多蜂群算法及在人群疏散仿真中的应用

摘要

当今的社会生活中，火灾、地震及踩踏事故经常发生，因此，人群聚集的公共场所紧急情况安全疏散的模拟越来越受到重视，对真实场景中的人群疏散行为的模拟受到越来越多的关注。对人群的疏散运动进行深入的研究分析，有着非常重要的实用价值和现实意义，而且对于疏散人群的行为进行模拟有着非常重要的社会意义，比如可以帮助应急部门制定相应的应急方案，协助疏散场景的设计指导，通过这种方法可以最大限度地避免事故和灾难的发生，尽量减少人员的伤亡。对于传统的人群疏散演练而言，该种形式不仅耗费大量的人力和物力资源，此外，可能存在人员伤亡，因此人群模拟已成为研究人口疏散的热门趋势。通过使用计算机技术来模拟真实场景，不仅可以在真实场景上进行实时模拟，而且能够为真实场景中的人群疏散提出更合理有效的意见和建议。 目前已有的人群疏散仿真模型存在一些技术上的不足之处，无法完全真实有效地模拟真实人群疏散过程的中的群体聚集现象及行人运动规律，为了解决本领域现有的不足之处，本文提出了一种多蜂群算法，并将其应用到人群疏散仿真运动中。该方法将宏观疏散仿真方法和微观疏散仿真方法相结合，改善两种疏散仿真方法单独运用于大规模人群疏散仿真时的不足。宏观层面的疏散方法是在原始的人工蜂群算法种群初始化步骤之后，利用多蜂群算法进行宏观层面上的路径规划，将选择同一食物源的蜜蜂划分为一组，引领蜂的选择和剩余蜜蜂的角色转换以组的形式进行，并且最佳路径的信息在同一组中传达和传输，分组之后的蜜蜂种群收敛速度以及蜜蜂种群的多样性降低，因此为了增加蜂群的全局通信能力，加入辅助种群使最优解的传递速度加快，进而增加本文提出的算法的收敛速度，同时也提高了种群的多样性。微观疏散方法是利用改进的社会力模型引导个体的微观运动，将两种方法相结合能够有效地将公共场所中人群疏散的效率提高，保障紧急情况下疏散人群的安全性，便于疏散方案的设计和实施，为真实的疏散演练提供指导和帮助。 本文的主要工作及创新点概括如下： 1.本文提出了一种多蜂群算法（MABC）。采用K均值算法的理论在原始ABC算法的基础上，将蜂群划分为多个子蜂群。在子蜂群中将全局通信模式和局部通信模式相结合，基于局部通信模式的适应度函数扩展了解方案的多样性，通过食物源位置更新的全局通信方式，达到算法收敛速度加快、避免陷入局部最优的目的。通过对算法的测试证明，该算法有更好的性能。 2.本文提出了一种人群疏散仿真方法，该方法将MABC算法和改进社会力模型结合。在真实的疏散场景中，往往会有群组汇集的团体现象，本文利用MABC算法进行宏观层面路径的规划，并通过划分子群以实现真实场景过程中的汇集现象，同时本文提出改进的社会力模型将个体的微观层面的运动行为进行指导，分别完成简单场景和复杂场景下的人群疏散仿真。 3.本文构建了一种人群疏散仿真系统，将MABC算法和改进社会力模型结合。系统的设计包括场景建模、语义提取、群组划分、路径规划、人群运动、数据导出六个模块，具体介绍了系统的仿真环境以及系统的仿真结果，验证了本文方法的实用性和有效性。 传统人工蜂群算法有很多优势，例如全局寻优能力较强，而且操作简单，便于实现等，本文提出一种多种群人工蜂群算法，克服了传统人工蜂群算法早熟收敛、易陷入局部最优的缺点，采用测试函数对该算法进行测试，算法展现出了良好的性能。同时应用本文构建的人群疏散仿真系统对提出的多种群人工蜂群算法进行仿真中的路径规划，对于真实场景疏散过程中的群组现象有很好的疏散效果，而且与其他疏散方法相比有更好的疏散效果。

目录

声明

第一章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.2.1人群疏散模型

1.2.2群体智能算法

1.3人群疏散仿真中存在的问题

1.4本文主要研究内容和创新点

1.5论文组织结构

第二章 多种群人工蜂群算法

2.1传统人工蜂群算法

2.2多种群人工蜂群算法

2.2.1动态分割策略

2.2.2全局交流模式

2.2.3局部交流模式

2.2.4协同进化策略

2.2.5算法流程

2.3本章小结

第三章 实验及性能分析

3.1实验环境

3.2算法性能测试

3.2.1 CEC'05测试函数

3.2.2 6个常用测试函数

3.3本章小结

第四章 人群疏散仿真方法

4.1人群疏散与多种群人工蜂群算法的关系

4.2社会力模型

4.2.1社会力模型的不足

4.2.2社会力模型的改进

4.3简单场景仿真结果

4.4复杂场景仿真结果

4.5本章小结

第五章 人群疏散仿真系统

5.1引言

5.2系统的设计

5.3系统仿真环境

5.4系统仿真效果

5.5本章小结

第六章 总结和展望

6.1全文总结

6.2工作展望

参考文献

攻读硕士学位期间的主要成果

致谢