基于全局引导策略的多智能体火灾疏散研究

摘要：

为提高大型建筑火灾环境中人员的疏散效率,解决动态环境中的多智能体路径规划问题,文中提出一种基于全局引导策略的多智能体深度强化学习路径规划EG2RL模型.该模型通过火灾数值仿真技术模拟建筑室内火灾环境,并将深度强化学习与多智能体相结合进行路径规划;同时,对全局引导策略和神经网络结构进行改进,以更加适用于复杂动态且多出口环境时的多人员疏散情况.疏散人员基于全局引导信息的帮助,能够在动态的火灾环境中避免拥挤,躲避障碍物,并向安全出口移动.最后,进行半导体厂房中火灾仿真及火灾环境中人员疏散训练实验.结果表明,文中模型可用于建筑室内火灾环境中的多人员疏散,相比于其他方法,该模型能够优化人员疏散的路径选择,提高人员疏散的效率.

关键词：EG2RL模型、火灾疏散、深度强化学习、全局引导策略、路径规划、疏散效率

所属期刊栏目：45

分类号：TN915-34;TP391.9

资助基金：国家自然科学基金;高分辨率对地观测系统重大专项

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：153-158