杜寶江 林來(lái)帥 唐強(qiáng) 杭詩(shī)怡 丁磊

摘 要：為了解決在火災(zāi)逃生路徑優(yōu)化問(wèn)題中一般傳統(tǒng)優(yōu)化算法不考慮優(yōu)化對(duì)象本身特征，不能動(dòng)態(tài)更新算法策略，導(dǎo)致路徑優(yōu)化有效性低的問(wèn)題，通過(guò)Pyrosim軟件動(dòng)態(tài)模擬火災(zāi)情況并輸出環(huán)境參數(shù)，選用智能優(yōu)化算法中的蟻群優(yōu)化算法。通過(guò)改進(jìn)當(dāng)量長(zhǎng)度代替算法中的幾何長(zhǎng)度，改進(jìn)目標(biāo)函數(shù)，對(duì)信息素?fù)]發(fā)系數(shù)R按火場(chǎng)環(huán)境進(jìn)行動(dòng)態(tài)更新。模擬仿真了火災(zāi)發(fā)展3個(gè)時(shí)期的路徑優(yōu)化，驗(yàn)證了該算法程序的有效性和收斂性，提高了路徑優(yōu)化的有效性。

關(guān)鍵詞：火災(zāi)逃生；路徑優(yōu)化；動(dòng)態(tài)模擬；蟻群優(yōu)化算法

DOI：10.11907/rjdk.172255

中圖分類(lèi)號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）004-0071-06

Abstract：In order to solve the fire escape route optimization problem in conventional optimization algorithm does not consider optimization， the characteristics of the object itself can't update algorithm of dynamic strategyThe traditional optimization algorithm for fire escaping route does not involve the subjects′ charcateristics and can not dynamically update new algorithm strategy， lead to the low effectiveness of path optimization.In this paper， the software of the Pyrosim to simulate the fire situation and the output of the environment parameters is adopted， and the optimization algorithm of ant colony in intelligent optimization algorithm is chosen.By improving the equivalent length to replace the geometric length of the algorithm， the objective function is improved， and the volatile factor R is updated dynamically in the fire field environment.The path optimization of three stages of fire development is simulated and simulated.Finally， the effectiveness and convergence of the algorithm are verified， and the effectiveness of the path optimization is improved.

Key Words：the fire escape； path optimization； dynamic simulation； ant colony optimization algorithm

0 引言

在解決火災(zāi)逃生路徑優(yōu)化問(wèn)題過(guò)程中，傳統(tǒng)的智能算法一般只考慮單個(gè)人員在某一時(shí)刻越障的最短路徑尋徑，不能全面描述火場(chǎng)的環(huán)境參數(shù)，不能動(dòng)態(tài)更新火場(chǎng)環(huán)境參數(shù)以更新算法策略，導(dǎo)致算法最優(yōu)路徑有效性低。需要對(duì)現(xiàn)有的智能算法進(jìn)行優(yōu)化，使其滿足火災(zāi)環(huán)境下的路徑優(yōu)化。

1 蟻群優(yōu)化算法

蟻群優(yōu)化算法（Ant Colony Optimization，ACO）起初是為解決旅行商問(wèn)題，ACO采用分布式的搜索計(jì)算機(jī)制及積極有效的反饋機(jī)制。ACO算法在解決諸如路徑優(yōu)化、問(wèn)題指派、車(chē)輛調(diào)度等問(wèn)題中具有優(yōu)勢(shì)。本文將蟻群優(yōu)化算法應(yīng)用于火災(zāi)逃生路徑優(yōu)化。

自然界中的螞蟻在行走路徑上會(huì)留下一種叫作信息素的物質(zhì)，信息素可被其它螞蟻察覺(jué)，并表現(xiàn)出某種情緒或行為。ACO算法中所定義的信息素即是智能算法中螞蟻在其尋徑過(guò)程中所輸入的信息量，這個(gè)信息量記錄了當(dāng)前路徑的狀態(tài)和歷史狀態(tài)，可被后續(xù)的智能螞蟻所讀取。用數(shù)學(xué)模型表示ACO算法[1-4]如下：

2 算法優(yōu)化設(shè)計(jì)

