收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于蚁群算法的应急救援最优路径研究

刘勇  
【摘要】: 合理选择救援路径是应急救援指挥中心及时有效展开救援工作的保证,它对缩短救援人员、车辆、应急物资到达受灾地点所需时间,以及指挥受灾人员及时逃离受灾区域,减少受灾区域人民财产损失,保障受灾区域人民生命安全具有十分重要的意义。本文以突发公共事件的最优路径选择问题作为研究的切入点,它属于路径优化问题。路径优化问题属于运筹学的研究内容,随着计算机技术的发展,计算机图论对解决路径优化问题也有了更深入的研究和应用,本文正是借助于计算机平台,通过matlab软件进行仿真实验而进行研究的。 突发公共事件应急救援的路径选择问题主要包括应急物资的调度路径选择和紧急疏散路径选择,其中紧急疏散路径选择又包括人员的疏散和车辆物资的疏散等。本文从突发公共事件事故抢险救援的特征和实际情况出发,以基本蚁群系统模型理论和应急物流理论作为研究的理论基础,结合事故应急救援路径选择的实际特点,对基本蚁群模型进行相关改进,然后应用于突发公共事故应急救援的最优路径选择问题。 解决路径优化问题的模型有很多,迪杰斯特拉(Dijkstra)算法和弗罗伊德(Floyd)算法是目前国内外公认的求解网络图上节点间最短路径的较好的方法,但仅适用于较小规模网络图的运算求解。随着近些年对人工智能方面研究的深入和理论的完善,一种新型算法即智能仿生优化算法得到了较快发展。蚁群算法是近些年才发展起来的一种新型智能仿生优化算法,与以前的经典算法相比,它有很多优越性。 本文首先对基本蚁群模型的基本原理和数学模型进行了分析,然后在此基础上,结合事故应急救援最优路径选择的特点和实际情况,对基本蚁群模型进行了选择策略和引入实际道路特征两方面的改进研究。前者的改进主要是对基本蚁群模型理论方面的改进,即在搜索最优路径的过程中作动态的调整的自适应蚁群算法模型。自适应蚁群算法根据其动态调整对象的不同,分为自适应调整信息素挥发因子的蚁群算法和动态自适应调整信息素的蚁群算法,前者通过动态调整信息素挥发因子的值来提高算法的全局搜索能力,避免陷入局部最优;后者根据蚁群算法搜索情况来自适应地动态修改信息素,从而有效地解决扩大搜索空间容易导致陷入局部最优,寻找最优解又需要提高全局搜索性之间的矛盾。 对基本蚁群系统改进的另一方面是引入道路实际特征。即提出了引入路径权重的蚁群算法模型。首先基于层次分析法理论,根据道路的实际情况,求解出影响实际救援时间的各段路径权重,构成道路权重矩阵,并将路径权重矩阵引入到蚁群算法状态转移概率的求解模型中来,然后利用这种改进后的状态转移规则求解实际应用中的最优路径,并在最后结合实际例子进行了仿真实验。 基于前面对基本蚁群算法的改进研究,论文接下来将理论研究成果应用到解决事故应急救援最优路径选择的实际问题中来。首先是对紧急疏散最优路径问题进行了深入研究。突发公共事件应急救援的疏散主要包括人员疏散和物资疏散,其中物资主要利用车辆运输,所以还涉及到车辆疏散。首先根据人员疏散的总体要求和实际特点,确定了突发事故人群疏散路径选择的基本原则,然后基于基本蚁群模型关于解决经典的旅行商问题的理论,建立了搜救人员的最佳搜救路线模型,因为人员的疏散与搜救人员的及时救援是分不开的。为了使理论用于解决实际问题更直观和更具有针对性,该部分选取了煤矿巷道逃生最优路径选择实例和化学工业区突发事件人员疏散最优路径选择实例两种实际应用情况进行研究和仿真实验。煤矿巷道逃生最优路径的选择包括最佳避灾路线和最佳救灾路线,通过对巷道当量长度的解算分析,建立了矿井巷道避灾与救灾路径优化数学模型,并可应用于矿井火灾救援辅助决策支持系统;在对化学工业区突发事件人员疏散最优路径选择实例的研究中引入了微观网格模型,分析了解决该问题的基本思路。 突发公共事件应急救援的最优路径选择问题的另一个主要方面就是应急物资调度的路径优化,但应急救援指挥中心在进行应急物资调度之前首先需要对应急服务设施点进行选址,然后才能确定最佳的调度方案。应急服务设施点主要是用于应急物资的临时集散。 应急服务设施点的选址是一项复杂的工作。论文主要结合应急物流的部分理论,探讨了单个应急服务设施点和多个应急服务设施点的选址问题,然后综合这两部分内容得出了应急系统选址规划模型,这属于安全规划的内容。 应急救援车辆调度最佳路径的规划参考了蚁群算法用于解决车辆路径问题(VRP)的经验。该部分首先对应急救援紧急车辆调度的特征进行了分析,确定了应急物资车辆调度的流程,然后针对确定型多出救点组合应急物资调度的问题类型,分为单目标问题、两阶段目标问题和多目标问题三种情况加以考虑,并设计仿真算例进行实验,单目标问题即只要求最早应急时间的条件下求解最优路径;以“最早应急时间”的方案可能不止一个,但是无论从费用还是系统稳定性的角度考虑,研究“最早应急时间前提下的出救点数目最少目标”的两阶段问题更具有实际意义,两阶段目标问题能得到更符合实际要求的结果;上述两种问题的求解比较简单,但当决策者特别注重应急系统稳定性或费用时,“出救点数目最少”应该作为另外一个优化目标,这样就产生了基于“最早应急时间”和“出救点数目最少”的多目标模型。论文对这三种情况分别进行了分析。然后对不确定情况下的多点出救方案进行了探讨。论文最后以公安县洪涝灾害的应急物资调度为例,应用基本蚁群模型、引入路径权重蚁群算法根据是否考虑道路的曲折以及直接连通性、是否引入路径权重系数矩阵分为三种情况分别进行了仿真实验,求解最优路径。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱立军;杨中秋;;一种引入信息素上下界自适应机制的蚁群算法[J];沈阳化工学院学报;2009年01期
2 李扬;薛瑞红;;基于图形的加权蚁群算法[J];辽宁工程技术大学学报(自然科学版);2008年02期
3 李扬;;改进的蚁群算法及其在Eil50问题上的检验[J];辽宁工程技术大学学报(自然科学版);2010年05期
4 杨中秋;张延华;郑志丽;;基于改进蚁群算法对最短路径问题的分析与仿真[J];沈阳化工学院学报;2009年02期
5 边学丛;朱婵;何衍兴;;引入路径权重蚁群算法在应急救援中的应用[J];工业安全与环保;2010年11期
