改进布谷鸟算法在人群疏散多目标优化中的应用

系统仿真学报 ›› 2016, Vol. 28 ›› Issue (5): 1063-1069.

改进布谷鸟算法在人群疏散多目标优化中的应用

董崇杰¹, 刘毅², 彭勇¹

1.东莞职业技术学院,东莞 523808;
2.湖南省农机管理局,长沙 410011

收稿日期:2015-04-30 修回日期:2015-07-03 发布日期:2020-07-03
作者简介:董崇杰(1982-),男,山东菏泽,硕士,讲师,研究方向为数据库技术;刘毅(1984-), 男, 湖南长沙, 博士, 副研究员, 研究方向为智能计算。
基金资助:
广东省高等学校优秀青年教师培养计划项目(YQ2015232)

Improved Cuckoo Search Algorithm Applied to Multi-objective Optimization of Crowd Evacuation

Dong Chongjie¹, Liu Yi², Peng Yong¹

1.Dongguan Polytechnic, DongGuan 523808, China;
2.Hunan Agricultural Machinery Management Bureau, Changsha 410011, China

Received:2015-04-30 Revised:2015-07-03 Published:2020-07-03

摘要/Abstract

摘要： 大型场馆的人员疏散问题实际上是一个多目标的优化问题,要求达到疏散时间短、疏散路径长度小、拥挤度低等目标,而由于约束条件之间的冲突性,使多个目标同时达到最优是困难的。目前主要的求解方法是利用智能进化算法进行启发式搜索和解的偏序关系为特征的演化多目标优化算法求解。布谷鸟算法是在布谷鸟寻窝产卵的行为中发现了一种新的搜索算法,基本的布谷鸟算法的搜索活力不足、搜索偏慢。从改变布谷鸟算法的搜索多样性等方面着手提高布谷鸟算法在优化问题上的求解能力,将新算法用于人群疏散的多目标优化,取得了较好的效果。

关键词: 疏散模型, 布谷鸟算法, 人群疏散, 多目标优化

Abstract: The crowd evacuation problem is a multi-objective optimization problem in large public places under the emergency, but because of the conflict between multiple objectives in multi-objective optimization problem, it is difficult to make the multiple targets achieve the optimal at the same time. The most popular solution is an evolution multi objective optimization algorithm for the characteristics of heuristic search of population and the partial order relation. Cuckoo search algorithm is a new search algorithm which was found in the behavior of cuckoo nest spawning lies, the basic cuckoo search algorithm is lack of vitality, and search is slow. From the change of cuckoo search algorithm search diversity to improve the ability to solve the cuckoo algorithm in optimization problems, a new algorithm was applied to multi-objective optimization of crowd evacuation, which has achieved good results.

Key words: evacuation model, cuckoo search algorithm, crowd evacuation, multi-objective optimization

中图分类号:

TP391.9

董崇杰, 刘毅, 彭勇. 改进布谷鸟算法在人群疏散多目标优化中的应用[J]. 系统仿真学报, 2016, 28(5): 1063-1069.

Dong Chongjie, Liu Yi, Peng Yong. Improved Cuckoo Search Algorithm Applied to Multi-objective Optimization of Crowd Evacuation[J]. Journal of System Simulation, 2016, 28(5): 1063-1069.

