改进的蜂群算法及其在人群疏散路径规划中的应用

发布时间：2020-04-01 15:50

【摘要】：工业化和现代化进程的加快,便利人们生活的同时也带来了一定的安全隐患,当危机出现时,迅速有序的疏散人群至关重要。但现有的人群疏散演练难以为每个人安排好最佳逃生路径,因而做不到无障碍无拥堵迅速疏散。路径规划问题关系着每个人的切身利益,是亟待解决的重要问题。人工蜂群算法(ABC算法)于2005年被土耳其学者Karaboga提出。与其他智能算法一样,ABC算法具有原理简单、控制参数少、灵活性好、适应力高的优点,进而引发了各地学者的关注。现已经被广泛应用于函数优化、图像处理、数据挖掘、路径规划等领域。但在求解复杂优化问题时,人工蜂群算法存在着局部搜索能力差、收敛速度慢的缺陷。因此,若将其直接用于人群疏散中的路径规划仿真,则疏散的精度和效率都欠佳。本文将蜂群算法用于人群疏散中的路径规划,以提高路径规划的速度和精度为目标,针对疏散人群的特殊性,分别从算法本身缺陷和人群的行为模式考虑,提出了两种不同的改进方式。随后用性能测试函数测试改进后算法的性能,并与相近算法比较寻优性能,最终通过仿真实验验证疏散的效果。本文的主要工作及创新点如下:1.分析引领蜂与跟随蜂位置更新方式,从而找到原始蜂群算法收敛速度慢、易陷入局部最优的原因。为了克服上述缺陷,本文借鉴粒子群算法的全局寻优思想和分段搜索策略对原算法进行改进,提出了一种基于分段搜索策略的新型蜂群算法(3SABC算法)。2.从自然界蜂群的行为模式出发并考虑到外界因素对蜂群的影响,提出了一种基于花香浓度的新型蜂群算法(FFABC算法)。该算法更加贴合自然界蜂群的行为模式,即:通过花香浓度感知并前往较优蜜源可能存在位置的本能行为,并考虑到外界因素(风力因素、蜜蜂体力)对蜂群步长的影响。3.本文将改进后的算法用于人群疏散仿真中的路径规划问题,用于为每个个体生成安全高效的逃生路径。
【图文】：

一维随机

山东师范大学硕士学位论文机选取 X1，X2，X3，X4，4 个点代表所在区间，将其值代入蜜源计算出目标函数值从 4 者中选出最优值 X2 作为这一维的最终可能会更新的值，，最后再将 X2 的值与原值比较，进行贪婪更新。由于 X1，X2，X3，X4，4 个点的值从一定程度上代表了其所间，而 X2 是这四者中最好的，因此 X2 在整个搜索范围 P1，P2 内都是比较好的更新值而提高了引领蜂和跟随蜂更新到更优位置的成功率，很大程度上避免了不必要的迭而有效的强化了跟随蜂的局部搜索能力，提高了算法的性能。

蜂群,算法流程,角色,一维

山东师范大学硕士学位论文机选取 X1，X2，X3，X4，4 个点代表所在区间，将其值代入蜜源计算出目标函数值从 4 者中选出最优值 X2 作为这一维的最终可能会更新的值，最后再将 X2 的值与原值比较，进行贪婪更新。由于 X1，X2，X3，X4，4 个点的值从一定程度上代表了其所间，而 X2 是这四者中最好的，因此 X2 在整个搜索范围 P1，P2 内都是比较好的更新值而提高了引领蜂和跟随蜂更新到更优位置的成功率，很大程度上避免了不必要的迭而有效的强化了跟随蜂的局部搜索能力，提高了算法的性能。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18

【参考文献】