2.1 火災(zāi)環(huán)境參數(shù)動(dòng)態(tài)獲取

本文采用FDS軟件Fire Pyrosim描述火場(chǎng)環(huán)境參數(shù)變化，F(xiàn)DS模擬的基礎(chǔ)已由常見(jiàn)的數(shù)學(xué)模型轉(zhuǎn)化為強(qiáng)調(diào)流動(dòng)和傳熱的火災(zāi)動(dòng)力模型。實(shí)際火災(zāi)動(dòng)態(tài)演化過(guò)程基本要求是一個(gè)精確的湍流模型，設(shè)置柵格地圖和數(shù)據(jù)表時(shí)動(dòng)態(tài)更新逃生人員通道內(nèi)的環(huán)境參數(shù)，刪除冗余的火災(zāi)環(huán)境參數(shù)，加快優(yōu)化求解速度。

2.1 情形描述

火災(zāi)逃生路徑優(yōu)化問(wèn)題相對(duì)于傳統(tǒng)的路徑優(yōu)化問(wèn)題，決策變量增加了很多，同時(shí)它還是一個(gè)動(dòng)態(tài)的路徑優(yōu)化問(wèn)題。隨著火勢(shì)的演變，逃生人員的逃生策略必須隨之變化，這時(shí)問(wèn)題可以描述為在初始節(jié)點(diǎn)（人員位置）到目標(biāo)節(jié)點(diǎn)（安全出口）的最優(yōu)路徑求解問(wèn)題。約束變量為火場(chǎng)環(huán)境參數(shù)（溫度、CO氣體濃度、光線強(qiáng)度），時(shí)間參數(shù)為約束條件，約束變量隨著時(shí)間參數(shù)發(fā)生變化，表現(xiàn)在通道的權(quán)重系數(shù)上。通過(guò)更新通道的權(quán)重系數(shù)來(lái)改變通道的屬性，動(dòng)態(tài)計(jì)算最優(yōu)路徑[5]。

定義模型的變量參數(shù)：S（StartPoint），初始節(jié)點(diǎn)（人員逃生初始位置）；E（EndPoint），目標(biāo)節(jié)點(diǎn)（安全出口位置）；T，初始溫度；V0，逃生人員正常行走速度；ρ，逃生通道內(nèi)人員疏散密度；FpCO，CO氣體濃度參數(shù)；Fkc，光線強(qiáng)度影響參數(shù)（減光系數(shù)）；MaxIt，最大迭代次數(shù)；nAnt，螞蟻數(shù)目；Q，信息素更新參數(shù)；α，信息素啟發(fā)因子，表示信息素的權(quán)重；β，期望啟發(fā)因子，表示啟發(fā)因子的權(quán)重；R，信息素?fù)]發(fā)系數(shù)，表示信息素?fù)]發(fā)難易程度；，逃生通道的當(dāng)量長(zhǎng)度（賦權(quán)圖中的長(zhǎng)度）。

2.3 算法改進(jìn)策略

2.3.1 螞蟻選擇策略改進(jìn)

在ACO算法中，螞蟻的選擇策略是由該路徑上信息素量Q的多少?zèng)Q定的，螞蟻通過(guò)分析信息素量Q的多少?zèng)Q定是否走該路徑。這種選擇策略會(huì)導(dǎo)致螞蟻從一開(kāi)始就一直選擇信息素量最大的路徑，容易陷入局部最優(yōu)解。為避免陷入這種局部最優(yōu)解，采用概率性轉(zhuǎn)移策略與信息素量Q轉(zhuǎn)移策略相結(jié)合的方法。在優(yōu)化計(jì)算過(guò)程中，螞蟻的選擇策略會(huì)隨著火場(chǎng)環(huán)境的變化而不斷更新。

2.3.2 目標(biāo)函數(shù)改進(jìn)

