CN114936661A - 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 - Google Patents
一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 Download PDFInfo
- Publication number
- CN114936661A CN114936661A CN202111286811.9A CN202111286811A CN114936661A CN 114936661 A CN114936661 A CN 114936661A CN 202111286811 A CN202111286811 A CN 202111286811A CN 114936661 A CN114936661 A CN 114936661A
- Authority
- CN
- China
- Prior art keywords
- path
- environment
- sub
- criterion layer
- planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法,属于船舶舱室人员应急规划领域。本发明解决了传统火灾环境下船舶舱室的路径规划中实用性低的问题。本发明所述的方法包括:建立层次模型优化目标,所述层次模型包括目标层和准则层,所述准则层包括路径距离、路径拥挤度和路径环境,所述路径环境包括子准则层;根据层次分析法处理子准则层和路径环境,获得子准则层的权重向量ω1和路径环境的权重向量ω2;无量纲化处理准则层和子准则层;结合路径环境的权重向量ω2对同量级的无量纲量进行加权处理,通过A*路径规划算法对路线规划进行优化,获得最优路线。本发明适用于火灾环境下船舶舱室的路径规划。
Description
技术领域
本发明属于船舶舱室人员应急规划领域,特别涉及一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法。
背景技术
随着造船技术的不断发展,船舶设计与建造呈现大型化、复杂化、智能化发展趋势,船舶载重量、载客量不断增大,一旦发生倾覆、火灾等灾难时,往往造成更为巨大的生命财产损失。因此,大量人员如何在复杂、狭小的船体空间内有序、迅速地撤离,所衍生的路径规划问题在制定疏散预案、推动航运业安全性上都具有重大的理论价值和社会意义。
对于船舶人员的路径优化的研究相对较少,在现有的路径规划中,目前常采用的算法种类有很多种,比如基于搜索的路径规划算法如A*算法,Dijkstra算法等;基于智能算法的路径规划如遗传算法和蚁群算法等;以及基于采样的路径规划算法,如RRT算法等。
在传统火灾环境下船舶舱室的路径规划中,一般是以路径长度作为权值来判断路径的优劣,但实际的路网需求所要考虑的因素却更为复杂,缺乏实用性。
发明内容
本发明解决了传统火灾环境下船舶舱室的路径规划中实用性低的问题。
一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法,包括:
建立层次模型优化目标,所述层次模型的结构包括目标层和准则层,其中,所述准则层包括路径距离A、路径拥挤度B以及路径环境C,所述路径环境C包括子准则层D;
根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1;
根据层次分析法处理路径距离A、路径拥挤度B以及路径环境C,获得路径环境C的权重向量ω2;
无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D;
利用同量级的无量纲量表示经无量纲化处理的路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,并结合路径环境C的权重向量ω2对同量级的无量纲量进行加权处理,通过A*路径规划算法对路线规划进行优化,获得最优路线。
进一步的,所述路径环境C的子准则层包括CO浓度C1、能见度C2、热辐射C3、温度C4。
进一步的,所述根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1,包括:
构建判断矩阵,所述判断矩阵是影响路径环境权重的任意两个因素之间重要性比较矩阵,根据同一层中两个因素的重要性比较结果确定矩阵中各元素值;
对所述判断矩阵进行一致性检验,检验参数包括一致性指标、随机一致性指标和检验系数,得到所述判断矩阵是否符合一致性;
计算获得路径环境C的子准则层D的权重向量ω1。
进一步的,所述判断矩阵为:
A=(aij)n×n
其中,aij表示因素i和因素j数量化的相对权重,n表示因素的序号。
进一步的,所述一致性检验的检验参数中:
一致性指标为:
CI=(λmax-n)/(n-1),
其中,λmax为所述判断矩阵的最大特征值;
随机一致性指标为:
RI=(CI1+CI2+CI3+...+CIn)/n,
检验系数为:
CR=CI/RI;
当CR小于0.1时,所述判断矩阵符合一致性。
进一步的,所述计算获得路径环境C的子准则层D的权重向量ω1以及获得路径环境C的权重向量ω2的过程相同,具体为:
通过公式
其中,ξj为特征向量;
则权重向量表示为ω=(ω1,ω2,...,ωn)T。
进一步的,所述利用同量级的无量纲量表示经无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,包括:
路径环境A采用模糊综合评价法进行无量纲化处理,路径距离B、路径拥挤度C以及路径环境C的子准则层D采用多属性决策法进行无量纲化处理。
进一步的,所述模糊综合评价法为:
