一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法

一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法
【专利摘要】本发明提供了一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法，本发明是一种基于群智能的人员疏散行为仿真优化方法，主要建立与实际场景相一致的二维元胞自动机数学模型，用元胞蚁群算法对人员疏散行为进行模拟，通过人工势能场的势能评价标准对人员路径进行判断选择，从而更加符合真实场景疏散规律，提高疏散效率，提供合理疏散方案。
【专利说明】一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法

【技术领域】
[0001] 本发明属于智能系统建模及优化领域，具体的为一种基于势能驱动元胞蚁群算法 的室内疏散仿真优化方法。

【背景技术】
[0002] 疏散问题可以根据疏散场景抽象成为一个复杂的大规模动态网络，最简单直接的 方法是利用传统的最短路径算法求解，但是这种算法适用于小规模静态路网的路径寻优， 而对于大规模动态网络，当网络规模增大时，算法的复杂度就会迅速增加，这种传统的最短 路径算法的运算能力缺陷导致无法满足系统的需求。由于智能算法计算时间不会随着网络 规模的增大而明显增加，相对传统的最短路径算法而言，更加适合解决建筑物人员疏散这 种大规模网络的路径搜索问题。
[0003] 蚁群优化算法（AntColonyOptimization:AC0)是Colorni和Dorigo等在 20 世 纪90年代初提出的一种新型分布式智能仿生类算法，它模拟和借鉴了现实世界中蚂蚁种 群的觅食行为特征。蚂蚁在运动时会在通过的路径上释放一种特殊的分泌物--信息素来 寻找路径。当它们碰到一个还没有走过的路口时，就随机地挑选一条路径前行，同时释放出 与路径有关的信息素。蚂蚁走的路径越长，则释放的信息量越小。当后来的蚂蚁再次碰到 这个路口的时候，选择信息量较大的路径概率相对较大，这样便形成了一个正反馈机制。最 优路径上的信息量越来越大，而其他路径上的信息量却会随时间的流逝消减，最终整个蚁 群会找出最优路径。该方法具有可并行性、寻优能力强、适应性强和易于其他算法结合等优 点，但也存在一定缺陷，如搜索时间长、对复杂问题的描述能力不强和容易出现搜索停滞等 等。
[0004] 人工势能场（ArtificialPotentialField:APF)是一种模拟电势场分布的规划方 法，其概念首先由Khatib提出，并成功应用于机械臂避碰。人工势能场的思想借鉴了"物 体运动一般由势能较高的位置向势能较低的位置运动"这一物理规律，根据人员对建筑物 内部及出口的熟悉程度、障碍物的分布、离出口的距离、火灾等外界因素的影响等初始化网 格势能。其特点是规划速度快，能够保证路径的安全，但由于势函数存在引力和斥力相等的 局部极小点，会使算法停滞而无法抵达目标位置，又由于没有代价函数对航迹优劣进行衡 量而不能保证路径的最优。
[0005] 人工势能场的物理特性与紧急情况下人员的运动规律非常相近，而蚁群算法所表 现出的自组织性、群体性也非常适合应急疏散问题建模，蚂蚁在觅食过程中通过释放信息 素来进行交流和消息互通，以帮助同伴更快地找到食物，这与人在疏散过程中的相互协作 具有很大的相似性。用蚂蚁代表疏散中的个体，蚂蚁可以通过势能值的负梯度方向找到通 往安全出口的路径，能够加快疏散进程，同时优化结果克服了人工势能场的局部极小问题。


【发明内容】

[0006] 为了克服现有技术的不足，本发明提出了一种基于势能驱动元胞蚁群算法的室内 疏散仿真优化方法，一方面利用势能场的物理特性和蚁群算法的自组织性、正反馈机制从 微观上模拟了人员的运动规律，另一方面在仿真的同时完成了人员疏散路径的优化，解决 了人工势能场的局部极小问题，提高了疏散效率。
[0007] 本发明的技术方案是，一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方 法，包括如下步骤：
[0008] 步骤1.建立二维元胞自动机的建筑物疏散模型；
[0009] 二维元胞自动机C定义为以下四元组：
[0010] C=(D2,S,N,f)
[0011] 其中，D2为二维元胞空间，S是有限状态机集合，对于位于格位r上的元胞在t时 刻的状态可以表示为：
[0012] S= (S1 (r,t),S2 (r,t), --?,Sz (r,t)}
[0013] 式中Sz(r，t)表示格位r上的元胞在t时间的第z个状态；N为以r为中心元胞的 邻域，N= (N1,N2,…，N1J是D2的有限的序列子集，n为格位r上的元胞的邻居元胞个数，f 为中心元胞r与邻居间的移动规则；
[0014] 步骤2.设置模型参数；包括蚁群算法相关参数和势能场增益系数，疏散人员个数 m、蚁群算法的信息素和启发式信息重要程度a和0，信息素挥发系数q，势能场增益系数 L和12，信息素强度初始值Q，算法的最大迭代次数T;
[0015] 步骤3.初始化疏散场景；根据建筑物内布局对二维元胞空间进行疏散场景模拟， 随机设置障碍物的位置和大小，根据建筑物真实场景标注出口元胞位置，随机设置疏散人 员在疏散开始时所处元胞位置，根据每个元胞是被障碍物、人员占据还是空闲设置其初始 状态，初始化元胞之间路径上的信息素强度为步骤2设置的Q，将所有人员状态标注为人 "未疏散"；
[0016] 步骤4?计算场景的人工势能场；
[0017] 根据步骤3人员在元胞中的分布，按以下公式计算每个元胞的总势能：

