一种基于A*-EACO算法的火灾疏散路径规划方法及系统技术方案

本申请提供了一种基于A*

【技术实现步骤摘要】
一种基于A*
‑
EACO算法的火灾疏散路径规划方法及系统


[0001]本申请涉及火灾疏散路径动态规划领域，特别是一种基于A*
‑
EACO算法的火灾疏散路径规划方法及系统。

技术介绍

[0002]建筑物火灾时刻威胁着公共安全，造成了大量的财产损失和人员伤亡。当火灾发生时，由于建筑物结构和材料的复杂性，烟雾在建筑物内迅速蔓延，加大了疏散难度。因此，一条最佳的火灾疏散路径显得尤为重要。
[0003]火灾疏散路径规划技术的目标是从起点到终点规划出一条远离火源且无障碍物的最优路径。现有的火灾疏散路径规划算法主要分为两类：传统算法与群智能算法。其中，传统算法主要有栅格法、Dijkstra算法、A*算法等。群智能算法主要有粒子群算法、遗传算法和蚁群算法等。在面向火灾疏散路径规划问题中，传统算法可以在简单建筑物中寻找出一条良好的火灾疏散路径，而在复杂建筑物中的路径规划能力较差。群智能算法在复杂建筑物中的疏散效果较好，但是这类算法通常存在过早收敛、易陷入局部最优等问题。因此，探索新的路径规划算法已成为研究的热点。

