皖南古村落火灾逃生路径规划的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 火灾逃生路径规划研究发展 | 第16-17页 |
| 1.2.2 蚁群算法在逃生路径规划方面的研究现状 | 第17-18页 |
| 1.2.3 蚁群算法的问题和发展趋势 | 第18页 |
| 1.3 研究的主要内容 | 第18-20页 |
| 第二章 路径规划算法的研究与比较 | 第20-29页 |
| 2.1 蚁群算法概述 | 第20-24页 |
| 2.1.1 蚁群算法基本原理 | 第20-22页 |
| 2.1.2 蚁群算法基本数学模型 | 第22-24页 |
| 2.2 其他路径规划算法 | 第24-27页 |
| 2.2.1 Dijkstra算法 | 第24-25页 |
| 2.2.2 遗传算法 | 第25-26页 |
| 2.2.3 Floyd算法 | 第26-27页 |
| 2.2.4 模拟退火算法 | 第27页 |
| 2.3 路径规划算法的选取 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 古村落火灾逃生影响因素研究 | 第29-36页 |
| 3.1 古村落的火灾特点分析 | 第29-30页 |
| 3.2 火灾中逃生人员特性研究 | 第30-32页 |
| 3.3 影响逃生速度的火灾产物研究 | 第32-34页 |
| 3.3.1 高温量化分析 | 第32-33页 |
| 3.3.2 有毒有害气体量化分析 | 第33-34页 |
| 3.4 巷道宽度量化分析 | 第34页 |
| 3.5 人群密度量化分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 蚁群算法改进及建模 | 第36-48页 |
| 4.1 动态路径规划与TSP的比较 | 第36-37页 |
| 4.2 蚁群算法的自适应改进 | 第37-40页 |
| 4.2.1 动态自适应调整信息素挥发因子 | 第37-38页 |
| 4.2.2 信息素动态自适应调整 | 第38-39页 |
| 4.2.3 启发函数的改进 | 第39-40页 |
| 4.3 算法最优目标选取准则 | 第40-42页 |
| 4.4 建立仿真模型 | 第42-45页 |
| 4.4.1 建模方法 | 第42-43页 |
| 4.4.2 栅格逻辑关系和属性设定 | 第43-45页 |
| 4.4.3 栅格划分原理 | 第45页 |
| 4.5 动态路径规划问题实现步骤 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 动态路径规划的应用研究 | 第48-65页 |
| 5.1 实际环境映射到栅格地图 | 第48-50页 |
| 5.2 算法参数的配置 | 第50-54页 |
| 5.2.1 参数对算法的影响分析 | 第50-51页 |
| 5.2.2 参数组合配置 | 第51-54页 |
| 5.3 算法仿真结果分析 | 第54-62页 |
| 5.3.1 一般模型仿真分析 | 第55-57页 |
| 5.3.2 动态路径搜索分析 | 第57-62页 |
| 5.4 改进算法与传统算法性能比较 | 第62-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 作者简介及读研期间主要科研成果 | 第70页 |
