• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    多蟻群雙信息素疏散路徑規(guī)劃算法

    2020-08-14 02:29:16吳世旺
    電氣自動化 2020年2期
    關(guān)鍵詞:路段螞蟻種群

    吳世旺

    (上海平可行智能科技有限公司,上海 200235)

    0 引 言

    對于人員疏散的研究,國內(nèi)外從研究角度上可以劃分為基于網(wǎng)格的微觀疏散模型和基于路網(wǎng)的宏觀疏散模型。

    基于網(wǎng)格的微觀疏散模型考慮了疏散細(xì)節(jié),將路徑規(guī)劃策略加入到模擬模型中,以微觀引導(dǎo)手段來改善疏散效率。吳鵬飛等[1]針對地鐵應(yīng)急疏散場景,在基本ACO算法的基礎(chǔ)上對路徑選擇策略、啟發(fā)式函數(shù)和信息更新策略進(jìn)行改進(jìn),提高正反饋?zhàn)饔煤褪諗克俣?,為整個(gè)疏散群體求解更優(yōu)的疏散路徑。郭陽勇等[2]結(jié)合元胞蟻群算法和卡爾曼濾波提出了一種新的疏散模型PECA,利用元胞蟻群算法和卡爾曼濾波對最短疏散時(shí)間的優(yōu)化模型進(jìn)行求解。YE等[3]將ACO算法和元胞自動機(jī)模型(CA)結(jié)合,上層采用ACO算法進(jìn)行路徑選擇,底層使用CA模型實(shí)現(xiàn)人員在離散空間上的移動和位置沖突的解決。

    基于路網(wǎng)的宏觀疏散模型忽略人員疏散細(xì)節(jié),將疏散環(huán)境抽象為動態(tài)網(wǎng)絡(luò)圖,通常使用啟發(fā)式算法進(jìn)行求解。YUAN等[4]針對復(fù)雜環(huán)境下的應(yīng)急疏散,以最小化疏散時(shí)間和擁擠度為目標(biāo),改進(jìn)基本ACO算法進(jìn)行求解;LIU等[5]將疏散場景劃分為疏散區(qū)域、過渡區(qū)域和安全區(qū)域,提出改進(jìn)的量子蟻群疏散路徑規(guī)劃算法。董崇杰等[6]針對人車混合的大型公共場所,使用改進(jìn)的布谷鳥算法對目標(biāo)函數(shù)進(jìn)行求解。FANG等[7]為解決體育場的應(yīng)急疏散路徑優(yōu)化問題,將環(huán)境抽象為分層有向網(wǎng)絡(luò),提出了HMERP-ACO算法。

    如何均衡路段的通行量負(fù)載,為疏散個(gè)體合理配置路徑,提升疏散效率,是綜合交通樞紐常規(guī)疏散研究的重點(diǎn)。本文結(jié)合綜合交通樞紐常規(guī)疏散特點(diǎn),基于疏散路網(wǎng),以最小化網(wǎng)絡(luò)清空時(shí)間、人均疏散時(shí)間和累計(jì)擁堵系數(shù)為疏散目標(biāo),提出多蟻群雙信息素算法(multi-ant colony double pheromone algorithm,MACDPA)來研究綜合樞紐內(nèi)的常規(guī)疏散路徑規(guī)劃問題。

    1 綜合交通樞紐常規(guī)疏散問題描述

    1.1 疏散路網(wǎng)

    選取綜合樞紐內(nèi)的樓梯、自動扶梯、出入口和乘車點(diǎn)等作為關(guān)鍵節(jié)點(diǎn),將疏散環(huán)境抽象為二維網(wǎng)絡(luò)圖:

    G=(N,E,R)

    (1)

    式中:N為疏散節(jié)點(diǎn);E為節(jié)點(diǎn)間的連線;R為路段通行屬性。

    R=(L,W,SC,LC)

    (2)

    SC=L×W×ρS

    (3)

    LC=L×W×ρL

    (4)

    式中:L、W分別為路段長度、寬度;SC為安全容量,當(dāng)該路段上的人數(shù)小于SC時(shí),行人可以按期望速度自由移動;LC為路段極限容量,當(dāng)該路段上的人數(shù)大于等于LC時(shí),擁擠度達(dá)到極限,人群緩慢推進(jìn)或停止移動;ρS為個(gè)體不受影響可以按照意愿自由行走的人群密度常量;ρL為人群擁擠度達(dá)到極限只能緩慢推進(jìn)或者完全停止移動的人群密度常量。根據(jù)文獻(xiàn)[8],令ρS=0.39 人/m2,ρL=3.8 人/m2。

