基于元胞自动机模型的人员疏散仿真研究

公共安全是经济发展和社会稳定的基础。近年来由于火灾、地震、恐怖活动等突发因素诱发的公共场所人员安全事故屡见报道,在公共场所的安全设计中,安全疏散性能已成为至关重要的因素。为解决上述问题,人员疏散的计算机仿真对提高公共场所的安全疏散性能具有重要意义。对于出口距离最近的原则建立人员疏散的二维随机元胞自动机模型,其中考虑人员绕行的影响,并利用Matlab软件编写了疏散过程的程序,对大空间疏散人群进了仿真,得到了人员疏散基本规律及疏散时间。研究表明:考虑人员绕行的模型更能体现真实的疏散情景。     

基于元胞自动机的人员疏散仿真研究

在人员聚集的大型场所,如果紧急事件发生则极有可能造成人员的大量伤亡,因此对人员疏散行为进行深入研究,具有极大的现实意义.通过分析已有的理论基础,利用元胞自动机原理建立了人员疏散数学模型.模型采用二维元胞自动机技术,确定了元胞空间和元胞状态,建立了人员疏散行为规则并着重探讨了从众行为和建筑结构不同对疏散时间的影响.试验结果表明,该疏散仿真模型更具真实性和合理性.     

基于元胞自动机的人群疏散模型

通过分析已有的元胞自动机理论基础,改进了从众吸引力算法,简化了复杂空间欧氏距离算法,真实反映了人员惊慌状态下的从众心理,并且提高了危险排斥力和出口吸引力的量化效率．本文重点研究了疏散人群密度、出口宽度、从众心理对疏散时间的影响．研究结果表明,行人疏散时间随行人数量呈线性增加;随安全出口宽度呈负指数性减少;盲目从众导致人群疏散效率降低形成局部拥堵．     

元胞自动机地铁人员疏散模型仿真

基于元胞自动机模型对地铁人员疏散进行研究,通过对地铁的疏散个体微观建模,构建出元胞的移动规则,从而确定元胞下一时间步长的移动路径。针对地铁紧急情况下的疏散情形,提出了两种基于元胞自动机的疏散规则:概率计算方法和元胞空间场吸引法。利用VC++开发环境与OpenGL图形库对地铁的人员疏散情况进行仿真,描述不同疏散规则下的地铁疏散整个动态过程,并分别模拟得出不同的疏散效率,从而为指导地铁紧急情况下人员疏散提供理论依据。     

基于元胞自动机的人员疏散模型设计与实验

元胞自动机作为一种动态模型与通用性建模的方法,其应用几乎涉及社会和自然科学的各个领域,在当前物联网技术、宽带通信技术时代得到了更加广泛的应用。利用元胞自动机原理建立人员疏散的数学模型,模型采用二维元胞自动机技术,确定元胞空间和元胞状态,根据实际情况建立人员移动行为规则并讨论元胞重复行进次数和危险物质扩散对人员行为的影响。实验结果表明,该模型具有一定的真实性和合理性。     

基于元胞自动机的人员疏散过程研究

紧急情况(如火灾等)下的人员疏散研究可为减少人员受到伤害提供必要的指导.提出了一种基于元胞自动机的微观离散模型,该模型将人群按照年龄和性别进行了划分,把所有人员都作为一种客体.在疏散过程中,每个人员的行为参照在其视野中的其它人员的行为进行加权处理.针对不同移动速度的人员比例,权系数等参数,进行了多方面的数值模拟,研究结果表明,提出的模型能够较好地模拟紧急情况下的人员疏散现象.     

基于元胞自动机模型的礼堂人群疏散仿真

为了消除礼堂的安全隐患,制定行之有效的应急预案,有必要对礼堂人群疏散运动进行研究,掌握礼堂人群疏散的一般特点和规律。采用基于二维元胞自动机模型对某高校礼堂发生人群疏散运动进行仿真,找出影响礼堂人群疏散效率的关键因素,为高校礼堂设计提供支持;为高校礼堂制定突发事件应急预案提供参考。     

基于Agent和元胞自动机的人员疏散过程建模与仿真

人员疏散是一个与人们的实际生活紧密相关的、典型的公共安全问题,对人员疏散过程的研究有利于合理设计建筑布局,保障人民的生命财产安全。本文以某商场为仿真对象,基于Agent和元胞自动机对人员进行建模,通过仿真其疏散过程,比较得出影响人员疏散速度的主要因素。     

基于元胞自动机的普通超市火灾疏散模型的构建

通过分析已有的元胞自动机理论,结合人员疏散的特点,构建了考虑出口吸引力、火灾排斥力、摩擦力、排斥力和从众吸引力的普通超市火灾疏散模型。该模型充分考虑了多个因素对疏散过程的影响,对影响因素进行归一化处理,以综合影响因素建立的元胞转移强度作为行人移动规则。针对超市疏散人数、出口宽度及相隔距离、从众心理对疏散时间的影响进行了研究,并采用仿真疏散软件Pathfinder+FDS对模型进行验证,说明疏散模型具有一定可信性。研究表明行人疏散时间随人数呈线性正相关,人数存在临界值;出口宽度越宽或出口越多疏散时间相对越短,当达到出口阈值时对疏散时间影响不大;在陌生疏散环境或紧急情况下适当的从众行为会提高疏散效率。     

