基于全局引导策略的多智能体火灾疏散研究

作者：张子博; 黄晓霞; 李红旮; 倪凌佳; 薛晓萌

来源：现代电子技术, 2022, 45(14): 153-158.

DOI：10.16652/j.issn.1004-373x.2022.14.027

• 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

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。

• 单位
  中国科学院大学