火灾环境中的应急疏散问题一直以来都是国内外公共安全领域研究的热点,该问题自从被提出后,国内外学者取得了一定的研究进展和成果。在初期阶段,研究者们相继提出的例如社会力模型、势能场模型以及排队论模型等来描述个体的行为特征,但是这些模型侧重描述的是个体之间的微观作用,从而忽视了疏散人员作为一个整体的动态移动过程和机理作用。为了能从整体的角度对群体疏散行为进行分析,提出运用蚁群算法来解决火灾环境中的群体路径规划问题。本文基于现有的社会力模型和蚁群算法理论,对社会力模型中的所有个体变化规律相同的特点以及蚁群算法中容易陷入局部最优的弊端进行改进,为群体中的所有个体建立情绪模型,以改进的社会力模型来描述个体之间的微观行为,蚁群算法来描述疏散群体的整体机理作用,采用微观模型和宏观模型相结合的策略进行了定性和定量的研究。本文的主要研究工作如下:(1)针对高密度群体疏散问题,构造了一种基于改进的社会力模型的团体情绪疏散算法。首先,对传统的社会力模型中所有个体变化规律相同的问题进行改进,在团体形式的基础上设置最优速度对团体中成员的速度加以约束;其次,依据人格特征理论为所有个体建立情绪模型,将个体的情绪状态分为积极情绪和消极情绪,通过个体不同的影响力建立情绪影响机制;最后,根据个体的情绪分布给出指挥策略。实验仿真结果表明,改进的社会力模型消除了个体在狭窄通道里的震荡现象,避免了个体速度无限加速或者保持临界速度的缺陷,并为何时加入引导策路提供了依据。(2)在火灾环境中,针对蚁群算法容易陷入局部最优的问题,本文使用了一种改进的蚁群算法来解决火灾环境中人群疏散的路径规划问题。针对火灾环境的特点,对蚁群算法的以下两个方面进行改进:第一,在蚁群算法的启发式函数中考虑火灾产物的基础上同时考虑人员密度因素;第二,动态自适应调整信息素强度,在更新路径上的信息素时采取局部和全局信息素更新相结合的策略,并引入交叉操作,加快算法逃逸能力。由于在火灾环境中个体情绪差异对路径选择的影响较大,在本文的规划方法中,为个体建立情绪数学模型,不同情绪的个体对路径的选择是不同的。仿真实验表明,本文提出的规划方法能够为不同情绪类型的个体规划出最优逃生路径,避免了局部最优且收敛速度较快。