【权利要求】
1. 一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法，其特征在于，包括如下 步骤； 步骤1.建立二维元胞自动机的建筑物疏散模型； 二维元胞自动机C定义为以下四元组： C = (D2, S, N, f) 其中，D2为2维元胞空间，S是有限状态机集合，对于位于格位r上的元胞在t时刻的 状态可以表示为： S = (S1 (r, t), S2 (r, t), --?, Sz (r, t)} 式中Sz(r，t)表示格位r上的元胞在t时间的第z个状态；N为以r为中心元胞的邻 域，N = (N1, N2,…，N1J是D2的有限的序列子集，n为格位r上的元胞的邻居元胞个数，f为 中心元胞r与邻居间的移动规则； 步骤2.设置模型参数；包括蚁群算法相关参数和势能场增益系数，疏散人员个数m、蚁 群算法的信息素和启发式信息重要程度a和0，信息素挥发系数q，势能场增益系数〖i和 € 2,信息素强度初始值Q，算法的最大迭代次数T ; 步骤3.初始化疏散场景；根据建筑物内布局对二维元胞空间进行疏散场景模拟，随机 设置障碍物的位置和大小，根据建筑物真实场景标注出口元胞位置，随机设置疏散人员在 疏散开始时所处元胞位置，根据每个元胞是被障碍物、人员占据还是空闲设置其初始状态， 初始化元胞之间路径上的信息素强度为步骤2设置的Q，将所有人员状态标注为人"未疏 散"； 步骤4.计算场景的人工势能场； 根据步骤3人员在元胞中的分布，按以下公式计算每个元胞的总势能：
式中Uatt(i)和^1)分别是元胞i处的引力势能和斥力势能，Pg(i)为元胞i到目 标元胞ig的欧式距离，U〖2是相应的势能场增益系数，P⑴是人员k与障碍物之间的 最近距离，P ^为障碍物对人产生影响的最大距离；
其中，-grad[Uatt(i)]和-grad[l4ep(i)]分别表示元胞i点处吸引力势能的负梯度和排 斥力势能的负梯度，€ p 12是相应的势能场增益系数，P g(i)为元胞i到目标元胞ig的欧 式距离，▽ P (i)表示障碍物指向元胞i的单位向量； 因此，综合因素对人员在元胞i处产生的总势能可以表示为： Ui = SUatt ⑴ +SUrep ⑴ (5) 步骤5.根据步骤4得到的人员在当前可移动元胞的总势能值，计算可移动路径上的启 发式信息； 在t时刻，人员由元胞i移动到元胞j上，利用人工势能场对出口和障碍物的感知能 力，对蚁群算法的启发信息nu(t)进行改进，引导人员寻找路径，其公式为：
其中，nij(t)为元胞i与元胞j之间路径上的启发式信息，dj，6Xits是元胞j到出口的 距离，HiinW^xitsIj e Jj表示元胞j距离出口的最短欧式距离，Ji是元胞i附近的邻居集 合，Ui为步骤4得到的元胞i的总势能值； 步骤6.设置迭代计数器NC = 1 ; 步骤7.从所有疏散人员中随机选择一名人员作为第一个开始疏散，设k = 1 ; 步骤8.判断第k个人员的当前状态是否为"已疏散"状态，若是则执行步骤15,否则执 行下一步； 步骤9.根据第k个人员所在的元胞，得到其邻居元胞的集合； 步骤10.根据步骤9得到的邻居元胞集合，判断其当前时刻的状态，邻居元胞为空闲可 移动点或是被占位不可移动点，根据邻居元胞状态和禁忌规则判断第k个人员可移动的元 胞邻居集； 步骤11.根据步骤10得到的可移动元胞邻居集，判断第k个人员是否有可移动的元 胞，若有，执行下一步；若没有则在这一时刻停留在当前元胞位置，执行步骤15 ; 步骤12.根据当前时刻的第k个人员所处元胞与邻居元胞路径上的信息素强度和步骤 5得到的启发式信息，计算第k个人员选择邻居可移动元胞的概率； 在t时刻，第k个人员由元胞i转移到元胞j的状态转移概率公式如下所示：
式中，4(0是人员k由元胞i转移到元胞j的转移概率，T yt)是元胞i与元胞 j之间路径上的信息素强度，HijU)是元胞i与元胞j之间路径上的启发式信息，a和 3是常量参数，用来表示信息素和启发信息的重要程度，Ji表示元胞i附近的邻居集合；