技术实现思路

[0004]鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种A*
‑
EACO算法的火灾疏散路径规划方法及系统，包括：
[0005]一种基于A*
‑
EACO算法的火灾疏散路径规划方法，所述方法包括：
[0006]获取目标建筑的二维平面图，并依据所述二维平面图采用0
‑
1栅格法建立环境模型；
[0007]依据所述环境模型确定每个栅格的节点坐标；
[0008]依据使用者选择的起始节点和目标节点采用A*算法确定节点区域；
[0009]依据所述节点区域确定最大迭代次数，并在所述节点区域内确定下一路径节点；其中，所述路径节点包含有信息素；
[0010]依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子，并依据所述信息素蒸发因子更新所述信息素；
[0011]当所述当前迭代次数达到所述最大迭代次数时，则输出距离最短的目标疏散路径。
[0012]进一步地，所述依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子的步骤，包括：
[0013]依据所述当前迭代次数确定初始信息素蒸发因子；
[0014]依据所述初始信息素蒸发因子、所述最大迭代次数和所述当前迭代次数确定信息素蒸发因子。
[0015]进一步地，所述依据所述信息素蒸发因子更新所述信息素的步骤，包括：
[0016]依据所述当前迭代次数确定信息素增量；
[0017]依据所述信息素增量和所述信息素蒸发因子更新所述信息素。
[0018]进一步地，所述依据所述环境模型确定每个栅格的节点坐标的步骤，包括：
[0019]依据所述环境模型确定每个栅格的编号；
[0020]依据所述编号确定对应的所述节点坐标。
[0021]进一步地，所述依据使用者选择的起始节点和目标节点采用A*算法确定节点区域的步骤，包括：
[0022]依据所述起始节点和当前节点确定实际代价；
[0023]依据所述当前节点和所述目标节点确定估计代价；
[0024]依据所述实际代价和所述估计代价确定路径代价；
[0025]依据所述路径代价确定所述节点区域。
[0026]进一步地，所述在所述节点区域内确定下一路径节点的公式如下所示：
[0027][0028]式中，表示t时刻蚂蚁k从节点i到下一路径节点j的概率；C表示下一步可以访问的节点集合；η
ij
(t)表示启发函数，其中η
ij
(t)＝1/d
ij
，d
ij
表示节点i,j之间的距离；α是信息素重要因子；β为启发函数重要因子。
[0029]进一步地，所述当所述当前迭代次数达到所述最大迭代次数时，则输出距离最短的目标疏散路径的步骤，包括：
[0030]当所述路径节点为目标节点时，则对路径上的所述信息素进行更新，并确定出从所述起始节点到所述路径节点的目标路径的长度；
[0031]当所述当前迭代次数达到所述最大迭代次数时，则依据所述目标路径生成疏散路径集合；
[0032]确定出所述疏散路径集合中距离最短的目标疏散路径。
[0033]一种基于A*
‑
EACO算法的火灾疏散路径规划系统，所述系统包括：
[0034]环境建模模块，用于获取目标建筑的二维平面图，并依据所述二维平面图采用0
‑
1栅格法建立环境模型；
[0035]坐标计算模块，用于依据所述环境模型确定每个栅格的节点坐标；
[0036]第一优化模块，用于依据使用者选择的起始节点和目标节点采用A*算法确定节点区域；
[0037]转移模块，用于依据所述节点区域确定最大迭代次数，并在所述节点区域内确定下一路径节点；其中，所述路径节点包含有信息素；
[0038]第二优化模块，用于依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子，并依据所述信息素蒸发因子更新所述信息素；
[0039]路径输出模块，用于当所述当前迭代次数达到所述最大迭代次数时，则输出节点最少且距离最短的目标疏散路径。
[0040]一种计算机设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理
器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的一种基于A*
‑
EACO算法的火灾疏散路径规划方法的步骤。
[0041]一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的一种基于A*
‑
EACO算法的火灾疏散路径规划方法的步骤。
[0042]本申请具有以下优点：
[0043]在本申请的实施例中，通过获取建筑的二维平面图，并依据所述二维平面图采用0
‑
1栅格法建立环境模型；依据所述环境模型确定每个栅格的节点坐标；依据使用者选择的起始节点和目标节点采用A*算法确定节点区域；依据所述节点区域确定最大迭代次数，并在所述节点区域内确定下一路径节点；其中，所述路径节点包含有信息素；依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子，并依据所述信息素蒸发因子更新所述信息素；当所述当前迭代次数达到最大迭代次数时，则输出距离最短的目标疏散路径。通过非线性递减策略对信息素蒸发因子进行改进，并对信息素进行更新，降低问题的复杂度，提高算法的搜索能力，降低求解火灾疏散路径问题的复杂性。
附图说明
[0044]为了更清楚地说明本申请的技术方案，下面将对本申请的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于A*
‑
EACO算法的火灾疏散路径规划方法，其特征在于，所述方法包括：获取建筑的二维平面图，并依据所述二维平面图采用0
‑
1栅格法建立环境模型；依据所述环境模型确定每个栅格的节点坐标；依据使用者选择的起始节点和目标节点采用A*算法确定节点区域；依据所述节点区域确定最大迭代次数，并在所述节点区域内确定下一路径节点；其中，所述路径节点包含有信息素；依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子，并依据所述信息素蒸发因子更新所述信息素；当所述当前迭代次数达到最大迭代次数时，则输出距离最短的目标疏散路径。2.根据权利要求1所述的方法，其特征在于，所述依据所述最大迭代次数和当前迭代次数确定信息素蒸发因子的步骤，包括：依据所述当前迭代次数确定初始信息素蒸发因子；依据所述初始信息素蒸发因子、所述最大迭代次数和所述当前迭代次数确定信息素蒸发因子。3.根据权利要求2所述的方法，其特征在于，所述依据所述信息素蒸发因子更新所述信息素的步骤，包括：依据所述当前迭代次数确定信息素增量；依据所述信息素增量和所述信息素蒸发因子更新所述信息素。4.根据权利要求1所述的方法，其特征在于，所述依据所述环境模型确定每个栅格的节点坐标的步骤，包括：依据所述环境模型确定每个栅格的编号；依据所述编号确定对应的所述节点坐标。5.根据权利要求1所述的方法，其特征在于，所述依据使用者选择的起始节点和目标节点采用A*算法确定节点区域的步骤，包括：依据所述起始节点和当前节点确定实际代价；依据所述当前节点和所述目标节点确定估计代价；依据所述实际代价和所述估计代价确定路径代价；依据所述路径代价确定所述节点区域。6.根据权利要求1所述的方法，其特征在于，所述在所述节点区域内确定下一路径节点的公式如下所示：式中，表示t时刻蚂蚁k从节点i到下一路径节点j的概率；C表示下一步可以访问的节点集合；η
...

【专利技术属性】
技术研发人员：许乐，王京华，徐勇，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：