基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

基于改进蚁群算法和物联网的消防疏散系统设计

针对大型公共建筑结构复杂、消防疏散困难等问题,以改进蚁群算法为基础构建动态火灾疏散模型,分析火灾 3 个不同阶段并获取最优动态消防疏散路径,并通过数值模拟与其他算法对比,验证有效性;结合物联网技术以 Android 平台为载体设计消防疏散系统移动终端,实时引导用户撤离建筑物并迅速到达安全出口。实验结果表明：所设计的大型公共建筑消防疏散系统能够快速、准确地寻找到最优疏散路径,提高消防疏散效率。     

基于改进蚁群算法的地铁疏散路径优化

为提高地铁应急疏散效率,在基本蚁群算法的基础上对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。以西安某地铁站为例,在突发事件情况下,站内人员的数量、密度、事件发生位置等基本参数不变,分别运用基本蚁群算法和改进蚁群算法对其进行验证。研究证实,在解决地铁站乘客疏散路径问题方面,改进蚁群算法较基本蚁群算法不论是在乘客整体疏散效率还是疏散成功率上都有很大提升。     

孤立森林算法的灭火救援疏散路径规划方法

针对建筑火灾中人员疏散路径规划问题,提出基于孤立森林算法的灭火救援疏散路径规划的方法。运用布置在火灾现场的无线传感器网络采集火灾环境信息,构建火灾数据样本,随机分割并训练火灾数据样本,创建多个孤立二叉树组建孤立森林,识别火灾异常数据,获得着火点及障碍物位置,并以栅格法构建火灾救援环境动态地图为基础,通过更新位置节点当量距离、信息素浓度以及信息素挥发因子的改进蚁群算法,构建救援疏散路径组合优化模型,规划出最佳灭火救援疏散路径。测试结果表明：该方法可准确检测火灾中的着火点位置,可在多起点、多终点的救援疏散路径规划中更好地避开着火点和障碍物,快速、合理地规划出最佳灭火救援疏散路径。     

蚁群算法在地铁车站内应急疏散的应用

基于寻找优化路径的蚁群算法,选择地铁站样本,研究地铁爆炸事故发生时人的群体性行为、疏散路径及疏散时间等问题,并在此基础之上,计算得出地铁站样本客流量上限.分析结果显示,发生爆炸事故时,采用蚁群算法进行疏散能够在较短时间内使乘客选择优化的疏散路径,迅速撤离危险区域,到达安全地带.     

基于基因表达式编程的混合蚁群算法

蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。针对此问题,本文提出了一种先用基因表达式编程生成信息素分布,再利用蚁群算法求优化解的新的混合算法。并通过求解复杂TSP问题的仿真数据实验验证了这种基于基因表达式编程的混合蚁群算法的高效性。     

化工园区人员疏散路径模型及算法研究

针对化工园区突发事件中人员疏散问题,基于网络流控制理论,借助时间窗的概念研究了人员疏散过程中路径冲突和通道受阻问题,在Dijkstra算法基础上建立了多源点人员疏散最短路径模型,提出了模型算法和步骤,结合某化工园区的实例进行验证,结果表明：该疏散模型及算法可行,能有效地缩短人员疏散所需时间。     

基于改进的A*和人工势场算法的火灾路径规划

传统火灾疏散过程中疏散指示灯指示方向固定,无法根据火灾情况改变疏散方向,为了解决这种情况,提出改进的A*算法和人工势场算法,对火灾发生时的人群疏散路径进行规划。通过优化g 值、改进OPEN 列表存储结构的方法改进A*算法,通过改进引力函数、加入虚拟侧向力的方法改进人工势场算法,以达到火灾应急疏散的要求,即快速找到疏散路径的同时远离着火区域。通过实验仿真验证了两种改进算法的可行性,可以在时间和环境双重约束情况下成功避开障碍、远离起火位置、找到安全出口。     

基于改进蚁群算法的结构抗震优化设计

为将蚁群算法应用于结构抗震优化设计,构造了基于性能的结构抗震优化模型.针对优化模型的特点和算法自身缺陷,从路径选择方式、信息素更新方式以及信息素浓度控制三方面改进算法,通过信息素的动态区块更新策略和整体缩减调整策略的结合实现了算法的阶段性搜索.以三层四跨框架模型作为优化算例,显示了改进蚁群算法在基于性能的结构抗震优化设计中的适用性和有效性,为抗震优化设计提供了一种可行方法.优化结果表明,改进的蚁群算法求解质量更优,稳定性更好,且在搜索效率和求解速度上提升显著.     

基于改进麻雀搜索算法的疏散路径规划

建筑物内部发生火灾时环境复杂多变,传统疏散指示路径难以根据实际火场情况进行有效的路径规划,为此引入一种改进麻雀搜索算法。首先,根据实际火源位置设置麻雀算法预警值参数,实现算法路径规划过程中对于火源等危险区域的躲避。其次,对麻雀搜索算法位置更新公式进行优化,引入精英反向学习策略以及带有动态权重系数的正弦余弦优化算法,进一步针对麻雀搜索算法易于陷入局部最优解的问题进行改进。最后,采用栅格法搭建3种地图类型,将改进麻雀搜索算法与基本麻雀搜索算法、灰狼算法进行路径规划对比,得出该改进麻雀搜索算法在火灾复杂环境下有较好的危险区域躲避能力以及路径规划能力,在路径长度、拐点个数方面优于另外两种对比算法,在搜寻时间方面稍有不足。     

面向多约束的室内消防路径查询方法研究

对消防疏散路径规划问题的研究通常是仅考虑路径最短这一条件,较少考虑多约束条件对路径查询的影响,给消防疏散带来了一定的局限性.本文将基于多种约束条件,即融合距离约束、消防设施数量约束、危险区域数量约束,进行室内消防路径查询方法研究.通过BIM技术对室内混合路网数据以及消防信息进行提取,搭建出消防综合路网数据;再通过设计函...     

基于人员疏散特征的商场火灾应急管理策略研究

分析商场火灾特点并进行商场火灾风险分析。以广东省茂名市某商场为原型,建立基于 Dijkstra 算法的商场疏散模型,计算疏散时间,分析影响应急疏散的关键因素,从商场环境布局与管理、人员疏散指挥、火灾应急演练等三个方面优化商场火灾应急管理策略。研究结果表明：商场三个楼层的最短疏散时间分别为 83.1、85.5、145.6 s,采取优化措施后示例区域的平均疏散时间减少了 8.9 s,优化率 18.6%。研究可为商场应急管理和公共安全建设提供理论支持。     

强光下多尺度图像增强和蚁群算法的火焰分割

针对强光下火焰图像分割不完整的问题,提出了彩色火焰图像增强及改进蚁群算法的阈值自适应分割方法.首先对采集设备捕获的RGB图像进行基于带颜色恢复的多尺度Ret-inex增强,用亮度控制因子对背景像素进行亮度提升,并从3个不同尺度对原图动态增加高频信息,提高火焰局部可见性,使火焰的颜色、纹理和边缘信息更加突出;然后,为了避...