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
|
1天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
101 80
|
6天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
13天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
13天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如&quot;How are you&quot;、&quot;I am fine&quot;、&quot;I love you&quot;等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
225 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
141 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
111 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
7月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)