| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1. 绪论 | 第9-19页 |
| 1.1 问题的提出 | 第9页 |
| 1.2 本文的目的及意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 国外研究现状及水平 | 第11-12页 |
| 1.3.2 国内研究现状及水平 | 第12-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 1.5 本文技术路线 | 第17-19页 |
| 2. 基于多影响因素的井下火灾救援路径优化模型 | 第19-27页 |
| 2.1 矿井火灾灾变时期应急救援路径概述 | 第19-21页 |
| 2.1.1 应急救援系统概述 | 第19-20页 |
| 2.1.2 最优救援路径概述 | 第20-21页 |
| 2.2 巷道当量长度 | 第21-25页 |
| 2.2.1 巷道可通行性 | 第21-23页 |
| 2.2.2 巷道当量长度的解算 | 第23-25页 |
| 2.3 井下火灾救援路径模型的构建 | 第25-26页 |
| 2.3.1 井下火灾最短救援路径模型 | 第25页 |
| 2.3.2 基于多救护队井下火灾最短救援路径模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3. 最优救援路径优化模型求解的群智能算法研究 | 第27-39页 |
| 3.1 群智能算法 | 第27-29页 |
| 3.1.1 群智能算法概述 | 第27页 |
| 3.1.2 主要的群智能算法 | 第27-28页 |
| 3.1.3 群智能算法与传统路径算法的比较 | 第28-29页 |
| 3.2 粒子群算法和蚁群算法概述 | 第29-35页 |
| 3.2.1 粒子群算法 | 第29-32页 |
| 3.2.2 蚁群算法 | 第32-35页 |
| 3.3 群智能混合算法的设计 | 第35-37页 |
| 3.3.1 粒子群算法和蚁群算法的特点 | 第35-36页 |
| 3.3.2 算法设计 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 4. 粒子群和蚁群混合算法的实现 | 第39-49页 |
| 4.1 构建井下火灾巷道的图与网络模型 | 第39-40页 |
| 4.2 算法实现 | 第40-48页 |
| 4.2.1 粒子群算法搜索蚁群算法参数 | 第40-43页 |
| 4.2.2 蚁群算法搜索救援路径 | 第43-47页 |
| 4.2.3 群智能混合算法的实现 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5. 龙头沟金矿井下火灾多救护队救援路径的模拟仿真 | 第49-69页 |
| 5.1 龙头沟金矿基本现状 | 第49-51页 |
| 5.1.1 矿区位置交通 | 第49页 |
| 5.1.2 开采的基本情况 | 第49-50页 |
| 5.1.3 开采过程中不安全因素分析 | 第50页 |
| 5.1.4 采矿安全技术措施 | 第50-51页 |
| 5.2 构建巷道模型 | 第51-57页 |
| 5.2.1 构建巷道图与网络模型 | 第51-52页 |
| 5.2.2 解算巷道当量长度 | 第52-56页 |
| 5.2.3 构建巷道应急救援路径模型 | 第56-57页 |
| 5.3 MATLAB 求解最优救援路径 | 第57-68页 |
| 5.3.1 群智能混合算法解算井下火灾最优救援路径 | 第57-62页 |
| 5.3.2 蚁群算法解算井下火灾最优救援路径 | 第62-66页 |
| 5.3.3 两种算法得出结果的对比 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 6. 结论和展望 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 硕士研究生学习阶段发表论文 | 第77页 |