典型文献
基于全局引导策略的多智能体火灾疏散研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
张子博;黄晓霞;李红旮;倪凌佳;薛晓萌
作者机构：
中国科学院空天信息创新研究院,北京 100094;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]张子博;黄晓霞;李红旮;倪凌佳;薛晓萌-.基于全局引导策略的多智能体火灾疏散研究)[J].现代电子技术,2022(14):153-158
A类：
全局引导,全局引导策略,EG2RL
B类：
火灾疏散,大型建筑,建筑火灾,火灾环境,疏散效率,动态环境,多智能体路径规划,规划问题,多智能体深度强化学习,学习路径,过火,数值仿真技术,拟建,建筑室内,室内火灾,神经网络结构,多出口,人员疏散,疏散人员,拥挤,躲避障碍,障碍物,安全出口,半导体厂房,房中,中火,火灾仿真,其他方法
AB值：
0.268136
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
