本文關鍵詞：基于改進粒子群優(yōu)化算法的人員疏散問題研究

  更多相關文章： 人員密集場所 應急疏散模型 粒子群優(yōu)化算法

【摘要】：隨著我國經濟的快速發(fā)展,城市建設也緊隨其后,各地紛紛涌現(xiàn)出眾多建筑物。人們在不斷追求建筑物的大型化、復雜化的同時,也相應承擔著更多不確定的安全隱患。如今社會各類突發(fā)事件頻頻發(fā)生,例如:火災、地震、洪澇災害等,一直以來都是人類難以逾越的障礙,一旦災害發(fā)生,不僅會導致國家重大的財產損失,也會嚴重威脅到公眾的生命安全。因此,人員密集場所的應急疏散研究是極為重要的,因為除了要考慮人員密集場所建筑的密度、場館的設計及出口的分布外,還要考慮疏散人員本身狀況和疏散方案是否合理。所以,給災害情況下人員的安全疏散帶來了很大的挑戰(zhàn)。縱觀近年來國內外較大的人員傷亡事故,幾乎都與人員行為和疏散時間密切相關。如何有效預防和減少突發(fā)事件下的人員傷亡,尤其是防止群死群傷事故的發(fā)生,已成為目前國內外公共安全工作的重中之重。但就目前的人員疏散研究過程,仍存在不可避免地陷入局部最短或停滯等問題。因此需要進一步找到影響應急疏散的關鍵因素,從而提高應急疏散的效率,有效縮短疏散時間。本文首先根據(jù)火災災害的突發(fā)性和災害性,提出了研究的背景和意義,綜述了人員疏散問題的國內外研究現(xiàn)狀;其次對火災中人員疏散行為的特點及影響因素和解決應急人員疏散問題的算法做扼要分析,根據(jù)上述情況分析建立數(shù)學模型,然后對粒子群優(yōu)化算法進行研究,比較了粒子群算法與其他智能優(yōu)化算法的優(yōu)劣,并對粒子群算法的參數(shù)選擇進行改進,提出了多次選取參數(shù)、多次運算取得最優(yōu)解的改進粒子群優(yōu)化算法,建立了疏散的粒子群算法數(shù)學模型,利用簡單的規(guī)則實現(xiàn)對緊急情況下復雜的人員疏散行為的模擬,以便更加方便、合理地制定人員逃生路線。實驗結果表明改進的粒子群優(yōu)化算法具有更好的穩(wěn)定性和更快的收斂速度。
【關鍵詞】：人員密集場所 應急疏散模型 粒子群優(yōu)化算法
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU998.1;TP18
【目錄】：

• 中文摘要5-6
• ABSTRACT6-9
• 1. 緒論9-15
• 1.1 研究背景及意義9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10-11
• 1.2 國內外研究現(xiàn)狀11-14
• 1.2.1 緊急疏散問題的國內外研究現(xiàn)狀11-12
• 1.2.2 粒子群算法在國內外的研究現(xiàn)狀12-14
• 1.3 本文主要研究的內容14-15
• 2. 智能優(yōu)化算法綜述15-21
• 2.1 引言15
• 2.2 遺傳算法15
• 2.3 禁忌搜索算法15-16
• 2.4 蟻群算法16-17
• 2.5 模擬退火算法17
• 2.6 人工免疫算17-18
• 2.7 人工神經網絡18
• 2.8 蛙跳算法18-19
• 2.9 粒子群優(yōu)化算法19-21
• 3. 基于粒子群算法的火災人員疏散研究21-29
• 3.1 粒子群算法的概念21-25
• 3.1.1 標準粒子群算法的基本原理21-22
• 3.1.2 粒子群算法實現(xiàn)的步驟22
• 3.1.3 改進粒子群算法的由來22-23
• 3.1.4 粒子群算法的改進策略23-24
• 3.1.5 改進粒子群智能優(yōu)化算法的基本流程圖24-25
• 3.2 火災中人員疏散模型25-29
• 3.2.1 突發(fā)火災人員疏散行為分析25-27
• 3.2.2 問題假設27
• 3.2.3 符號說明27
• 3.2.4 模型的建立27-29
• 4. 模型構造與案例分析29-41
• 4.1 單層單出口與多出口人員疏散問題29-34
• 4.1.1 單層單出口建筑物人員疏散模型29-31
• 4.1.2 單層多出口建筑物人員疏散31-34
• 4.2 多層多出口建筑物人員疏散34-39
• 4.2.1 模型分析34-35
• 4.2.2 模型建立35-39
• 4.3 應急處理39-41
• 5. 總結與展望41-43
• 5.1 總結41
• 5.2 本文的不足之處41
• 5.3 展望41-43
• 參考文獻43-46
• 致謝46-47
• 作者簡介47-48

