基于改进粒子群优化算法的人员疏散问题研究

发布时间：2017-10-06 11:32

  本文关键词：基于改进粒子群优化算法的人员疏散问题研究

  更多相关文章： 人员密集场所 应急疏散模型 粒子群优化算法

【摘要】：随着我国经济的快速发展,城市建设也紧随其后,各地纷纷涌现出众多建筑物。人们在不断追求建筑物的大型化、复杂化的同时,也相应承担着更多不确定的安全隐患。如今社会各类突发事件频频发生,例如:火灾、地震、洪涝灾害等,一直以来都是人类难以逾越的障碍,一旦灾害发生,不仅会导致国家重大的财产损失,也会严重威胁到公众的生命安全。因此,人员密集场所的应急疏散研究是极为重要的,因为除了要考虑人员密集场所建筑的密度、场馆的设计及出口的分布外,还要考虑疏散人员本身状况和疏散方案是否合理。所以,给灾害情况下人员的安全疏散带来了很大的挑战。纵观近年来国内外较大的人员伤亡事故,几乎都与人员行为和疏散时间密切相关。如何有效预防和减少突发事件下的人员伤亡,尤其是防止群死群伤事故的发生,已成为目前国内外公共安全工作的重中之重。但就目前的人员疏散研究过程,仍存在不可避免地陷入局部最短或停滞等问题。因此需要进一步找到影响应急疏散的关键因素,从而提高应急疏散的效率,有效缩短疏散时间。本文首先根据火灾灾害的突发性和灾害性,提出了研究的背景和意义,综述了人员疏散问题的国内外研究现状;其次对火灾中人员疏散行为的特点及影响因素和解决应急人员疏散问题的算法做扼要分析,根据上述情况分析建立数学模型,然后对粒子群优化算法进行研究,比较了粒子群算法与其他智能优化算法的优劣,并对粒子群算法的参数选择进行改进,提出了多次选取参数、多次运算取得最优解的改进粒子群优化算法,建立了疏散的粒子群算法数学模型,利用简单的规则实现对紧急情况下复杂的人员疏散行为的模拟,以便更加方便、合理地制定人员逃生路线。实验结果表明改进的粒子群优化算法具有更好的稳定性和更快的收敛速度。
【关键词】：人员密集场所 应急疏散模型 粒子群优化算法
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU998.1;TP18
【目录】：

• 中文摘要5-6
• ABSTRACT6-9
• 1. 绪论9-15
• 1.1 研究背景及意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 紧急疏散问题的国内外研究现状11-12
• 1.2.2 粒子群算法在国内外的研究现状12-14
• 1.3 本文主要研究的内容14-15
• 2. 智能优化算法综述15-21
• 2.1 引言15
• 2.2 遗传算法15
• 2.3 禁忌搜索算法15-16
• 2.4 蚁群算法16-17
• 2.5 模拟退火算法17
• 2.6 人工免疫算17-18
• 2.7 人工神经网络18
• 2.8 蛙跳算法18-19
• 2.9 粒子群优化算法19-21
• 3. 基于粒子群算法的火灾人员疏散研究21-29
• 3.1 粒子群算法的概念21-25
• 3.1.1 标准粒子群算法的基本原理21-22
• 3.1.2 粒子群算法实现的步骤22
• 3.1.3 改进粒子群算法的由来22-23
• 3.1.4 粒子群算法的改进策略23-24
• 3.1.5 改进粒子群智能优化算法的基本流程图24-25
• 3.2 火灾中人员疏散模型25-29
• 3.2.1 突发火灾人员疏散行为分析25-27
• 3.2.2 问题假设27
• 3.2.3 符号说明27
• 3.2.4 模型的建立27-29
• 4. 模型构造与案例分析29-41
• 4.1 单层单出口与多出口人员疏散问题29-34
• 4.1.1 单层单出口建筑物人员疏散模型29-31
• 4.1.2 单层多出口建筑物人员疏散31-34
• 4.2 多层多出口建筑物人员疏散34-39
• 4.2.1 模型分析34-35
• 4.2.2 模型建立35-39
• 4.3 应急处理39-41
• 5. 总结与展望41-43
• 5.1 总结41
• 5.2 本文的不足之处41
• 5.3 展望41-43
• 参考文献43-46
• 致谢46-47
• 作者简介47-48

【相似文献】

中国期刊全文数据库 前10条

1 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

2 李艳灵;李刚;;粒子群优化算法研究进展[J];重庆工学院学报(自然科学版);2007年05期

3 岳兴汉;薛云灿;蔡亮;;基于混沌思想的粒子群优化算法[J];河海大学常州分校学报;2007年04期

4 吕林;罗绮;刘俊勇;田立峰;;一种基于多种群分层的粒子群优化算法[J];四川大学学报(工程科学版);2008年05期

5 房靖;高尚;;不完全判断矩阵权值的粒子群优化算法计算[J];科学技术与工程;2009年19期

6 徐安;赵思宏;寇英信;黄俊;;基于混合粒子群优化的多目标决策新方法[J];火力与指挥控制;2010年01期

7 梁武;;改进的粒子群优化算法在结构优化中的应用[J];广东建材;2010年04期

8 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期

9 高立群;李若平;邹德旋;;全局粒子群优化算法[J];东北大学学报(自然科学版);2011年11期

10 赵成业;闫正兵;刘兴高;;改进的变参数粒子群优化算法[J];浙江大学学报(工学版);2011年12期

中国重要会议论文全文数据库 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

中国博士学位论文全文数据库 前10条

1 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

2 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

3 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

4 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

5 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

6 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

7 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

8 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

9 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年

10 刘逸;粒子群优化算法的改进及应用研究[D];西安电子科技大学;2013年

中国硕士学位论文全文数据库 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

，

本文编号：982572