[发明专利]基于禁忌搜索蜂群算法的人群疏散仿真方法及系统

权利要求书

1.基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，包括：

步骤(1)：设置疏散场景参数信息和人物模型信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中；

步骤(2)：设置基于禁忌搜索的蜂群算法的初始参数；

步骤(3)：宏观疏散仿真：初始化初始参数，采用基于禁忌搜索的蜂群算法进行宏观路径规划，搜索初始点到目标点的初始路径，路径由若干个点组成；

步骤(4)：微观疏散仿真：在初始路径的基础上，当疏散人群数量大于设定阈值时，个体之间不可避免地会发生碰撞，采用社会力模型进行微观人群运动指导，产生无碰撞的疏散运动，得到最终人群疏散路径，进行人群疏散仿真；

步骤(5)：将疏散人数、疏散所用时间和最终人群疏散路径导出并保存，用于人群疏散的运动展示和对比分析。

2.如权利要求1所述的基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，所述步骤(1)中疏散场景模型作为人群疏散的环境空间，包括：疏散场景的所有房间和出口，可所述环境空间下进行人群疏散的反复试验；所述人物模型作为疏散人群。

3.如权利要求1所述的基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，所述疏散场景参数信息，包括：场景位置、房间个数及位置、出口个数及位置、场景面积；所述人物模型信息，包括：个体半径和个体重量。

4.如权利要求1所述的基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，所述步骤(2)初始参数包括种群规模、最大迭代次数、蜜源停留最大限制搜索次数limit和空的禁忌表。

5.如权利要求1所述的基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，所述步骤(3)的步骤为：

根据搜索的环境空间随机产生若干当前解，即食物源；

然后，采蜜蜂在当前解的邻域进行搜索产生若干候选解，计算跟随蜂对当前解的跟随概率，跟随概率最高的成为当前全局最优解；

跟随蜂转换为采蜜蜂，再次对产生的若干候选解进行邻域搜索，计算跟随蜂跟随概率，产生最优候选解；

如果最优候选解优于当前全局最优解，且最优候选解经limit次未更新，则将最优候选解代替当前全局最优解加入禁忌表；

否则，将当前全局最优解代替当前解加入禁忌表，更新禁忌表内容，迭代次数加一，返回初始化初始参数的步骤迭代执行，直至迭代次数达到最大迭代次数完成收敛。

6.如权利要求1所述的基于禁忌搜索蜂群算法的人群疏散仿真方法，其特征是，所述步骤(4)在步骤(3)的得到的初始路径的基础上，采用社会力模型进行微观人群运动指导的具体步骤为：对于每个群组内的个体行人，计算行人自身的驱动力、行人之间的排斥力和行人受墙或障碍物的力的所受合力，群组内的个体行人按照计算的所受合力进行行为运动。

7.基于禁忌搜索蜂群算法的人群疏散仿真系统，其特征是，包括：

场景和人物构建模块：设置疏散场景参数信息和人物模型信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中；

初始参数设置模块：设置基于禁忌搜索的蜂群算法的初始参数；

宏观路径规划模块：初始化初始参数，采用基于禁忌搜索的蜂群算法进行宏观路径规划，搜索初始点到目标点的初始路径，路径由若干个点组成；

微观人群运动模块：在初始路径的基础上，当疏散人群数量大于设定阈值时，个体之间不可避免地会发生碰撞，采用社会力模型进行微观人群运动指导，产生无碰撞的疏散运动，得到最终人群疏散路径，进行人群疏散仿真；

数据导出模块：将疏散人数、疏散所用时间和最终人群疏散路径导出并保存，用于人群疏散的运动展示和对比分析。