近年来,随着社会的不断进步、经济的快速发展,建设了越来越多的交通基础设施,火车站、地铁、轻轨以及大型超市等设施给广大的市民带来了更多生活上的便利,但与此同时,由于这些公共场所的人群密集,因此一旦发生火灾、地震等重大紧急或灾难性事件,容易引起人们恐慌的情绪,从而容易引发人群拥挤、踩踏事故,威胁人们的生命安全。因此,许多专家研究工作者开始关注于人群疏散仿真方面的研究工作,传统的疏散演练方法既浪费时间和力气,又不容易达到突发状况下的真实疏散效果,而且无法保证测试人员的生命安全。随着计算机技术的不断发展,计算机动画仿真逐渐成为解决人群疏散问题的有效方法,通过对复杂场景下的人群疏散方针的实验和分析,能够较有效地提供良好的意见和方案。因此,使用计算机仿真模拟人群运动具有重要的现实意义。传统人群疏散仿真方法主要包括宏观和微观的两种,宏观的疏散仿真方法就是将人群看作一个整体来处理,它通过忽略个体之间的影响作用,降低了计算的复杂度,但是其仿真的效果也比较差。微观的疏散仿真方法主要是为每一个疏散个体都做全局运动的规划,计算开销量较大,而且如果疏散人群数量大,每一个个体计算路径导致的总体速度就比较慢。因此,这种微观模型,往往只适用于疏散规模较小的群体,并且在实际的计算环境中很难运用到。综上,为了提高人群疏散的效率,克服传统的疏散方法,在宏观路径规划上算法适应度低的缺陷,且不适合复杂场景下的疏散问题,因此提出了一种利用改进的人工蜂群算法和改进后的社会力模型两者结合的方法,首先利用改进的人工蜂群算法进行实时路径规划,然后结合改进后的社会力模型来指导个体运动,将两者应用于大规模复杂场景下的人群疏散方法中,具有重要的研究价值。本文的主要工作如下:1、针对传统人工蜂群算法收敛精度低,容易陷入局部最优的不足,以及在人群疏散过程中出现的人们都往一个或几个出口挤的现象,在划分多个种群的基础上,每一个种群中增加禁忌搜索算法,通过在每个分组中加入一个禁忌表,将当前最优解放入禁忌表中来,避免陷入局部最优来提高收敛精度。并将算法的适应度值作为人群疏散时间的评判标准。2、针对划分的多个种群之间信息交互以及通讯问题,在子种群加入子禁忌表的基础上,在总的种群中加入一个公共的禁忌表,将子种群中出现频次较高的局部最优解加入公共禁忌表中,然后利用禁忌搜索中的特赦准则来释放禁忌表中表现良好的解,以此来解决人工蜂群算法陷入局部最优的不足,并对疏散过程中的某个或某几个出口的拥堵,具有较好的调节作用。3、将上述改进的人工蜂群算法和改进后的社会力模型两者结合。利用改进的多蜂群禁忌搜索算法进行人群疏散仿真的宏观路径规划,结合改进后的社会力模型进行微观的运动行为指导,以此来提高人群疏散的疏散效率。