代表元胞i到所有邻居元胞的启发式信息和信息素乘机的累加和； 步骤13.根据步骤12得到的转移概率得出第k个人员的转移概率最大的邻居元胞，将 第k个人员移动到此元胞处，更新该元胞的状态，将该元胞加入该人员的疏散路径； 步骤14.根据步骤13得到的第k个人员的最新移动到的元胞，判断人员k是否达到出 口，若已到达，则标记该人员为"已疏散"状态，否则标记该人员为"未疏散"状态； 步骤15.疏散人员计数加1，即k = k+1，对下一个人员进行可移动元胞搜索； 步骤16.如果k < m，则说明还未遍历所有疏散人员，返回到步骤8,否则表明所有人员 完成了一个时间步的搜索，执行下一步； 步骤17.判断所有人员的当前状态是否都为"已疏散"状态，若是则表明所有人员完成 了从初始元胞到出口的路径搜索，即本轮疏散模拟完成，执行下一步，否则返回步骤7 ; 步骤18.根据步骤13得到的每一个人员从其初始元胞到出口的疏散路径，按照公式 (8)-(10)来更新每个人员疏散路径上元胞之间的信息素强度： T Jj (t+At) = (1-q) X Tij (t) +A Tij (t+At) (8)
其中，T u(t)表示t时刻元胞i与元胞j之间路径上的信息素强度函数，Q为常数，是步 骤2设置的信息素强度初始值，Lk为k个人员第在本次循环中所走的路径长度，edge (i，j) 代表元胞i与元胞j之间的路径，Pathk是人员k经过的路径；q为步骤2设置的信息素强 度挥发系数； 步骤19.迭代计数器NC加1，即NC = NC+1 ; 步骤20.当NC < T，每一个人员返回步骤3设置的人员各自的初始元胞，重复步骤 7-19,直到NC > T，迭代结束，执行下一步； 步骤21.输出最优疏散路径和疏散时间，演示最优疏散方案。
2. 根据权利要求1所述的一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法， 其特征在于：所述的步骤1中以f为中心元胞r与邻居间的移动规则采用Moore型邻居定 义，以中心元胞的上、下、左、右、左上、左下、右上、右下这八个方向上的元胞为其邻居，此 时邻居半径同样为r = 1，行人可以在同一时间向这八个方向移动到达邻近空闲元胞。
3. 根据权利要求2所述的一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法， 其特征在于：所述的步骤9中得到其邻居元胞的位置集合为第k个人员所在位置的上，下， 左，右，左上，左下，右上，右下8个方向的元胞。
4. 根据权利要求1所述的一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法， 其特征在于，本方法的参数设置为：蚁群算法参数a = 1，0 = 2, P = 0. 5,Q = 1，最大循 环次数T = 100 ;势能场增益系数€ 1 = 2, € 2 = 1。
5. 根据权利要求1或2或3或4所述的一种基于势能驱动元胞蚁群算法的室内疏散仿 真优化方法，其特征在于，所述的步骤10中的禁忌规则为： (1) 一个元胞只能容纳一个人员； (2) 在建筑物的人员可以向空闲元胞和出口移动，从出口的元胞不能向建筑物内的元 胞移动； (3) 若多个人员同时竞争同一个空闲元胞，随机选择一人进入，其他人重新选择路径， 直到所有人员在网格上找到自己下一时刻唯一目标为止； (4) 当人员不能选择当前最优站位时，则在不考虑出口方向情况写选择一个次优元胞 作为站位； (5) 人员选择元胞不能是自己上一步所在的元胞，除非周围其他的元胞都不可被访问。
【文档编号】G06F17/50GK104361178SQ201410667474
【公开日】2015年2月18日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】宗欣露, 尹宇洁, 叶志伟, 王春枝, 刘伟, 陈宏伟, 徐慧 申请人:湖北工业大学