6 王丽君;朱春龙;尹腊梅;;基于蚁群算法的水质模型参数估算[J];东北水利水电;2009年03期
7 金保华;张磊;张亮;和振远;;蚁群算法在应急救援路径中的应用及优化[J];郑州轻工业学院学报(自然科学版);2010年03期
8 王杨;;基于蚁群算法的粗糙集属性约简方法[J];辽宁石油化工大学学报;2009年04期
9 刘刚;郭旭红;冯志华;朱忠奎;;蚁群算法在TSP中的仿真应用及最优参数选择研究[J];苏州大学学报(工科版);2007年01期
10 王艳玲;毕于深;;基于改进多蚁群算法的网络资源负载均衡与优化[J];辽宁石油化工大学学报;2009年02期
11 翟梅梅;;基于蚁群算法的改进遗传算法[J];安徽理工大学学报(自然科学版);2009年03期
12 柳春光;褚雪松;何双华;;交通系统智能决策的算法研究[J];自然灾害学报;2007年03期
13 刘小梅;张君静;;蚁群优化算法基本原理及其应用[J];西部探矿工程;2008年10期
14 陈昌富,谢学斌;露天采矿边坡临界滑动面搜索蚁群算法研究[J];湘潭矿业学院学报;2002年01期
15 孙晓光;周华强;何荣军;;基于蚁群算法和神经网络的位移反分析[J];西安科技大学学报;2007年04期
16 许德刚;肖人彬;赵新;王胜轩;;一种改进的蚁群算法解决粮食物流中的VRP问题[J];河南工业大学学报(自然科学版);2008年05期
17 乔茹;章小兵;赵光兴;;基于改进蚁群算法的移动机器人全局路径规划[J];安徽工业大学学报(自然科学版);2009年01期
18 刘军;刘广瑞;;基于改进蚁群算法移动机器人的路径规划[J];煤矿机械;2009年12期
19 李琳;张永祥;李军;;基于改进蚁群算法的齿轮故障模式识别方法研究[J];煤矿机械;2009年12期
20 李守巨;基于计算智能的岩土力学模型参数反演方法及其工程应用[J];岩石力学与工程学报;2005年02期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
6 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
7 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 何灿;邢建春;杨启亮;王荣浩;王书怀;;基于改进蚁群算法的新型PID整定方法研究[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
中国博士学位论文全文数据库 前10条
1 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
2 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
3 程世娟;改进蚁群算法及其在结构系统可靠性优化中的应用[D];西南交通大学;2009年
4 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
5 郭乘涛;基于问题分解与蚁群算法的半导体晶圆制造系统调度方法的研究[D];上海交通大学;2012年
6 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
7 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
8 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
9 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
10 王沛栋;改进蚁群算法及在路径规划问题的应用研究[D];中国海洋大学;2012年
中国硕士学位论文全文数据库 前10条
1 刘勇;基于蚁群算法的应急救援最优路径研究[D];中国地质大学;2010年
2 王侠;动态疏散决策方法研究[D];沈阳航空工业学院;2010年
3 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
4 林莉芸;面向Web Services应用集成蚁群优化算法的研究[D];上海师范大学;2008年
5 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
6 赵磊;动态交通条件下车辆导航的路径寻优分析[D];长安大学;2010年
7 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
8 张翼飞;基于道路阻抗的路径优化算法的设计与实现[D];上海交通大学;2010年
9 张频捷;蚁群优化算法及其应用研究[D];中南大学;2010年
10 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
中国重要报纸全文数据库 前10条
1 王小龙;实验室中再现光合作用“最优路径”[N];科技日报;2011年
2 ;杰迪软件:最优路径[N];中国计算机报;2010年
3 本报记者 李兵;迈向经济强省的最优路径[N];河南日报;2008年
4 陈峰华通讯员 朱晓忠;“加减乘除”化解“成长烦恼”[N];嘉兴日报;2007年
5 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
6 主讲人 国防科技大学经济学教授 何正斌 本报记者 李月宁;以最小的付出获得最大的幸福[N];新华日报;2011年
7 陈雨露;平衡转轨:汇率改革最优路径[N];21世纪经济报道;2006年
8 ;IP QoS 技术将促进数据业务发展[N];人民邮电;2000年
9 邹琦;Windows 2000 Advanced Server中软路由的实现[N];计算机世界;2001年
10 饶宇锋;春促 被逼出来的蛋糕[N];财经时报;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978