蟻群優(yōu)化算法中路徑段的旅行是起始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的無(wú)障礙碰撞最短路徑。在火災(zāi)逃生過(guò)程中，火場(chǎng)中的CO氣體濃度FpCO、光線強(qiáng)度Fkc、溫度T和人員逃生疏散密度ρ對(duì)人員逃生影響重大。螞蟻?zhàn)哌^(guò)通道的最短距離所需要的時(shí)間參數(shù)并不一定最小，最重要的是螞蟻行走的路徑不一定安全，可對(duì)目標(biāo)函數(shù)fij（∑Dij）進(jìn)行調(diào)整改進(jìn)，Dij表示最優(yōu)路徑上各個(gè)節(jié)點(diǎn)之間的距離。

將火災(zāi)逃生通道內(nèi)的環(huán)境參數(shù)（CO氣體濃度FpCO、光線強(qiáng)度Fkc、溫度T）描述為權(quán)重系數(shù)xi賦值到通道上，形成含有權(quán)重系數(shù)的通道，這個(gè)權(quán)重系數(shù)xi可表達(dá)為通道前行的難易程度。

式（2）中，Ti為溫度影響人員移動(dòng)速度系數(shù)[6]，表示人員行動(dòng)速度受溫度影響大小。

（2）CO氣體濃度。本文考慮通道內(nèi)不超過(guò)1 600ppm（暴露20 分鐘內(nèi)出現(xiàn)頭痛、頭暈現(xiàn)象，1 小時(shí)內(nèi)昏迷并死亡）的區(qū)域，超過(guò)1 600ppm 的通道直接視為障礙物，螞蟻通過(guò)后不會(huì)留下信息素。CO對(duì)人體的影響機(jī)理比較復(fù)雜，本文為了簡(jiǎn)化算法，取通道內(nèi)含有CO時(shí)對(duì)人的行走速度影響因素[7-8]FpCO=0.85。

（3）光線強(qiáng)度。火災(zāi)現(xiàn)場(chǎng)會(huì)產(chǎn)生大量煙霧，對(duì)逃生人員視線產(chǎn)生影響，從而影響人員逃生。同時(shí)火災(zāi)中的SO＼-2也會(huì)腐蝕人的眼睛，導(dǎo)致視力衰減。根據(jù)Lambert-Beer定律[9]，減光系數(shù)τ（λ，x）定義為：

式（3）中，I（λ，x=0）為射入煙霧前的光線強(qiáng)度，I（λ，x）為透射過(guò)煙霧之后的光線強(qiáng)度，x為煙霧厚度。通過(guò) FDS數(shù)據(jù)模擬對(duì)比發(fā)現(xiàn)，減光系數(shù)τ（λ，x）對(duì)人員的行動(dòng)速度影響可簡(jiǎn)單表示為vi=τ（λ，x）×v0，v0是人員正常行走速度，vi是人員受光線影響后的速度。

（4）人員密度。人員逃生疏散中人員密度參數(shù)ρ對(duì)逃生速度的影響研究較多，結(jié)果表明，當(dāng)人員密度小于0.5人/m2時(shí)，疏散時(shí)間對(duì)人員的影響可以不計(jì)；當(dāng)人員密度大于0.5人/m2時(shí)，疏散時(shí)間與人員密度的關(guān)系成線性增長(zhǎng)趨勢(shì)[5]。

2.3.3 信息素?fù)]發(fā)系數(shù)R的改進(jìn)

在蟻群優(yōu)化算法中，信息素隨時(shí)間推移會(huì)慢慢丟失，丟失的程度大小用信息素?fù)]發(fā)系數(shù)R描述。在解決大規(guī)模路徑優(yōu)化問(wèn)題時(shí)，由于逃生通道錯(cuò)綜復(fù)雜，螞蟻在搜索時(shí)有些路徑的信息素?fù)]發(fā)系數(shù)R會(huì)產(chǎn)生偏差，為了精確必然增大計(jì)算量，導(dǎo)致算法冗余。所以，本文通過(guò)FDS 模擬出的火災(zāi)逃生環(huán)境參數(shù)，動(dòng)態(tài)改變信息素?fù)]發(fā)系數(shù)R以增大算法的全局搜索能力，同時(shí)加快算法的收斂速度。

