通用航空山区救援安全航迹规划模型

针对通用航空山区救援飞行环境的高复杂度地形问题，提出了一种基于改进型蚁群算法的三维救援航迹规划模型。首先，获取真实的山区地形环境数据，根据安全飞行规则，利用格栅法建立三维飞行环境模型。然后，以路径最短为目标函数、以航空性能为约束条件建立航迹规划模型。最后，利用改进型蚁群算法对模型求解，通过合理设置初始信息素分布和信息素更新规则，改进型蚁群算法，并对西南山区某次通航救援进行了救援航迹规划仿真。改进算法得到的飞行路径与球面直线的距离误差控制在15%以内，且飞行航路的俯仰角和偏转角均满足安全飞行规则，偏航次数较少。研究表明，对于山区环境下的通航应急救援航迹规划问题，提出的改进蚁群算法能够实现对障碍物的规避和对最优航迹的快速搜寻，保证了救援任务的安全性、高效性和可靠性。     

核事故场区应急撤离与救援路径优化

核事故场区应急包括场内人员的撤离以及事故救援物资的配送。本文探讨了同时考虑救援与撤离双向车辆的路径优化。以改进后的分时段BPR路阻函数为权重,运用A*算法求解最短路径集。建立以时间最短为目标、路段车辆容量为约束的线性优化模型,求得3条路线的最优路径。分析发现3条路线的最优路径并不全是其单独考虑时的最短路径。因此,考虑车辆之间影响的情况下求解最优路径更符合实际。     

危险品配送选址-多式联运路径优化

为兼顾安全与经济效益,有效优化运输网络,研究危险品配送中心选址和多式联运路径优化问题。基于运输方式的多样性,建立既考虑各配送中心到各需求点的多式联运最优路径,又考虑选址配给问题的选址—多式联运路径模型。将运输网络进行变形,引入目标权重和经济转化因子,将多目标规划问题转化为单目标决策问题;用Dijkstra改进算法和O-D矩阵搜索算法求解所建模型。最后,通过实例分析,验证模型和算法的有效性。结果表明,单目标优化并不能满足具有不同偏好的决策者,需要综合考虑成本和风险的目标值;不同运输方式组合运输,会影响最优路径的目标值,进而影响配送组合的目标值选择。     

重大生产安全事故应急救援非冲突性联动最优路径的研究

本文基于最短路径理论和LINGO程序的强大函数编程功能,考虑到交通流量对路径选择的影响,建立生产安全事故中应急救援物资运送路径选择最优模型,并利用LINGO编程对没有考虑到影响权重值对最优路径的选择影响以及考虑到影响权重值对最优路径的选择影响的计算结果进行了分析,从而能够在重大生产安全事故应急中快速有效地将各种应急救援物资运送到事故地点,降低事故的严重性,保障生产安全。     

基于MATLAB的应急救援最优路径选择

利用图论中的最短路径技术,结合层次分析法计算得出了影响应急救援资源运输系统的时效性、安全性、经济性等因素的权重值.应用Dijkstra算法探索了应急救援新的路径权重计算方法,提出了一套最优路径的决策方法,最后运用MATLAB仿真软件验证了该方法的可行性.     

矿井火灾避灾与救灾最优路径研究

首先对有烟巷道和安全地点的判定方法进行了描述,然后对最佳避灾与救灾路线的定义进行了说明;综合考虑火灾救援各影响因素,提出了当量长度的概念及其求解方法,并引入到避灾与救灾路径优化模型中,建立了矿井火灾救援辅助决策支持系统。最后以河南新峰煤矿为例,基于Matlab仿真软件求解最优路径,运行结果可以为矿井火灾救援提供决策支持。     

基于改进蚁群算法的应急监测移动机器人全局路径规划

提出了基于改进蚁群算法的应急监测移动机器人全局路径规划方法。首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,利用环境的全局信息建立目标吸引函数,对蚂蚁在野外环境下的路径搜索进行引导,提高其选择离目标点更邻近节点的概率,减小蚂蚁对非最短路径的选择概率。其次,借鉴狼群分配原则对信息素进行更新,避免算法陷入局部最优。最后实现了基于改进蚁群算法的应急监测移动机器人全局路径规划并完成了仿真实验,实验结果表明该方法可以更快地收敛到最短路径并具有较好的全局性能。     

基于蚁群算法的石化项目应急路径规划研究

蚁群算法是一种智能仿生优化算法,实际运用仿真模拟时具有良好的寻优性和高效性。将蚁群算法与石化项目的路径规划结合,借鉴蚁群算法解决旅行商问题TSP的思路并将之运用于应急路径规划,利用MATLAB仿真软件,以某石化项目的应急路径规划为实例,较好地实现了有关应急路径模拟图,可为有关石化项目的安全规划提供借鉴和参考。     

基于自适应蚁群算法的化工园区毒气泄漏事故疏散路径规划*

为了降低人员在化工园区毒气泄漏事故中的伤亡风险,提出1种综合考虑疏散路径距离和毒性负荷值的自适应蚁群算法。通过建立路径评价函数,将疏散路径的毒性负荷值引入蚁群算法中,改进算法的信息素更新策略,采用启发式因子自适应调整策略并改进算法的启发式函数。运用Matlab软件进行仿真,将算法应用到某化工园区毒气泄漏事故中。研究结果表明:该自适应蚁群算法可以保持较高的搜索速度,在寻找距离最短道路的同时避开毒性负荷较高的疏散路径,可为化工园区毒气泄漏事故的应急疏散路径规划提供参考。     

基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明：优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。