改进的人工鱼群算法的参数分析

基于原始人工鱼群算法,进行觅食、追尾、聚群行为的改进,以及可视域的自适应调整,提出了改进的人工鱼群算法。算法采用不同的参数值进行匹配,以优化函数值为例进行仿真实验。实验分析研究了主要参数对该算法优化性能的影响,并得出了合理的参数取值,以解决人工鱼群算法寻优精度低、运行速度慢的问题;实验还通过不同函数验证了改进的人工鱼算法具有更高的求解精度、更快的执行速度、更高的稳定性等优点。     

太阳电池I-V曲线拟合的优化算法

通过对遗传算法(GA)和人工鱼群算法(AFSA)的研究,结合太阳电池I-V曲线的数学模型,提出了一种遗传算法与人工鱼群算法相互融合的优化算法(GA-AFSA)。GA-AFSA保持了遗传算法的全局寻优的优点,克服了人工鱼群漫无目的随机游动和遗传算法收敛慢的缺点,并且通过人工鱼群算法的计算提高了收敛速度。利用了太阳电池实测数据进行I-V曲线拟合及太阳电池的光生电流、二极管品质因数、串联电阻、反向饱和电流、并联电阻等5个重要参数的最优求解。将GA-AFSA与已有的算法进行了比较,仿真实验表明GA-AFSA精度高,收敛速度快。     

基于人工鱼群算法的Web用户聚类分析

传统的可伸缩性聚类算法可扩展性不强、处理孤立点的能力较弱。人工鱼群算法是一种基于动物行为的寻求全局最优算法,将人工鱼群算法应用于Web用户聚类,模仿鱼群的觅食、聚群、追尾和随机行为来构造人工鱼,通过鱼群每个个体的局部最优,来找到全局最优值,从而对Web访问用户进行合理聚类。实际运行结果验证了算法的有效性。     

PSO和AFSA混合优化算法

结合粒子群优化(PSO)算法和人工鱼群算法(AFSA)的优势,提出一种PSO-AFSA混合算法。将种群分为2个子群体,在每次迭代中,一个子群体利用PSO算法进化,另一个子群体利用AFSA进化,2个算法共享整个种群极值信息。通过混合算法对5个标准函数进行实验,并与标准PSO算法进行比较,结果表明混合算法具有更好的优化性能。     

人工鱼群算法的参数分析

针对人工鱼群算法由于参数选择不合理而导致算法运行时间长或陷入局部最优的问题,利用改进的全局版人工鱼群算法,采用不同参数匹配,以优化3个典型的测试函数为例进行仿真实验研究,分析人工鱼群算法在主要参数影响下,算法优化性能及收敛速度的变化规律,给出算法参数设置的适当取值。实验结果表明参数的合理设置使算法可以较快地收敛至全局较优解,并具有较好的性能。     

基于社会学习机制的改进人工鱼群算法

针对人工鱼群算法后期搜索速度慢、不易得到精确解等问题,结合社会学习机制提出一种改进算法。当人工鱼群算法进行到优化后期时,使用群体社会学习机制中的趋同和趋异行为进行寻优。两种行为搜索速度快,寻优精度高,且趋异现象提高了群体的多样性,增强了跳出局部极值的能力,在一定程度上改善了原算法的搜索性能。仿真实验结果表明了改进算法的可行性和有效性。     

基于人工鱼群算法的无线室内定位优化

针对基于BP神经网络室内定位算法收敛速度慢和定位精度低的问题,提出了改进的人工鱼群算法( AFSA)和距离加权质心法。通过改进人工鱼觅食和寻优方式来提高人工鱼全局寻优的能力和速度,并用该算法来选取室内定位神经网络参数;通过改进的加权质心法计算距离,以减小室内复杂环境干扰造成的定位的误差。实验证明该改进方法使室内定位的平均精度比BP神经网络模型提高8%左右,并提高了室内定位的可靠性。     

基于改进人工鱼群算法的支持向量机预测

由于参数的选择范围较大,在多个参数中进行盲目搜索最优参数的时间代价较大,且很难得到最优参数.为此,提出一种基于改进人工鱼群算法(AFSA)的支持向量机(SVM)预测算法.对AFSA进行改进,并使用改进算法优化SVM.实验结果表明,与遗传算法、粒子群优化算法和基本AFSA优化的支持向量机相比,该算法的均方误差降低为2.51×10-3,提高了预测精度.     

一种新型的启发式人工鱼群算法

单一结构和机制的算法一般难以得到满意的解。为此,提出一种新型的启发式人工鱼群算法。将进化策略、粒子群算法中的信息策略加入到人工鱼群算法中,并在理论上证明该算法的收敛性。函数仿真实验表明,该算法可以避免基本人工鱼群算法陷入局部极值,且具有收敛速度快、计算精度高等特点。     

基于单纯形法的改进型人工鱼群算法

针对鱼群算法在局域搜索能力差的问题,提出一种基于单纯形法的改进型人工鱼群算法。利用单纯形算子在局部区域内分布更均匀且广泛的特征,在鱼群算法运行到后期时,将单纯形算子每隔一定代数引入到现有的鱼群算法中取代原来大量聚集在非极值点附近的人工鱼,有效改善个体质量,提高局部搜索精细度,进而提高算法的寻优精度。采用典型算例对算法性能进行了验证分析,研究结果表明,该算法在解决鱼群算法后期优化精度低问题时可以获得更好的效果。