3 數(shù)學(xué)模型建立

對(duì)圖1辦公樓二層大會(huì)議室發(fā)生火災(zāi)建立數(shù)學(xué)模型。根據(jù)以上分析對(duì)算法程序進(jìn)行改進(jìn)優(yōu)化，主要在螞蟻選擇策略、目標(biāo)函數(shù)和信息素?fù)]發(fā)系數(shù)R上進(jìn)行改進(jìn)設(shè)計(jì)，并以此為基礎(chǔ)建立算法程序的數(shù)學(xué)模型。

3.1 地圖模型柵格化

由于實(shí)際的火災(zāi)現(xiàn)場(chǎng)模型含有多種環(huán)境參數(shù)，模型內(nèi)的障礙物形狀復(fù)雜，對(duì)優(yōu)化求解帶來(lái)很大麻煩，因此需要對(duì)地圖模型進(jìn)行柵格化處理。根據(jù)消防安全法規(guī)要求，疏散通道內(nèi)人員疏散密度不得超過(guò)0.5人/m2，一般柵格地圖的基本數(shù)量要保證一個(gè)方格內(nèi)的人員密度小于0.5人/m2，柵格地圖模型步驟如圖2所示。

柵格地圖中的每個(gè)點(diǎn)可用（X，Y）表示，在柵格中可行區(qū)域用0標(biāo)識(shí)，不可行區(qū)域用1標(biāo)識(shí)。將不可行區(qū)域標(biāo)識(shí)后如圖3所示，按照標(biāo)識(shí)區(qū)域從下到上開(kāi)始對(duì)圖形進(jìn)行分割，每一個(gè)分割區(qū)域內(nèi)不包含其它分割區(qū)域，直到分割完所有區(qū)域?yàn)橹?，?jiàn)圖3。

逃生人員在節(jié)點(diǎn)中的行走方向有8個(gè)，如圖5所示，相鄰柵格人員可通這8個(gè)方向進(jìn)行移動(dòng)選擇，使得算法程序在選擇中具有多項(xiàng)性。有障礙物的節(jié)點(diǎn)通道相應(yīng)關(guān)閉對(duì)應(yīng)節(jié)點(diǎn)，螞蟻無(wú)法在該方向上作出選擇，則可選擇的方向相應(yīng)減少。

3.2 賦權(quán)圖建立

在一個(gè)圖中，節(jié)點(diǎn)到節(jié)點(diǎn)之間的線段稱為邊，邊上包含了各種與圖有關(guān)的信息量，把這些信息量按照不同的權(quán)重值賦給邊，使得圖中不同的邊包含不同的信息量，稱這種含有權(quán)重邊的圖叫作賦權(quán)圖。

地圖柵格完成之后需要將問(wèn)題里的邏輯關(guān)系以及環(huán)境參數(shù)繪制到圖中，形成含有權(quán)重系數(shù)的有向圖[10]。以4*4的柵格圖為例，柵格之后形成的地圖邏輯如圖6所示，對(duì)應(yīng)的有向圖如圖7所示。

對(duì)于節(jié)點(diǎn)集合Eij有3種基本情況：安全節(jié)點(diǎn)、障礙物節(jié)點(diǎn)、著火點(diǎn)，賦權(quán)圖中分別用 0，1，2 表示，即

節(jié)點(diǎn)屬性隨著時(shí)間的推移會(huì)產(chǎn)生變化，會(huì)導(dǎo)致通道的屬性也隨之發(fā)生變化。

3.3 目標(biāo)函數(shù)更新

目標(biāo)函數(shù)fij（∑Dij）表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的所有路徑當(dāng)量長(zhǎng)度相加，目標(biāo)函數(shù)的優(yōu)劣直接決定了算法能否在盡量少的時(shí)間內(nèi)收索到全局最優(yōu)解。根據(jù)火災(zāi)現(xiàn)場(chǎng)實(shí)際情況，通過(guò)加入人員行動(dòng)速度指數(shù) f（）、人員疏散密度指數(shù) f（） 表達(dá)節(jié)點(diǎn)之間路徑的當(dāng)量長(zhǎng)度 ，從而改進(jìn)目標(biāo)函數(shù)，縮短優(yōu)化時(shí)間，增加優(yōu)化路徑的可行性。

