基于多智能体与熵的火灾疏散模型：异质群体效应与引导行为研究

该篇论文研究的焦点是“基于熵的火灾场景介观人群疏散模型”，针对现有的疏散模型存在的不足，即对“异质”群体运动中的混乱程度影响考虑不够深入。研究者提出了一种创新方法，利用多智能体系统理论和信息论中的熵概念来改进人群疏散模拟。模型结构分为两个层面：上层是宏观多目标路径优化模型，它通过网络最快流模型构建了一个动态算法，这个算法根据疏散熵来实时调整疏散路径，为个体提供全局最优的疏散策略；下层则是微观层次，包括基于熵的群体聚集行为模型和引导行为模型。 疏散熵被设计为衡量人群运动混乱程度的指标，通过个体的速度和位置分布构建疏散熵图，这个图可以影响个体的疏散决策。模型强调了引导行为在疏散过程中的关键作用，随着引导者数量的增加，恐慌情绪降低，群体内的拥堵和避障行为减少，整体疏散过程变得更加有序，疏散熵值也随之下降，这有助于提高疏散效率。 通过仿真结果，研究者验证了模型的有效性。论文以2015年《系统工程—理论与实践》期刊的一期为例，展示了作者对CIMS（计算机集成制造系统）背景下人群疏散问题的深入探讨。研究不仅关注理论模型的构建，还考虑了实际应用中的因素，如个体间的交互、空间限制以及引导机制等，为理解和优化大规模灾难事件中的人群疏散策略提供了有价值的研究依据。