【摘要】：工業(yè)化和現(xiàn)代化進(jìn)程的加快,便利人們生活的同時(shí)也帶來(lái)了一定的安全隱患,當(dāng)危機(jī)出現(xiàn)時(shí),迅速有序的疏散人群至關(guān)重要。但現(xiàn)有的人群疏散演練難以為每個(gè)人安排好最佳逃生路徑,因而做不到無(wú)障礙無(wú)擁堵迅速疏散。路徑規(guī)劃問(wèn)題關(guān)系著每個(gè)人的切身利益,是亟待解決的重要問(wèn)題。人工蜂群算法(ABC算法)于2005年被土耳其學(xué)者Karaboga提出。與其他智能算法一樣,ABC算法具有原理簡(jiǎn)單、控制參數(shù)少、靈活性好、適應(yīng)力高的優(yōu)點(diǎn),進(jìn)而引發(fā)了各地學(xué)者的關(guān)注。現(xiàn)已經(jīng)被廣泛應(yīng)用于函數(shù)優(yōu)化、圖像處理、數(shù)據(jù)挖掘、路徑規(guī)劃等領(lǐng)域。但在求解復(fù)雜優(yōu)化問(wèn)題時(shí),人工蜂群算法存在著局部搜索能力差、收斂速度慢的缺陷。因此,若將其直接用于人群疏散中的路徑規(guī)劃仿真,則疏散的精度和效率都欠佳。本文將蜂群算法用于人群疏散中的路徑規(guī)劃,以提高路徑規(guī)劃的速度和精度為目標(biāo),針對(duì)疏散人群的特殊性,分別從算法本身缺陷和人群的行為模式考慮,提出了兩種不同的改進(jìn)方式。隨后用性能測(cè)試函數(shù)測(cè)試改進(jìn)后算法的性能,并與相近算法比較尋優(yōu)性能,最終通過(guò)仿真實(shí)驗(yàn)驗(yàn)證疏散的效果。本文的主要工作及創(chuàng)新點(diǎn)如下:1.分析引領(lǐng)蜂與跟隨蜂位置更新方式,從而找到原始蜂群算法收斂速度慢、易陷入局部最優(yōu)的原因。為了克服上述缺陷,本文借鑒粒子群算法的全局尋優(yōu)思想和分段搜索策略對(duì)原算法進(jìn)行改進(jìn),提出了一種基于分段搜索策略的新型蜂群算法(3SABC算法)。2.從自然界蜂群的行為模式出發(fā)并考慮到外界因素對(duì)蜂群的影響,提出了一種基于花香濃度的新型蜂群算法(FFABC算法)。該算法更加貼合自然界蜂群的行為模式,即:通過(guò)花香濃度感知并前往較優(yōu)蜜源可能存在位置的本能行為,并考慮到外界因素(風(fēng)力因素、蜜蜂體力)對(duì)蜂群步長(zhǎng)的影響。3.本文將改進(jìn)后的算法用于人群疏散仿真中的路徑規(guī)劃問(wèn)題,用于為每個(gè)個(gè)體生成安全高效的逃生路徑。
【圖文】：

山東師范大學(xué)碩士學(xué)位論文機(jī)選取 X1，X2，X3，X4，4 個(gè)點(diǎn)代表所在區(qū)間，將其值代入蜜源計(jì)算出目標(biāo)函數(shù)值從 4 者中選出最優(yōu)值 X2 作為這一維的最終可能會(huì)更新的值，，最后再將 X2 的值與原值比較，進(jìn)行貪婪更新。由于 X1，X2，X3，X4，4 個(gè)點(diǎn)的值從一定程度上代表了其所間，而 X2 是這四者中最好的，因此 X2 在整個(gè)搜索范圍 P1，P2 內(nèi)都是比較好的更新值而提高了引領(lǐng)蜂和跟隨蜂更新到更優(yōu)位置的成功率，很大程度上避免了不必要的迭而有效的強(qiáng)化了跟隨蜂的局部搜索能力，提高了算法的性能。

山東師范大學(xué)碩士學(xué)位論文機(jī)選取 X1，X2，X3，X4，4 個(gè)點(diǎn)代表所在區(qū)間，將其值代入蜜源計(jì)算出目標(biāo)函數(shù)值從 4 者中選出最優(yōu)值 X2 作為這一維的最終可能會(huì)更新的值，最后再將 X2 的值與原值比較，進(jìn)行貪婪更新。由于 X1，X2，X3，X4，4 個(gè)點(diǎn)的值從一定程度上代表了其所間，而 X2 是這四者中最好的，因此 X2 在整個(gè)搜索范圍 P1，P2 內(nèi)都是比較好的更新值而提高了引領(lǐng)蜂和跟隨蜂更新到更優(yōu)位置的成功率，很大程度上避免了不必要的迭而有效的強(qiáng)化了跟隨蜂的局部搜索能力，提高了算法的性能。
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾明如;徐小勇;劉亮;羅浩;徐志敏;;改進(jìn)的勢(shì)場(chǎng)蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃[J];計(jì)算機(jī)工程與應(yīng)用;2015年22期

2 王志剛;夏慧明;;求解車輛路徑問(wèn)題的人工蜂群算法[J];計(jì)算機(jī)工程與科學(xué);2014年06期

3 韓俊英;劉成忠;;反向認(rèn)知的高效果蠅優(yōu)化算法[J];計(jì)算機(jī)工程;2013年11期

4 張鵬;劉弘;王愛(ài)霖;;基于人工蜂群算法的疏散運(yùn)動(dòng)仿真[J];計(jì)算機(jī)工程;2013年07期

5 林志毅;王玲玲;;求解高維函數(shù)優(yōu)化問(wèn)題的混合蜂群算法[J];計(jì)算機(jī)科學(xué);2013年03期

6 孫玉靈;劉弘a;曹杰;;基于人工蜂群算法的群體動(dòng)畫(huà)路徑生成方法[J];計(jì)算機(jī)工程;2011年22期

7 王輝;;一種帶共享因子的人工蜂群算法[J];計(jì)算機(jī)工程;2011年22期

8 劉長(zhǎng)平;葉春明;;一種新穎的仿生群智能優(yōu)化算法:螢火蟲(chóng)算法[J];計(jì)算機(jī)應(yīng)用研究;2011年09期

9 于振中;閆繼宏;趙杰;陳志峰;朱延河;;改進(jìn)人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人路徑規(guī)劃[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2011年01期

10 王聯(lián)國(guó);施秋紅;;人工魚(yú)群算法的參數(shù)分析[J];計(jì)算機(jī)工程;2010年24期

相關(guān)博士學(xué)位論文 前3條

1 霍鳳財(cái);基于人工蜂群算法的工程圖紙圖像閾值分割方法研究[D];東北石油大學(xué);2015年

2 劉小龍;細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用[D];華南理工大學(xué);2011年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前3條

1 徐斌;基于人工蜂群算法的復(fù)雜場(chǎng)景路徑規(guī)劃研究[D];山東師范大學(xué);2017年

2 孫華林;基于C空間和人工勢(shì)場(chǎng)的4R機(jī)器人路徑規(guī)劃[D];合肥工業(yè)大學(xué);2008年

3 龐峰;模擬退火算法的原理及算法在優(yōu)化問(wèn)題上的應(yīng)用[D];吉林大學(xué);2006年

本文編號(hào)：2610656