（1）人員行動(dòng)速度指數(shù)f（）?；馂?zāi)中人員個(gè)體的行動(dòng)速度主要受基本移動(dòng)速度v0、道路情況、溫度、CO氣體濃度、光線強(qiáng)度的影響。

表1[6]列舉了人員在不同道路情況下的基本移動(dòng)速度。設(shè)不同人員在不同道路上移動(dòng)速度為vi，人員在通道內(nèi)的通行難度系數(shù)為λi，則有

設(shè)溫度對(duì)人員移動(dòng)速度影響系數(shù)為T(mén)i，CO氣體濃度對(duì)人員移動(dòng)速度影響系數(shù)為FpCOi ，光線強(qiáng)度對(duì)人員移動(dòng)速度影響因素為Fkci，則有

（2）人員疏散密度影響指數(shù)f（）。 在人員密集性區(qū)域內(nèi)，人員通行的速度與人員密度密切相關(guān)。假設(shè)在人員逃生通道節(jié)點(diǎn)內(nèi)取某一個(gè)點(diǎn)，從t=T0時(shí)刻開(kāi)始到t=T時(shí)刻，該節(jié)點(diǎn)的人員滯留數(shù)Y可表達(dá)為：

式（9）中，n為節(jié)點(diǎn)數(shù)，Ai（t）為第i個(gè)節(jié)點(diǎn)t時(shí)刻通過(guò)的人數(shù)，A為單位時(shí)間內(nèi)節(jié)點(diǎn)流出的人數(shù)。那么t時(shí)刻該節(jié)點(diǎn)的人員疏散密度影響指數(shù)可表示為：

式（10）中，Yt為該節(jié)點(diǎn)滯留人數(shù)；Si為該節(jié)點(diǎn)可疏散面積。

（3）逃生通道當(dāng)量長(zhǎng)度。根據(jù)上述分析，可以將火災(zāi)逃生通道內(nèi)的環(huán)境參數(shù)表達(dá)為人員行動(dòng)速度指數(shù)。

將f（）和人員疏散密度影響指數(shù)f（）兩個(gè)參數(shù)，量化體現(xiàn)在逃生通道的幾何長(zhǎng)度上，可表達(dá)為：

L為逃生路徑的幾何距離。逃生通道的當(dāng)量長(zhǎng)度與人員行動(dòng)速度指數(shù)f（）成反比，與人員疏散密度影響指數(shù)f（）成正比。即逃生速度越快，相當(dāng)于逃生通道變短；逃生通道內(nèi)人員密度越大，相當(dāng)于逃生通道變長(zhǎng)。通過(guò)當(dāng)量長(zhǎng)度的改變選擇適當(dāng)?shù)穆窂?，能?zhǔn)確體現(xiàn)路徑所包含的火災(zāi)環(huán)境信息量。

3.4 信息素?fù)]發(fā)系數(shù)改進(jìn)

蟻群優(yōu)化計(jì)算中的信息素?fù)]發(fā)系數(shù)，表示螞蟻在選擇路徑時(shí)留下的信息素量隨時(shí)間的推移會(huì)逐漸丟失。通過(guò)信息素?fù)]發(fā)系數(shù)的設(shè)置，能避免信息素?cái)?shù)據(jù)冗余，通過(guò)信息素?fù)]發(fā)機(jī)制刪除。在蟻群優(yōu)化算法中，通過(guò)每次更新信息素濃度反應(yīng)信息素?fù)]發(fā)系數(shù)的大小[11-13]。每次計(jì)算后的信息素濃度可表示為 ：

R為信息素?fù)]發(fā)系數(shù)；Φij（t）為t時(shí)刻路徑（i，j）上的信息素量；Φij（t+1）為t+1時(shí)刻路徑（i，j）上的信息素量；（m，n）為t時(shí)刻螞蟻所到達(dá)的路徑；k為到達(dá)路徑（i，j）上螞蟻的數(shù)目。

通過(guò)公式可以看出，如何改進(jìn)R值是算法程序的關(guān)鍵。本文通過(guò)對(duì)通道內(nèi)FDS 數(shù)據(jù)的仿真模擬分析，通過(guò)自適應(yīng)方法改進(jìn)算法中R的值，既保證算法的全局搜索性，又能加快收斂速度?？蓪表示為：