    1.2 疏散目標(biāo)函數(shù)及約束

    綜合交通樞紐常規(guī)疏散路徑優(yōu)化的目標(biāo)函數(shù)描述如下:

    minf1=max(T1,T2,…,Tk,…Tm)

    (5)

    (6)

    (7)

    式中:f1為最小化網(wǎng)絡(luò)清空時(shí)間;f2為最小化累計(jì)擁堵系數(shù);f3為最小化人均疏散時(shí)間;m為疏散人員總數(shù);Tk為人員的疏散時(shí)間;Cij(t)為t時(shí)刻路段(i,j)上的擁堵系數(shù)。

    模型約束如下所示。

    (8)

    (9)

    (10)

    (11)

    (12)

    2 多蟻群雙信息素算法

    本文結(jié)合具體研究對象及優(yōu)化目標(biāo),提出MACDPA算法,將疏散人員當(dāng)作螞蟻,根據(jù)乘車意向劃分為多個(gè)種群,改進(jìn)ACO算法中啟發(fā)式信息和信息素函數(shù),考慮人員在實(shí)際疏散過程中,偏向于選擇較短路徑,且有意避免路段過度擁擠,引入種群信息素和部落信息素的概念。利用種群信息素的正反饋?zhàn)饔脕硪龑?dǎo)同一種群的螞蟻進(jìn)行最短疏散路徑尋優(yōu),利用部落信息素的負(fù)反饋?zhàn)饔脕肀苊饴范芜^度擁擠,實(shí)現(xiàn)路徑資源均衡分配的同時(shí),提高疏散效率。

    2.1 算法設(shè)計(jì)

    1) 啟發(fā)式信息搜索策略

    (13)

    (14)

    2) 信息素更新策略

    引入種群信息素和部落信息素,借助于二者的綜合作用,避免算法收斂于局部最優(yōu),均衡路段負(fù)載,改善疏散效率。

    種群信息素:同一種群的螞蟻產(chǎn)生的信息素,該信息素作為種群內(nèi)部通信的媒介,正反饋機(jī)制引導(dǎo)同種群的螞蟻選擇較短的路徑。更新策略為:

    τij(n+1)=(1-ρ1)τij(n)+ρ1Δτij(n)

    (15)

    (16)

    (17)

    部落信息素:所有螞蟻產(chǎn)生的信息素,該信息素作為所有螞蟻共享的通信媒介,負(fù)反饋機(jī)制避免過多螞蟻聚集在同一路段。更新策略為:

    φij(n+1)=(1-ρ2)φij(n)+ρ2Δφij(n)

    (18)

    (19)

    (20)

    3) 狀態(tài)轉(zhuǎn)移概率

    (21)

    式中:α為信息素因子;β為啟發(fā)函數(shù)因子;NextLINK_set為螞蟻k從節(jié)點(diǎn)i轉(zhuǎn)移到下個(gè)節(jié)點(diǎn)j的可選節(jié)點(diǎn)集。

    2.2 算法實(shí)現(xiàn)步驟

    MACDPA算法求解綜合交通樞紐內(nèi)的常規(guī)疏散問題的過程描述如下:

    Step1:初始化模型參數(shù)

    初始化模型參數(shù),設(shè)置最大迭代次數(shù)NCmax,迭代計(jì)數(shù)器NC=1,初始化種群信息素τij(0)=c,部落信息素φij(0)=c。

    Step2:選擇路徑

    將螞蟻放在起始節(jié)點(diǎn)上,在節(jié)點(diǎn)i上的個(gè)體k根據(jù)Pij來選擇下一個(gè)節(jié)點(diǎn)j,重復(fù)這個(gè)過程,直到k到達(dá)目標(biāo)節(jié)點(diǎn),當(dāng)所有疏散個(gè)體獲得相應(yīng)的疏散路徑后,完成一次迭代。

    Step3:更新Pareto解集

    完成步驟2中的一次迭代,每一個(gè)疏散個(gè)體建立了疏散路徑,所有的疏散路徑構(gòu)成一個(gè)可行解sn。計(jì)算目標(biāo)函數(shù)值,如果sn是非支配解,將sn加入到Pareto解集中,并移除被sn支配的解。

    Step4:更新信息素

    用φij(t+1)更新每條邊上的部落信息素。若本次迭代產(chǎn)生的解是pareto解,則使用新的τij(t+1)更新每條邊上的種群信息素,否則,不更新種群信息素。

