随着世界各国之间贸易往来的日益密切,各地区间物流交往的日趋频繁,世界航运业也迅速发展壮大。船舶承载着世界贸易总量的绝大多数货物,海上运输由此变成了各国进出口商品的主要途径。尽可能地确保船舶的安全是海上行驶最基本的要求,在此基础上,经济效益也是在确定航路时所必须要考虑到的因素。为确保海上的船舶达到安全、经济、准时的航行效果。本文从船舶航行安全性、燃油消耗以及航行时间这三方面出发,基于蚁群优化算法提出了一种智能有效的方法求解多目标船舶气象航线优化设计问题,主要的研究内容如下:首先,对多目标航线优化问题进行整体地概述。本文的创新之处主要体现在算法的改进方面,为了使蚁群算法能够快速、高效、准确地寻找到跨洋船舶的最优航线,同时更加有效地解决多目标优化问题,本文从五个方面改进了算法,下面进行简要说明:第一,改变蚂蚁移动规则,使蚂蚁在搜寻路径点时更加具有目的性;第二,优化算法中的相关参数,令算法更适用于船舶在海上的航线优化;第三,增加新的控制因子,不断地修正航线;第四,改进信息素浓度挥发规则,使算法的寻解速度变得更快;第五,加入遗传算法里的交叉、重组、变异相关运算,改善蚁群优化算法求解多目标问题Pareto非支配解过少的状况。其次,建立船舶航线优化数学模型。在地理坐标下,对船舶运动位置推算方程进行时间离散化。同时,将航行地图栅格化,分析船舶航行过程中的静态和动态约束条件。在上述模型的基础上,对气象航线优化目标进行分析,设定优化目标函数分别对应于每个优化目标,通过对各个航线目标函数值的比较从而确定可行解间的pareto非支配关系。然后,基于实测数据搭建船舶油耗黑箱模型。该模型是以人工神经网络为框架搭建起来的,通过试验船舶的历史航行数据训练黑箱模型的参数,然后将训练好的黑箱模型用于试验船舶未来燃油消耗的预测。这其中涉及到数据的分析处理以及网络模型的构建与训练,相比于其它燃油消耗计算方法,黑箱模型法求得的数值更加准确。最后,搭建船舶气象航线优化设计实验环境并对其实验仿真结果进行分析讨论。本文通过MATLAB软件编写算法代码,利用MATLAB Coder这一模块将算法的M函数文件转化成C文件之后进一步编译链接成MEX文件,提高程序的运行效率。仿真实验分为单目标气象航线仿真和多目标船舶气象航线仿真,结合各自的优化目标,将所得结果与大圆航线展开对比,仿真结果辅证了本文所提算法的可靠性。