式（14）中，Rho_min為信息素?fù)]發(fā)系數(shù)最小值；t為某一特定時(shí)刻；Tt為該時(shí)刻通道內(nèi)的實(shí)時(shí)溫度；Fpcot為t時(shí)刻通道內(nèi)實(shí)時(shí)CO氣體濃度；Fkct為t時(shí)刻通道內(nèi)減光系數(shù)；t總為火災(zāi)模擬需要的總時(shí)間。

3.5 實(shí)驗(yàn)操作

（1）柵格地圖模型，將可通行區(qū)域和不可通行區(qū)域標(biāo)記，建立對(duì)應(yīng)的邏輯關(guān)系圖，構(gòu)建算法運(yùn)行的初始環(huán)境。

（2）初始化環(huán)境參數(shù)，包括火災(zāi)環(huán)境參數(shù)和算法程序參數(shù)?；馂?zāi)環(huán)境參數(shù)主要有（FCO、CO氣體濃度、FKc：減光系數(shù)、T：溫度）以及人員疏散密度參數(shù)ρ，算法程序初始參數(shù)，包括最大迭代次數(shù)MaxIt、螞蟻數(shù)目nAnt、信息素更新參數(shù)Q、信息素啟因子α、期望啟發(fā)因子β、信息素?fù)]發(fā)系數(shù)R等。定義人員基本行走速度、信息素?fù)]發(fā)系數(shù)最小值。

（3）計(jì)算路徑通道內(nèi)的當(dāng)量長(zhǎng)度，通過(guò)計(jì)算人員行動(dòng)速度指數(shù)f（）和人員疏散密度影響指數(shù)f（），改變通道的集合長(zhǎng)度L。根據(jù)當(dāng)量長(zhǎng)度計(jì)算人員逃生所需要的時(shí)間，根據(jù)當(dāng)量長(zhǎng)度判斷是否選擇該路徑。

（4）開(kāi)始進(jìn)行算法程序計(jì)算，設(shè)置逃生人員的初始位置節(jié)點(diǎn)和安全出口節(jié)點(diǎn)，同時(shí)FDS火災(zāi)模擬軟件啟動(dòng)運(yùn)行，同步模擬火災(zāi)發(fā)展情況。

（5）判斷是否到達(dá)安全出口節(jié)點(diǎn)位置，若到達(dá)安全出口則記錄該路徑長(zhǎng)度，通過(guò)FDS輸入數(shù)據(jù)更新該路徑信息素濃度。然后清空數(shù)據(jù)表，判斷是否達(dá)到最大迭代次數(shù)。若沒(méi)有達(dá)到最大迭代次數(shù)返回第（3）步繼續(xù)尋徑；若達(dá)到最大迭代次數(shù)，則記錄各個(gè)節(jié)點(diǎn)數(shù)據(jù)逆序輸出路徑節(jié)點(diǎn)并繪制路徑圖；若沒(méi)有到達(dá)安全出口，則繼續(xù)尋找下一個(gè)節(jié)點(diǎn)位置，并更新數(shù)據(jù)表直到到達(dá)安全出口節(jié)點(diǎn)位置為止。

4 算法仿真

本文仿真模擬程序基于 Matlab8.0，地圖模型采用圖1的模型，地圖柵格數(shù)目采用30*30。首先對(duì)參數(shù)組合Δ=（α，β，R，Q，ρ）設(shè)置一個(gè)初始值，取Δ0=（1，2，0.5，20，0）。改變一個(gè)參數(shù)或一組參數(shù)，其它參數(shù)值保持不變，每組參數(shù)仿真模擬20次，對(duì)結(jié)果取平均值。通過(guò)不同參數(shù)組合的結(jié)果研究參數(shù)對(duì)算法程序的影響，確定最優(yōu)組合參數(shù)[14-15]。

