[发明专利]一种基于群智能算法和疏散熵的人群疏散路径优化方法

权利要求书

1.一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，该方法由计算机系统执行，具体步骤包括：

步骤S1：构建疏散环境；

步骤S2：初始化疏散人群与疏散路径参数；

步骤S3：基于k均值聚类算法将人群分为多个小群体；

步骤S4：所有个体基于混合人工蜂群—蝙蝠算法进行位置更新；

步骤S5：所有个体基于疏散熵进行位置修正；

步骤S6：所有个体进行避障；

步骤S7：若算法未达到结束条件，则返回步骤S4，否则算法结束，完成疏散；

所述步骤S2中进行初始化的疏散路径参数包括粒子参数、蝙蝠算法参数、疏散熵修正参数和避障参数，其中粒子参数包括粒子半径R、最大步长S_max，蝙蝠算法参数包括最小频率f_min、最大频率f_max、响度控制参数α、脉冲发射率控制参数γ、最大脉冲发射率疏散熵修正参数包括疏散熵阈值entropy_threshold、网格大小block_size，避障参数包括适应度值计算时的障碍物权重系数C_obs、避障机制里的行为常量k；

所述步骤S4中进行位置更新的过程具体为：步骤S401：每个群体内部，基于人工蜂群算法，依据个体适应度值，将疏散人群分为引领蜂与观察蜂；步骤S402：引领蜂基于蝙蝠算法进行位置更新，观察蜂基于人工蜂群算法进行位置更新；

引领蜂位置与速度更新具体为：

f_i＝f_min+(f_max-f_min)β

其中，f_i为引领蜂i的脉冲频率,f_min、f_max为频率最小最大值，数值为常数，β为值在[0,1]之间的随机函数，为t时刻引领蜂i的位置，x^*是整个空间具有最佳适应度的疏散个体所在的位置,是t时刻引领蜂i指向全局最优个体的方向的单位向量，为t时刻引领蜂i的速度方向，为t时刻引领蜂i的速度大小，取值范围为[0，S_max]，受障碍物位置的影响；

所述步骤S5进行位置修正的过程包括判断是否进行修正，确定修正方向，确定修正概率，然后控制疏散个体以确定的修正概率选择修正方向，进行位置修正。

2.根据权利要求1所述的一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，所述步骤S1中构造疏散环境具体指使用matlab构造一个二维矩形区域，进而构造疏散空间的墙壁、出口和障碍物，并对空间进行网格化处理。

3.根据权利要求1所述的一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，所述步骤S2中初始化疏散人群具体包括：确定需要疏散的人群数量，并将疏散个体抽象为圆形粒子，将其随机分布在步骤S1构造的疏散空间中。

4.根据权利要求1所述的一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，所述步骤S6中避障具体为利用代价函数确定下一步可接受的概率，当可接受概率为0时，即新位置不可接受，采取周边搜索方式进行避障。

5.根据权利要求4所述的一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，所述周边搜索方式为若新位置不可接受，则选择下一步方向偏差-10°～10°的随机角度为新方向，依次类推，直到下一步位置可达。

6.根据权利要求1所述的一种基于群智能算法和疏散熵的人群疏散路径优化方法，其特征在于，所述步骤S7中结束条件指所有疏散个体到达出口或算法达到最大迭代次数。