m基于鱼群优化算法的的三维场景下人员疏散系统matlab仿真

简介: m基于鱼群优化算法的的三维场景下人员疏散系统matlab仿真

1.算法描述

    人工鱼群优化算法,模仿鱼群的行为特点而设计的一种寻优策略。人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)是Li Xiao-lei在2002年提出的(Yazdani, Toosi, & Meybodi, 2010),目的是模仿鱼类捕食、群集、跟随、移动等行为。AFSA是基于鱼类集体向某个目标运动,并受到自然的启发,是一种并行和随机搜索算法。与狮子和猴子不同,在像鱼类这种动物物种中没有领导者,每个成员都有自我组织的行为。鱼对它们的群体和环境一无所知,通过相邻成员之间的数据交换在环境中随意移动,这种交互作用为鱼群优化带来了更多的复杂性。

    在一片水域中,鱼往往能自行或尾随其他鱼找到营养物质多的地方,因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方,人工鱼群算法就是根据这一特点,通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为,从而实现寻优。

人工鱼拥有以下几种典型行为:

(1)觅食行为:一般情况下鱼在水中随机地自由游动,当发现食物时,则会向食物逐渐增多的方向快速游去。

(2)聚群行为: 鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群,鱼聚群时所遵守的规则有三条:

分隔规则:尽量避免与临近伙伴过于拥挤;

对准规则:尽量与临近伙伴的平均方向一致;

内聚规则:尽量朝临近伙伴的中心移动。

(3)追尾行为:当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。

(4)随机行为:单独的鱼在水中通常都是随机游动的,这是为了更大范围地寻找食物点或身边的伙伴。

人工鱼有四种基本行为,包括觅食Pray、聚群Swarm、追尾Follow和评价行为bulletin。

3.1 觅食行为

   这是鱼趋向食物的一种活动,一般认为它是通过视觉或味觉来感知水中的食物量或食物浓度来选择行动的方向。

   设置人工鱼当前状态,并在其感知范围内随机选择另一个状态,如果得到的状态的目标函数大于当前的状态,则向新选择得到的状态靠近一步,反之,重新选取新状态,判断是否满足条件。

   选择次数达到一定数量后,如果仍然不满足条件,则随机移动一步。

3.2 聚群行为

   大量或少量的鱼聚集成群,进行集体觅食和躲避敌害,这是它们在进化过程中形成的一种生存方式。

   人工鱼探索当前邻居内的伙伴数量,并计算伙伴的中心位置,然后把新得到的中心位置的目标函数与当前位置的目标函数相比较,如果中心位置的目标函数优于当前位置的目标函数并且不是很拥挤,则当前位置向中心位置移动一步,否则执行觅食行为。

  鱼聚群时会遵守两条规则:一是尽量向邻近伙伴的中心移动,二是避免过分拥挤。

3.3 追尾行为

   当某一条鱼或几条鱼发现食物时,它们附近的鱼会尾随而来,导致更远处的鱼也会尾随过来。

    人工鱼探索周围邻居鱼的最优位置,当最优位置的目标函数值大于当前位置的目标函数值并且不是 很拥挤,则当前位置向最优邻居鱼移动一步,否则执行觅食行为。

3.4 随机行为

   它是觅食行为的一个缺省行为,指人工鱼在视野内随机移动。当发现食物时,会向食物逐渐增多的方向快速的移动。

2.仿真效果预览
matlab2022a仿真结果如下:

1.png
2.png
3.png

3.MATLAB核心程序

    for i = 1:length(nodes_id)
        node = nodes_id(i);
        people_waitting_in_current_node = cell2mat(p_in_node(node));
        people_node_waitting = [people_node_waitting,people_waitting_in_current_node];
    end
    people_node_waitting = setdiff(people_node_waitting,people_prepare_moving);
    %% 更新正在移动的队列
    people_moving = [people_moving,people_prepare_moving];
    
