为了对开阔水域中船舶的自动避碰决策进行研究,保证船舶的安全航行。在对船舶碰撞危险度进行研究时,本文对基于SCR和TCR的CRI计算方法进行了一定的改进,解决了其在计算CRI时的“过大化”问题。为了提高船舶碰撞危险度的计算效率,分别应用BP神经网络、GA-BP神经网络、自适应模糊神经网络对CRI进行预测分析。为了保证避碰决策的合理性,本文分别建立了基于安全性、经济性、避碰规则、避碰时机的适应度函数。根据船舶自动避碰中多目标决策的性质,将多目标决策理论应用到遗传算法中对船舶的自动避碰进行研究。文中解决了各目标函数因相互矛盾而无法求解问题的最优解,只能得到非劣解集的问题。本文具体的研究成果如下所示。(1)船舶碰撞危险度计算。基于空间碰撞危险度和时间碰撞危险度的船舶碰撞危险度模型,以两者都不为0的最大值为该局面下的船舶碰撞危险度,这种方法在一定程度上会将船舶碰撞危险度的计算结果“过大化”,在避碰决策时容易引起误解。本文在此基础上对其进行了一定的改进,避免了“过大化”现象,使计算结果更符合实际情况。并进一步地通过遗传算法、自适应模糊算法对BP神经网络进行优化,来计算碰撞危险度。为了避免因以DCPA,TCPA计算时的网络不能较好的涵盖所有影响CRI的因素,将随机产生的航速(V)、航向(C)、相对方位(Tr)、距离(D)作为网络的输入来预测CRI,结果显示自适应的模糊神经网络预测结果较好。(2)确定重点避碰船舶。为了处理多船会遇问题,本文将其进行简化,通过确定“重点避让船舶”,优先对重点避让船舶进行避让。本文建立的确定重点避让船舶的模型为:当本船周围存在多艘目标船时,以每一艘目标船的碰撞危险度占总的船舶碰撞危险度之和的比值来作为该目标船的危险程度。使船舶能够时刻以危险度的高低来进行优先避让目标船。(3)构建多目标决策理论的遗传算法。本文分别建立了基于安全性、经济性、避碰规则、避让时机的适应度函数:f1(x),f(x),f3(x),f4(x)。由于各目标函数的相互矛盾性,无法同时使各目标函数达到最优解。鉴于此,根据各目标函数的特性综合考虑权重法、约束法来进行求解。由此而构建基于多目标遗传算法的船舶自动避碰决策研究。(4)自动避碰决策仿真实验。本文的仿真实验以Matlab2018b为实验平台。分别建立了对遇局面、交叉相遇局面、追越局面、多船会遇局面下的仿真实验。仿真结果显示,基于多目标遗传算法的船舶避碰决策能够快速、有效地实现船舶间的自动避碰。