基于蜂群算法的多目标引导人员疏散仿真方法及仿真系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111046562A(43)申请公布日2020.04.21(21)申请号201911294075.4(22)申请日2019.12.16(71)申请人湖北工业大学地址430068湖北省武汉市洪山区南李路28号(72)发明人宗欣露叶志伟王春枝刘伟严灵毓杜佳圆刘爱萍(74)专利代理机构北京金智普华知识产权代理有限公司11401代理人杨采良(51)Int.Cl.G06F30/20(2020.01)G06N3/00(2006.01)权利要求书4页说明书13页附图9页(54)发明名称基于蜂群算法的多目标引导人员疏散仿真方法及仿真系统(57)摘要本发明属于智能计算与运筹学交叉应用技术领域，公开了一种基于蜂群算法的多目标引导人员疏散仿真方法及系统，通过对人工蜂群算法和粒子群算法进行优化结合解决多目标引导疏散问题，利用视觉引领蜂，减少跟随蜂对引领蜂的盲目选择，再结合粒子群的基本思想，优化跟随蜂的疏散目标，并采用元胞自动机模型构建疏散场景，从而达到简化个体疏散路径。通过在单个教室的疏散场景下的人群疏散仿真的结果可知，本发明在疏散总时间上比基于基本人工蜂群算法的疏散模型更快，在疏散时间上提高了35.5％。为多障碍物情况下的疏散建模提供思路，为减少疏散时间、减少灾害损失及制定疏散策略提供有益的指导依据。CN111046562ACN111046562A权利要求书1/4页1.一种基于蜂群算法的多目标引导人员疏散仿真方法，其特征在于，所述基于蜂群算法的多目标引导人员疏散仿真方法通过对人工蜂群算法和粒子群算法进行优化结合进行多目标引导疏散，以及利用人工蜂群算法的视觉引领蜂，减少跟随蜂对引领蜂的盲目选择，再结合粒子群算法，优化跟随蜂的疏散目标，并采用元胞自动机模型构建疏散场景，简化个体疏散路径。2.如权利要求1所述的基于蜂群算法的多目标引导人员疏散仿真方法，其特征在于，所述基于蜂群算法的多目标引导人员疏散仿真方法具体包括以下步骤：步骤1，选择元胞自动机模型并初始化：采用Moore模型，一个元胞周围存在8个邻胞的模式，并设置各元胞边长均为1m；步骤2，定义个体属性：个体ID号id、引领个体疏散的个体的ID号follow_id、个体的适应值fitness、个体的疏散路径path、个体所属的蜂群种类bee_species、个体的特征值eigenvalue、个体的限制值limit、个体所选出口exit、个体的中转坐标(ts_x,ts_y)、个体的目标坐标(goal_x,goal_y)个体的历史最优坐标(history_x,history_y)以及个体历史最优位置的适应值history_fitness；步骤3，设定(0,1)(0,2)均为出口1(exit1)的坐标，(0,26)(0,27)均为出口2(exit2)的坐标；步骤4，初始化所有个体：设置个体总数为NP；假设所有个体行走速度相等，且在疏散过程中不会改变；设置所有个体的行走速度为1m/s，其他忽略不计；利用Python语言中的random()函数随机设置将所有个体的初始坐标；利用calculate_fitness()函数计算所有个体的初始适应值，初始适应值也作为历史最优位置的适应值history_fitness，初始所选出口的坐标也作为目标坐标(goal_x,goal_y),根据初始所选出口的坐标，判断个体所选出口为exit1或exit2；若为exit1，个体属性中exit＝1，若为exit2，个体属性中exit＝2；当个体为引领蜂时，当前坐标与所选出口的坐标的欧式距离为引领蜂的适应值；当个体为跟随蜂时，个体的当前坐标与目标坐标(goal_x,goal_y)的欧式距离为跟随蜂的适应值；步骤5，初始化疏散场景中的各项参数：其中，场景中障碍物为课桌和墙，障碍物对应坐标的元胞的值设为5，个体对应坐标的元胞的值设为0，不被障碍物或个体占领的元胞，记为空闲邻胞，值设为1；步骤6，设置已疏散的个体数evacuate＝0；步骤7，判断语句evacuate<NP是否为真；步骤8，步骤7的结果若为真，根据个体适应值大小对个体进行从小到大的排序，执行下列操作步骤；若为假，直接进入步骤32；步骤9，对于路径path中包含出口1或出口2坐标的个体，判断个体特征值是否为1，若不为1，设置特征值eigenvalue＝1，元胞的值改为1，疏散个体数evacuate加1，不再进行以下操作；若为1，不再进行以下操作；步骤10，对于路径path中不包含出口1、出口2坐标的个体，判断个体所选出口，从而进行蜂群分类；选择exit1的个体中：适应值最小的个体的坐标作为全局最优位置A的坐标，适应值在2CN111046562A权利要求书2/4页前25％的作为出口1的引领蜂，其余作为