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應用[J];華中科技大學學報(自然科學版);2005年10期

2 李艷靈;李剛;;粒子群優(yōu)化算法研究進展[J];重慶工學院學報(自然科學版);2007年05期

3 岳興漢;薛云燦;蔡亮;;基于混沌思想的粒子群優(yōu)化算法[J];河海大學常州分校學報;2007年04期

4 呂林;羅綺;劉俊勇;田立峰;;一種基于多種群分層的粒子群優(yōu)化算法[J];四川大學學報(工程科學版);2008年05期

5 房靖;高尚;;不完全判斷矩陣權值的粒子群優(yōu)化算法計算[J];科學技術與工程;2009年19期

6 徐安;趙思宏;寇英信;黃俊;;基于混合粒子群優(yōu)化的多目標決策新方法[J];火力與指揮控制;2010年01期

7 梁武;;改進的粒子群優(yōu)化算法在結構優(yōu)化中的應用[J];廣東建材;2010年04期

8 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應用[J];吉林建筑工程學院學報;2011年03期

9 高立群;李若平;鄒德旋;;全局粒子群優(yōu)化算法[J];東北大學學報(自然科學版);2011年11期

10 趙成業(yè);閆正兵;劉興高;;改進的變參數(shù)粒子群優(yōu)化算法[J];浙江大學學報(工學版);2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

2 孫紅光;潘毓學;;基于運動目標路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學會第八屆學術交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應粒子群優(yōu)化算法的應用研究[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應粒子群優(yōu)化算法及應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進的自適應粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉華鎣;粒子群優(yōu)化算法的改進研究及在石油工程中的應用[D];東北石油大學;2012年

2 劉波;粒子群優(yōu)化算法及其在機電設備中的應用研究[D];中北大學;2011年

3 熊勇;粒子群優(yōu)化算法的行為分析與應用實例[D];浙江大學;2005年

4 唐賢倫;混沌粒子群優(yōu)化算法理論及應用研究[D];重慶大學;2007年

5 閆允一;粒子群優(yōu)化及其在圖像處理中的應用研究[D];西安電子科技大學;2008年

6 余炳輝;粒子群優(yōu)化算法試驗研究及擴展[D];華中科技大學;2007年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應用[D];重慶大學;2007年

8 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產能預測中的應用研究[D];中國礦業(yè)大學;2013年

9 徐星;融合熱運動機制的粒子群優(yōu)化算法研究及其應用[D];武漢大學;2010年

10 劉逸;粒子群優(yōu)化算法的改進及應用研究[D];西安電子科技大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進及在油藏數(shù)值模擬中的應用[D];北京建筑大學;2015年

2 白云;基于粒子群優(yōu)化算法的復雜網絡社區(qū)挖掘[D];西北農林科技大學;2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機的網絡態(tài)勢預測模型研究[D];蘭州大學;2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學;2015年

5 鄭博;基于快速排序的多目標粒子群優(yōu)化算法的研究及應用[D];鄭州大學;2015年

6 米永強;非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學;2015年

7 李建美;基于自適應變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學;2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學;2015年

9 牛旭;動態(tài)粒子群優(yōu)化算法及其應用[D];西安電子科技大學;2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學;2014年

，

本文編號：982572