4.1 靜態(tài)環(huán)境模擬

將地圖的環(huán)境參數(shù)設(shè)為初始環(huán)境參數(shù)（溫度20℃，環(huán)境溫度為20℃，環(huán)境壓力為標(biāo)準(zhǔn)大氣壓，相對(duì)濕度40%，通風(fēng)風(fēng)速為2m/s）），設(shè)置初始節(jié)點(diǎn)位置為大會(huì)議室出口位置，目標(biāo)節(jié)點(diǎn)位置為3個(gè)樓梯口位置。不讀取FDS火災(zāi)模擬數(shù)據(jù)，即FpCO、Fkc、T為0，靜態(tài)模擬人員尋徑過(guò)程，分別模擬1個(gè)出口至3個(gè)出口的尋路情況，尋找初始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)最短的幾何路徑，搜索路徑如圖8，收斂曲線見(jiàn)圖9。

4.2 動(dòng)態(tài)環(huán)境模擬

本文通過(guò) FDS軟件動(dòng)態(tài)模擬火災(zāi)初期、中期和后期3個(gè)階段，對(duì)算法程序進(jìn)行仿真計(jì)算，通過(guò)仿真模擬實(shí)驗(yàn)驗(yàn)證算法程序的有效性。

4.2.1 火災(zāi)增長(zhǎng)初期

在火災(zāi)增長(zhǎng)初期，由于煙氣速度擴(kuò)散不快，沒(méi)有發(fā)生大規(guī)模燃燒，發(fā)現(xiàn)爆炸區(qū)域到逃生區(qū)域節(jié)點(diǎn)位置與靜態(tài)逃生路線的幾何長(zhǎng)度相差不大。此時(shí)人員開(kāi)始撤離火災(zāi)事故現(xiàn)場(chǎng)，火災(zāi)繼續(xù)發(fā)展。仿真結(jié)果如圖10所示，最短路徑收斂曲線如圖11所示。

通過(guò)收斂曲線可以發(fā)現(xiàn)，當(dāng)火災(zāi)發(fā)生時(shí)，由于環(huán)境初始化的數(shù)據(jù)量較大，信息素需要進(jìn)行大量更新，相對(duì)于靜態(tài)環(huán)境下逃生路徑的收斂速度要慢一些，但最終能有效收斂于最優(yōu)解。

4.2.2 火災(zāi)增長(zhǎng)中期

在火災(zāi)增長(zhǎng)中期，更新通道內(nèi)FpCO、Fkc、T環(huán)境參數(shù)，更新信息素?fù)]發(fā)系數(shù)R，重新進(jìn)行路徑優(yōu)化計(jì)算，逃生人員的初始節(jié)點(diǎn)位置和目標(biāo)節(jié)點(diǎn)位置依然不變。通過(guò)模擬計(jì)算發(fā)現(xiàn)，在火災(zāi)增長(zhǎng)中期逃生路徑的選擇策略中，考慮到火災(zāi)環(huán)境參數(shù)的變化，應(yīng)盡量避開(kāi)煙霧濃度較大的區(qū)域，如圖12中的放大區(qū)域。最終計(jì)算出逃生路徑的當(dāng)量長(zhǎng)度與靜態(tài)火災(zāi)逃生最短路徑相差不大，能夠滿足火災(zāi)安全疏散標(biāo)準(zhǔn)。

火災(zāi)增長(zhǎng)中期逃生路徑優(yōu)化收斂圖如圖13所示，從圖中可以看出，經(jīng)過(guò)約800次的迭代后結(jié)果收斂于最優(yōu)解，比火災(zāi)增長(zhǎng)初期的迭代次數(shù)明顯減少，這是由于算法采用了信息素?fù)]發(fā)系數(shù)R的自適應(yīng)更新策略。

4.2.3 火災(zāi)增長(zhǎng)后期

隨著火災(zāi)的進(jìn)一步發(fā)展，火勢(shì)蔓延到室外區(qū)域，濃烈的煙霧和溫度產(chǎn)生強(qiáng)烈的對(duì)流。對(duì)逃生路徑進(jìn)行優(yōu)化計(jì)算，通過(guò)路徑優(yōu)化程序算法可以發(fā)現(xiàn)，當(dāng)煙霧濃度超過(guò)人體承受時(shí)間時(shí)，會(huì)直接避開(kāi)可選擇路徑，不可通行路徑的后續(xù)路徑直接視為障礙物不可通行。仿真模擬結(jié)果如圖14所示。

