[发明专利]一种海上搜救资源选择方法及装置

说明书

本发明提供一种海上搜救资源选择方法及装置，所述方法包括：确定每个搜救资源的第一特征参数，所述搜救资源至少包括飞机、船舶，所述第一特征参数用于指示所述搜救资源的搜救能力；确定搜救任务的第二特征参数；基于所述第一特征参数及第二特征参数确定每个所述搜救资源执行所述搜救任务的响应概率，所述响应概率表征所述搜救资源执行所述搜救任务的概率；基于所述响应概率及蚁群算法自多个所述搜救资源中计算确定用于执行所述搜救任务的目标搜救资源。本发明的海上搜救资源选择方法能够高效准确地匹配确定出用于执行搜救任务的搜救资源。

技术领域

本发明实施例涉及计算机技术领域，特别涉及一种海上搜救资源选择方法及装置。

背景技术

我国是拥有大量海岸线和海域面积的海洋大国，随着我国海洋业的发展，海洋活动日趋复杂。

由于海上搜救资源选择多为人工决策，而当信息多源复杂时，并且在紧急心理状态下决策者无法快速做出科学的决策，因此采用智能优化算法辅助决策者进行快速科学的决策十分有必要。考虑资源的需求，以更契合海上搜救资源选择的情况，对提升我国的海上搜救能力具有重要的理论价值与实践指导意义。

目前，国内外对海上搜救方法开展了相关研究，其中代表性的是1998 年国际海事组织(International Maritime Organization.IMO)与国际民用航空组织(InternationalCivil Aviation Organization.ICAO)联合推出的搜救手册《国际航空和海上搜寻救助手册》。这个手册是在Koopman 及其同事组成的反潜军事运筹学研究组公开发表的《TheTheory of Search》Ⅰ Ⅱ Ⅲ部基础上总结形成的。其中运用分类分析、现代决策理论和模糊数学评判方法对救助船舶优选模型与方法进行了研究；而且在如何计算海上遇险目标随风、流的漂移、确定搜寻区域与范围以及最优搜索模式问题进行了研究。

蚁群算法(Ant Colony Algorithm)是意大利学者Dorigo M等于20 世纪90年代受蚂蚁觅食行为启发提出的一种群智能算法，具有较强的鲁棒性，且易于其他优化算法相结合。随着算法的发展，蚁群算法已应用于作业调度、路径规划等多个领域。但普通蚁群算法没有更好的考虑海上搜救资源需求，虽然实现对多目标优化模型的求解，但是造成结果容易出现收敛速度慢、易陷入局部最优，搜索时间过长等问题。

发明内容

本发明提供了一种能够高效准确地匹配确定出用于执行搜救任务的搜救资源的海上搜救资源选择方法及装置。

为了解决上述技术问题，本发明实施例提供了一种海上搜救资源选择方法，包括：

确定每个搜救资源的第一特征参数，所述搜救资源至少包括飞机、船舶，所述第一特征参数用于指示所述搜救资源的搜救能力；

确定搜救任务的第二特征参数；

基于所述第一特征参数及第二特征参数确定每个所述搜救资源执行所述搜救任务的响应概率，所述响应概率表征所述搜救资源执行所述搜救任务的概率；

基于所述响应概率及蚁群算法自多个所述搜救资源中计算确定用于执行所述搜救任务的目标搜救资源。

作为一可选实施例，还包括：

建立响应阈值模型；

所述基于所述第一特征参数及第二特征参数确定每个所述搜救资源执行所述搜救任务的响应概率，包括：

基于所述响应阈值模型处理所述第一特征参数及第二特征参数以得到每个所述搜救资源执行所述搜救任务的响应概率。

作为一可选实施例，所述建立响应阈值模型，包括：

根据历史第一特征参数建立用于确定所述搜救资源的刺激量的第一响应函数，所述刺激量表征所述搜救资源执行所述搜救任务的能力；