随着科学技术的提高、社会经济的发展,人民的生活需求日益增长。为满足人民的生活需求,大型公共场所的数量逐渐增多。尽管这一状况给人民生活提供了极大的便捷,但与此同时,大量人员的聚集也存在着较大的风险与隐患。为此,近年来人们对紧急疏散这一课题进行了大量的深入研究。如何选择一个合理的疏散路线是本文的研究重点。本文采用元胞自动机模型构建疏散环境,研究基于人工蜂群算法的疏散模型,优化人员的疏散路线,减少疏散总时间,最大限度地降低人员的风险。本文主要的工作内容如下:(1)为快速高效的建立疏散模型,本文构建了基于元胞自动机的疏散仿真模型,采用基本蜂群算法模拟疏散过程。通过与传统的粒子群算法对比实验证明,基于元胞自动机的疏散仿真模型的疏散总时间更短,疏散效率更高。另外,障碍物设置实验的结果表明,多障碍物环境容易对该模型的疏散情况造成不良影响。(2)考虑到跟随蜂个体对引领蜂个体选择的盲目性,以及多障碍物环境对疏散效果的不良影响,本文建立了基于视觉引导的蜂群疏散模型。该模型以基本人工蜂群算法为基础,通过引入跟随蜂的视野范围,在跟随蜂的视野范围内选择最优个体作为引领蜂,以改进引领蜂的选择。另一方面,在模型的适应值函数中考虑拥塞人数、障碍物排斥力和其他个体排斥力的影响,用于减少疏散环境的动态影响。根据参数设置实验和算法对比实验得出:在算法参数设置合理的情况下,相比粒子群算法、基本蜂群算法,基于视觉引导的蜂群疏散模型在疏散后期具有更强的向出口聚集的能力。(3)为优化个体的疏散路径,提出了一种基于多因素作用的蜂群算法优化模型。该模型在视觉引导的蜂群算法的基础上,结合粒子群算法中的觅食公式,将视野最优蜂、历史最优蜂、全局最优蜂和惯性引领蜂作用到跟随蜂的飞行中,进而优化跟随蜂的飞行方向和疏散路径。通过出口设置实验、多算法多层次实验发现:基于多因素作用的蜂群算法优化模型对出口设置较敏感;与粒子群算法、基本蜂群算法等多种算法比较,该模型在疏散路径、疏散时间上具有较大优势。