    %% 判断当前是否有边内等待的人,如果有,先遍历他们,让他们进入目标节点
    people_side_index = [];   %记录从边内等待状态转变为进入节点内的那些人在people_side_waitting中的索引
    people_node_index = [];   %记录进入某个节点的人在people_side_waitting中的索引
    for i = 1:length(people_side_waitting)
        p = people_side_waitting(i);
        path = cell2mat(path_all(p));
        
%         from_node = path(end-1);
%         to_node = path(end);
        if length(path)>1
           from_node = path(end-1);
           to_node   = path(end);
        else
           from_node = path(end);
           to_node   = path(end);
        end
        
        %如果到达的是终点,则记录
        if ismember(to_node,destination_nodes)
            people_side_index = [people_side_index,i];
            people_node_index = [people_node_index,i];
            arrival_exit_people = [arrival_exit_people,p];
            
            Sum_node(to_node) = Sum_node(to_node)+1;
            diff = setdiff(p,cell2mat(p_in_node(to_node)));
            p_in_node(to_node) = { [cell2mat(p_in_node(to_node)) , diff]};
    
            people_in_side = cell2mat(p_in_side(from_node,to_node));
            people_in_side = setdiff(people_in_side,p);
            p_in_side(from_node,to_node) = {people_in_side};
            p_in_side(to_node,from_node) = {people_in_side};
            Sum_side(from_node,to_node) = Sum_side(from_node,to_node) -1;
            Sum_side(to_node,from_node) = Sum_side(from_node,to_node);
 
            t_left(p) = NaN;
            t(p) = t(p) + t_move(p) + t_wait_node(p) + t_wait_side(p); 
            % 进入后,该人的移动时间、节点内等待时间、边内等待时间均置零
            t_move(p) = 0;
            t_wait_node(p) = 0;
            t_wait_side(p) = 0;
            exit_num = exit_num + 1;
        elseif Sum_node(to_node)<nodes_capacity(to_node)
            %% 如果所到达的节点没有超过容量限制,就进入
            people_side_index = [people_side_index,i];
            people_node_index = [people_node_index,i];
 
            Sum_node(to_node) = Sum_node(to_node)+1;
            diff = setdiff(p,cell2mat(p_in_node(to_node)));
            p_in_node(to_node) = { [cell2mat(p_in_node(to_node)) , diff]};
 
            people_in_side = cell2mat(p_in_side(from_node,to_node));
            people_in_side = setdiff(people_in_side,p);
            p_in_side(from_node,to_node) = {people_in_side};
            p_in_side(to_node,from_node) = {people_in_side};
            Sum_side(from_node,to_node) = Sum_side(from_node,to_node) -1;
            Sum_side(to_node,from_node) = Sum_side(from_node,to_node);
            if i>=length(first_people)
               exit_num  = exit_num + 1;
            end
        else
            %% 如果超过了容量限制,则继续等待,不需要做任何操作
            if i>=length(first_people)
               exit_num  = exit_num + 1;
            end
        end
    end
    if ~isempty(people_side_waitting)
       %% 更新进入节点后,节点和人的属性
        in_node_people = people_side_waitting(people_node_index);
        t(in_node_people) = t(in_node_people) + t_move(in_node_people) + t_wait_node(in_node_people) + t_wait_side(in_node_people); 
        % 进入后,该人的移动时间、节点内等待时间、边内等待时间均置零
        t_move(in_node_people) = 0;
        t_wait_node(in_node_people) = 0;
        t_wait_side(in_node_people) = 0;
        %% 更新边内等待队列
        people_side_waitting(people_side_index) = [];
    end
相关文章
|
11天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
5天前
|
存储 关系型数据库 分布式数据库
PolarDB的PolarStore存储引擎以其高效的索引结构、优化的数据压缩算法、出色的事务处理能力著称
PolarDB的PolarStore存储引擎以其高效的索引结构、优化的数据压缩算法、出色的事务处理能力著称。本文深入解析PolarStore的内部机制及优化策略,包括合理调整索引、优化数据分布、控制事务规模等,旨在最大化其性能优势,提升数据存储与访问效率。
17 5
|
19天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
20天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
2月前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
20天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
21天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
20天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
38 3
|
2月前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
下一篇
无影云桌面