由于在火災(zāi)增長(zhǎng)中期大量的信息素參數(shù)已經(jīng)被記錄，隨著信息素?fù)]發(fā)系數(shù)R的更新，刪除了大量的冗余數(shù)據(jù)，加快了算法程序的運(yùn)行效率，因而火災(zāi)增長(zhǎng)后期的收斂速度比火災(zāi)增長(zhǎng)中期的運(yùn)行速度要快，如圖15所示。

5 結(jié)語(yǔ)

本文通過(guò)對(duì)火場(chǎng)環(huán)境進(jìn)行分析，結(jié)合FDS火災(zāi)模擬軟件改進(jìn)蟻群優(yōu)化算法的目標(biāo)函數(shù)和信息素更新策略，對(duì)虛擬火場(chǎng)環(huán)境下的逃生路徑進(jìn)行了優(yōu)化計(jì)算。對(duì)算法程序進(jìn)行了實(shí)驗(yàn)仿真，驗(yàn)證了算法程序的有效性，并進(jìn)行了系統(tǒng)應(yīng)用。本系統(tǒng)為消防訓(xùn)練提供了一種新思路，能夠提高人們?cè)谟龅交馂?zāi)時(shí)的逃生成功率。

參考文獻(xiàn)：

[1] MATTEUCCI M， MUSSONE L. An ant colony system for transportation user equilibrium analysis in congested networks[J]. Swarm Intelligence，2013，7（4）：255-277.

[2] 謝芳.基于蟻群尋優(yōu)策略的微粒群算法的研究及應(yīng)用[D].長(zhǎng)沙：湖南大學(xué)，2014.

[3] MAVROVOUNIOTIS M， YANG S. Training neural networks with ant colony optimization algorithms for pattern classification[J]. Soft Computing，2015，19（6）：1511-1522.

[4] 樂(lè)群星，魏法杰.螞蟻算法的基本原理及其研究發(fā)展現(xiàn)狀[J].北京航空航天大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2005，18（4）：5-8.

[5] 田鵬飛，王劍英.動(dòng)態(tài)最短路徑算法及其仿真[J].計(jì)算機(jī)仿真，2007，24（6）：153-155.

[6] 易亮，朱書(shū)敏，徐志勝，等.火災(zāi)影響下人員行為量化分析研究[J].中國(guó)西部科技，2010，9（8）：4-6.

[7] 何勇.CO中毒遲發(fā)性腦病的臨床分析[D].衡陽(yáng)：南華大學(xué)，2011.

[8] 高磊.檢修現(xiàn)場(chǎng)有毒有害氣體小知識(shí)[J].科學(xué)時(shí)代月刊，2011（6）：116-117.

[9] 陳陟崗.探討Lambert-Beer 定律在實(shí)驗(yàn)中的應(yīng)用形式[J].計(jì)量學(xué)報(bào)，1985（1）：57-60.

[10] 林森，吳冰，朱斌，等.改進(jìn)蟻群算法的智能逃生路徑規(guī)劃研究[J].住宅與房地產(chǎn)，2016（24）：245-246.

[11] WEN J X， KANG K， DONCHEV T， et al. Validation of FDS for the prediction of medium-scale pool fires[J]. Fire Safety Journal，2007，42（2）：127-138.

[12] SHEN T S， HUANG Y H， CHIEN S W. Using fire dynamic simulation （FDS） to reconstruct an arson fire scene[J].Building & Environment，2008，43（6）：1036-1045.

[13] 段鵬飛，熊盛武，李輝.面向大型場(chǎng)館疏散的改進(jìn)多蟻群算法[J].計(jì)算機(jī)應(yīng)用研究，2013，30（2）：357-359.

[14] 陸君安，方正.建筑物人員疏散逃生速度的數(shù)學(xué)模型[J].武漢大學(xué)學(xué)報(bào)：工學(xué)版，2002，35（2）：66-70.

[15] YANG P， TAN X， XIN W. Experimental study and numerical simulation for a storehouse fire accident[J]. Building & Environment，2011，46（7）：1445-1459.

（責(zé)任編輯：杜能鋼）