在查询和分析信息时，可以更快地找到所需的内容，从而提高工作效率，具体步骤如下

步骤1　如多舱室船体设计信息样本为$ X = [ {x_1}, {x_2}, \cdots ,{x_n} ] $，对其进行聚类，使其按照舱室类别生成相应的设计信息集，生成的信息类别用$ \left[ {{y_1},{y_2}, \cdots ,{y_m}} \right] $表示，每个类别的聚类中心用$ \left[ {{c_1},{c_2}, \cdots ,{c_m}} \right] $表示，则定义第$ j $个信息样本属于第$ i $个聚类中心的隶属度$ {\mu _{ij}} $，则算法的目标函数计算公式为：

$ f = \sum\limits_{j = 1}^n {\sum\limits_{i = 1}^m {\mu _{ij}^\kappa {{\left( {{d_{ik}}} \right)}^2}} }。$

(1)

式中：$ {d_{ik}} $为数据点$ i $与聚类中心$ k $之间的欧式距离；$ \kappa $为隶属度因子。

步骤2　通过迭代计算，FCM算法会不断调整聚类中心的位置，以使目标函数J达到最小值。这个最小值对应着最优的聚类中心位置，并断调整数据的隶属度和聚类中心，获取最佳的聚类中心，完成多舱室船体设计信息聚类；聚类后的数据则存储在信息池中，为后续查询提供依据。

1.4 基于多属性决策的多舱室船体设计信息快速查询步骤

步骤1　聚类后的信息检索向量用$ {Z_m} = \left[ {{z_i}, \cdots ,{z_m}} \right] $表示，且$ {z_m} = {z_{ij}} $，$ {z_{ij}} $为第$ i $信息的第$ j $个属性值；检索需求指标向量为$ {B_m} = \left[ {{b_1}, \cdots ,{b_m}} \right] $，且$ {b_m} = {b_{ij}} $，$ {b_{ij}} $则表示第$ i $信息的第$ j $个属性值的检索需求量。

步骤2　采用规范化方式对决策矩阵进行处理，以此获取规范化决策矩阵。

步骤3　采用规范化方式对B_m进行处理，获取处理后的结果。

步骤4　计算每个多舱室船体设计信息检索数据和理想解、负理想解之间的距离，。

步骤5　依据步骤4的计算结果进行信息检索结果进行排序，通过排序确定其中与理想解最接近的信息，以此获取信息检索结果，以此完成多舱室船体设计信息快速查询。

2 结果分析

以某公司设计的游船为例展开相关研究，该游船设计时计划为容纳400人，并且保证船体空间和最大利用率、方便性和整体可观赏性，设有单独包间、大厅、休闲客舱、厨房、卫生间和尾部露天观光甲板等共计10个舱室，该游船在设计时，为保证各个舱室的设计效果和效率，需快速获取各个舱室的相关设计信息，因此，通过文中方法对各个舱室的设计信息进行检索，分析该方法的应用效果。

为分析文中方法的聚类效果，通过文中方法进行不同舱体设计信息聚类，获取其聚类结果，由于篇幅限制，结果仅呈现任意3种设计信息的聚类结果，如图3所示。可知：通过文中方法进行各个舱室信息聚类后，能够有效完成各个舱室信息的分类，并且分类后的信息之间不存在重叠现象，为后续查询提供可靠依据。

为验证多舱室船体设计信息的快速查询效果，输入不同的检索向量，通过文中方法进行检索，获取该方法的检索结果，由于篇幅限制，结果仅随机呈现任意3个船舱设计信息的查询结果，如表2所示。可知：输入不同的检索向量后，该方法能够快速完成所需信息的检索，并且通过计算信息的效用值确定最佳的检索结果，能够较好完成设计信息查询，满足多舱室船体设计信息快速查询需求。

采用信息查询覆盖率作为测试指标，通过文中方法信息查询结果如表3所示。信息查询覆盖率的取值均在0.92以上，其中最大值达到0.993。因此，该方法满足多舱室船体设计信息快速查询需求。

3 结　语

多舱室船体设计是船舶设计与建造过程中的重要环节，涉及多个方面的考量，所需大量的信息支撑，不同的舱室、不同的设计，所需要的信息也不同。因此，为快速获取所需信息，本文研究云环境下多舱室船体设计信息快速查询方法。该方法创新性地引入云计算技术，整合来自不同来源、不同格式的船体设计信息，实现数据的统一管理和快速检索。这解决传统方法中数据分散、查询效率低的问题。