参考文献

[1] 徐方, 魏东, 魏星. 公众聚集场所人群疏散基础数据的分析[J]. 中国安全科学学报, 2008, 18(4): 137-145.
[2] Yang X S, Deb S.Cuckoo search via Levy flights[C]// proceedings of World Congress on nature & Biologically Inspired Computing, India. USA: IEEE Publications, 2009: 210-214.
[3] Yang X S, Deb S.Engineering optimization by cuckoo search[J]. Int J Math Modeling & Num Optimization (S2040-3615), 2010, 1(4): 330-343.
[4] S Walton, O Hassan, K Morgan, et al.Modified cuckoo search: A new gradient free optimization algorithm[J]. Chaos Solitions & Fractals (S0960-0779), 2011, 44(44):710-718.
[5] M Tuba, M Subotic, N Stanarevic.Modified cuckoo search algorithm for unconstrained optimization problems[C]// Proc. of the 5th European Conference on European Computing Conference (ECC'11). USA: World Scientific and Engineering Academy and Society, 2011: 263-268.
[6] F Wang, L Lou, X He, et al.Hybrid optimization algorithm of PSO and Cuckoo Search[C]// Proc. of 2nd Int. Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC'11). Piscataway: IEEE Inc., 2011: 1172-1175.
[7] Xin-She Yang, Suash Deb.Multiobjective cuckoo search for design optimization[J]. Computer & Operations and Research(S0305-0548), 2013, 40(6): 1616-1624.
[8] 刘长平, 叶春明. 求解置换流水车间调度问题的布谷鸟算法[J]. 上海理工大学学报, 2013, 35(1): 17-20.
[9] 崔喜红, 李强, 陈晋, 等. 基于多智能体技术的公共场所人员疏散模型研究[J]. 系统仿真学报, 2008, 20(4): 1006-1010.
[10] 王凡, 贺兴时, 王燕. 基于高斯扰动的布谷鸟搜索算法[J]. 西安工程大学学报, 2011, 25(4): 566-569.
[11] 刘凤龙, 陈曦, 曹敦. 基于差分演化的K-均值聚类算法[J]. 计算技术与自动化, 2010, 29(1): 48-49.
[12] SU GAN THAN.Multi-objective differential evolution with diversity enhancement[J]. Journal of Zhejiang University-Science C(Computer & Electronics)(S2095-9184), 2010, 11(7): 538-543.

[1]	魏娟, 游磊, 郭阳勇, 唐志海. 基于小波神经网络的多楼层疏散模型[J]. 系统仿真学报, 2022, 34(2): 269-277.
[2]	闫秀英, 党苗苗. 基于改进多目标粒子群算法的家庭用电时段优化[J]. 系统仿真学报, 2022, 34(1): 70-78.
[3]	冉险生, 杨静, 罗领, 陈凯. 多任务并行的摩托车悬架系统参数多目标优化[J]. 系统仿真学报, 2021, 33(5): 1216-1223.
[4]	汪润鸿, 王红军, 邹湘军, 曾泽钦, 李慧, 黄钊丰, 刘伟良. 基于混合粒子群算法的组合式变速箱传动比优化研究[J]. 系统仿真学报, 2021, 33(4): 825-836.
[5]	王洪峰, 张翼天, 陈景泽. 一种面向需求不确定性供应链的进化多目标仿真优化方法[J]. 系统仿真学报, 2021, 33(12): 2761-2770.
[6]	李霏, 苏中. 基于自适应免疫优化的污水处理过程控制[J]. 系统仿真学报, 2021, 33(12): 3012-3020.
[7]	魏乐, 李希金. 基于多目标的含风电场动态环境经济调度[J]. 系统仿真学报, 2020, 32(9): 1825-1830.
[8]	王晓锋, 陈阳, 张光杰, 陈建宇. 面向网络仿真拓扑的多目标优化映射方法[J]. 系统仿真学报, 2020, 32(8): 1436-1445.
[9]	林海波, 郑利平, 王建伟, 张姝洁. 一种通用的层次化人群疏散仿真框架[J]. 系统仿真学报, 2020, 32(8): 1524-1530.
[10]	张小雨, 邵春福. 城乡结合部道路交叉口多目标信号配时优化模型[J]. 系统仿真学报, 2020, 32(4): 709-717.
[11]	卿东升, 张晓芳, 李建军, 郭瑞, 邓巧玲. 基于蜂群-粒子群算法的天然林空间结构优化[J]. 系统仿真学报, 2020, 32(3): 371-381.
[12]	田红军, 汪镭, 吴启迪. 基于多目标进化算法混合框架的MOEA/D算法[J]. 系统仿真学报, 2020, 32(2): 201-216.
[13]	丁宇, 王艳, 纪志成. 柔性作业车间生产与能耗协同优化决策方法[J]. 系统仿真学报, 2020, 32(12): 2426-2437.
[14]	刘建军, 司光亚, 王艳正, 何大川. 基于模型的多目标优化问题方法研究[J]. 系统仿真学报, 2020, 32(11): 2138-2145.
[15]	鲍劲松, 李志强, 周亚勤. 基于遗传算法的舰载装备多目标作业调度优化研究[J]. 系统仿真学报, 2019, 31(5): 901-908.