张苏英，郭宝樑，陈灵芝，刘慧贤

河北科技大学 电气工程学院，石家庄050000

随着我国经济的发展和科技水平的不断进步，大型综合性建筑不断增多。这些建筑物普遍存在高层化、复杂化、密集化的特点[1]。当发生火灾等突发情况时，如何让建筑物内人员更加快速、安全、有效地进行疏散，成为了防灾减灾的新课题[2]。现今传统的消防疏散图虽然在建筑物中都有放置，但是由于疏散路径固定，不能及时了解火灾现场的实时情况[3]。因此当发生火灾时，有可能因为错误指示，误导人员朝灾情严重的方向疏散，这是不允许发生的。因此能依据火灾实时信息，按照设计好的智能疏散算法动态调整疏散路径的智能消防疏散图，受到了越来越多人的关注[4]。而如何高效、准确地计算出最优疏散路径，引导人员快速、安全地进行疏散逃生，这就涉及到了火灾疏散路径规划问题[5]。目前国内外专家在路径规划方面已经做了很多研究工作。其中包括Dijkstra 算法、A*算法和人工势场算法等传统算法，以及蚁群算法、遗传算法、粒子群算法、人工神经网络等智能优化算法。每种算法都有着自身特点。

蚁群算法（简称ACO）是一种启发式优化算法，有着鲁棒性好、分布计算以及适应性强的特点，被广泛应用在不同的路径规划领域中。俞烨等[6]对蚁群算法初始信息素分布进行调整，提高了算法初始阶段搜索效率，但算法整体运算效率提升相对不高。朱艳等[7]改进了蚁群算法的启发函数和蚂蚁在移动过程中权重系数，虽然在一定程度上提高了算法搜索效率减小了路径长度，但仍存在路径不平滑的问题。……