    Step5: 終止條件

    令NC=NC+1,若NC

    3 試驗(yàn)結(jié)果及分析

    以某綜合交通樞紐為試驗(yàn)對象,路網(wǎng)圖如圖1所示,其中:節(jié)點(diǎn)1為火車出口;節(jié)點(diǎn)59為火車入口;節(jié)點(diǎn)4、5為輕軌乘車點(diǎn);節(jié)點(diǎn)10為長途客運(yùn)乘車點(diǎn);節(jié)點(diǎn)17為出租乘車點(diǎn);節(jié)點(diǎn)18為公交乘車點(diǎn)。

    相應(yīng)的參數(shù)設(shè)置如表1所示。初始時(shí),將人群分布在起始節(jié)點(diǎn)1上,試驗(yàn)選擇三種算法進(jìn)行比較:ACO算法、HMERP-ACO算法和本文提出的MACDPA算法。

    表1 算法參數(shù)設(shè)置

    試驗(yàn)結(jié)果如圖2~圖5所示。圖2~圖5分別為三種算法的網(wǎng)絡(luò)清空時(shí)間、累計(jì)擁擠度、人均疏散時(shí)間和人均疏散長度??梢钥闯觯啾绕渌麅煞N算法,MACDPA算法通過適當(dāng)?shù)厥共糠秩恕吧峤筮h(yuǎn)”,有效地均衡了路徑負(fù)載,提高了疏散效果。

    表2為三種算法得到的Pareto解對應(yīng)的目標(biāo)函數(shù)值,圖6為三種算法得到的目標(biāo)函數(shù)值的分布。由表2可知,MACDPA得到的Pareto解無論在質(zhì)量還是數(shù)量上都優(yōu)于其他兩種算法。

    表2 三種算法的Pareto解

    圖7是三種算法對應(yīng)的疏散曲線。在前200 s,三種算法的疏散人數(shù)基本相同;在200 s~350 s,MACDPA算法相比其他兩種算法,疏散人數(shù)較少;350 s后,MACDPA算法的疏散人數(shù)明顯多于其他兩種算法。

    試驗(yàn)結(jié)果表明,本文提出的MACDPA算法,相比其他兩種算法能夠提供更優(yōu)的疏散路徑規(guī)劃方案。

    4 結(jié)束語

    城市綜合交通樞紐作為一個(gè)為市民提供公共換乘服務(wù)的公共場所,在保證正常運(yùn)營的前提下,均衡利用交通樞紐內(nèi)的現(xiàn)有資源,盡量降低人員擁擠度,改善疏散人員體驗(yàn)度,提高路徑資源利用率及樞紐運(yùn)營效率,具有重要意義。本文針對相應(yīng)的疏散目標(biāo),基于蟻群算法,改進(jìn)啟發(fā)式函數(shù),引入種群信息素和部落信息素的概念,提出多蟻群雙信息素MACDPA算法,并將其與ACO和HMERP-ACO算法進(jìn)行對比。試驗(yàn)結(jié)果表明,本文提出的算法能夠?yàn)榫C合交通樞紐的常規(guī)疏散提供更優(yōu)的疏散路徑規(guī)劃方案。

    猜你喜歡
    路段螞蟻種群
    邢氏水蕨成功繁衍并建立種群 等
    山西省發(fā)現(xiàn)刺五加種群分布
    冬奧車道都有哪些相關(guān)路段如何正確通行
    工會博覽(2022年5期)2022-06-30 05:30:18
    部、省、路段監(jiān)測運(yùn)維聯(lián)動協(xié)同探討
    A Survey of Evolutionary Algorithms for Multi-Objective Optimization Problems With Irregular Pareto Fronts
    基于XGBOOST算法的擁堵路段短時(shí)交通流量預(yù)測
    我們會“隱身”讓螞蟻來保護(hù)自己
    螞蟻
    螞蟻找吃的等
    崗更湖鯉魚的種群特征
    喀喇沁旗| 北流市| 万山特区| 东丰县| 永宁县| 西昌市| 宿州市| 突泉县| 普格县| 双鸭山市| 吴堡县| 乐平市| 宁夏| 济源市| 新化县| 冷水江市| 南阳市| 四平市| 惠东县| 长宁县| 万源市| 柳林县| 吉林省| 阿拉善左旗| 乌兰浩特市| 东兴市| 杭锦后旗| 马鞍山市| 碌曲县| 上高县| 石家庄市| 乌鲁木齐县| 芷江| 榆中县| 宾阳县| 河间市| 手游| 日喀则市| 荆州市| 普安县| 和顺县|