其中,F为系统总得分,S为确定评语集中相应因素的等级得分,B为模糊向量。
进一步的,所述多属性决策法进行无量纲化处理为:
其中,ai代表拥挤度值或者路径长度值,mi是取值区间的下限或最小值,为0m,Mi为取值区间的上限或最大值,为3.5m。
本发明提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行上述操作任一项所述的一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法。
本发明的有益之处在于:
本发明解决了传统火灾环境下船舶舱室的路径规划中实用性低的问题。
本发明使路径规划更具备实用性,将影响路径规划算法的因素进行综合判定,使得算法的权值不仅只有距离作为为单一标准,全面综合的考虑路径规划的影响因素,以此对算法进行优化。在火灾环境下船舶舱室的路径规划中,要得到最优路径所需要考虑的决策包含路近距离、路径拥挤度以及路径在火灾条件下的环境变化,因此在本发明中,综合考虑在火灾环境下船舶舱室路径的距离、拥挤度、环境造成的影响,对传统的A*算法进行了以层次分析法为核心的优化,以此得到更符合实际情况的最优路径。
本发明应用于火灾环境下船舶舱室求生领域。
附图说明
图1为一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法流程图;
图2为层次分析结构模型图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
实施例一、参照图1说明本实施例。本实施例所述的一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法,包括:
建立层次模型优化目标,所述层次模型的结构包括目标层和准则层,其中,所述准则层包括路径距离A、路径拥挤度B以及路径环境C,所述路径环境C包括子准则层D;
根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1;
根据层次分析法处理路径距离A、路径拥挤度B以及路径环境C,获得路径环境C的权重向量ω2;
无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D;
利用同量级的无量纲量表示经无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,并结合路径环境C的权重向量ω2对同量级的无量纲量进行加权处理,通过A*路径规划算法对路线规划进行优化,获得最优路线。
本实施例中提供一种在火灾环境下对船舶舱室人员的路径规划方法,通过层次分析法并综合考虑在火灾环境下对路径造成的影响,对传统的A*算法进行了以层次分析法为核心的优化,以此得到更符合实际情况的最优路径。
实施例二、参照图2说明本实施例。本实施例是对实施例一所述的路径规划方法的进一步限定,所述路径环境C的子准则层包括CO浓度C1、能见度C2、热辐射C3、温度C4。
本实施例中,建立层次模型优化目标,全面综合的考虑路径规划的影响因素。
实施例三、参照图1说明本实施例。本实施例是对实施例一所述的路径规划方法的进一步限定,所述根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1,包括:
构建判断矩阵,所述判断矩阵为影响路径环境权重的任意两个因素之间重要性比较矩阵,并根据同一层中两个因素的重要性比较结果确定矩阵中各元素值;
对所述判断矩阵进行一致性检验,检验参数包括一致性指标、随机一致性指标和检验系数,得到所述判断矩阵是否符合一致性;
计算获得路径环境C的子准则层D的权重向量ω1。
在本实施例中,利用1-9及其倒数标度法对同一层中的两个因素进行重要性比较,得到判断矩阵A=(aij)n×n,其中,aij表示因素i和因素j数量化的相对权重,n表示因素的序号。判断标准如表1所示。
表1判断标准
含义(因素i比因素j) | 量化值 |
同等重要 | 1 |
稍微重要 | 3 |
较强重要 | 5 |
强烈重要 | 7 |
极端重要 | 9 |
两相邻判断的中间值 | 2/4/6/8 |
倒数 | 1/a<sub>ij</sub> |
通过量化值更直观了解在火灾条件下的环境变化。
表2子准则层的判断矩阵
A | CO | 能见度 | 温度 | 热辐射 |
CO | 1 | 7 | 5 | 5 |
能见度 | 1/7 | 1 | 1/2 | 1/2 |
温度 | 1/5 | 2 | 1 | 1 |
热辐射 | 1/5 | 2 | 1 | 1 |
表3准则层的判断矩阵
A | 距离 | 拥挤度 | 环境 |
距离 | 1 | 1/3 | 1/5 |
拥挤度 | 3 | 1 | 1/3 |
环境 | 5 | 3 | 1 |
表2为本实施例的子准则层的判断矩阵,表3为本实施例的准则层的判断矩阵,为本领域技术人员通过判断可以得到的数据,根据表2和表3计算得到子准则层的权重由下表所示:
表4子准则层的权重
因素 | 权重ω<sub>1</sub> |
CO | 0.6412 |
热辐射 | 0.0773 |
温度 | 0.1407 |
能见度 | 0.1407 |
具体的,所述计算获得路径环境C的子准则层D的权重向量ω1以及获得路径环境C的权重向量ω2的过程相同,具体为:
通过公式
其中,ξj为特征向量;
在获得子准则层D的权重向量ω1的时候,特征向量为子准层中的特征向量;获得路径环境C的权重向量ω2的时候,特征向量为路径环境C中的特征向量,则权重向量表示为
ω=(ω1,ω2,...,ωn)T。
由表4可知,本实施例的子准则层的权重为ω1=(0.6412,0.0773,0.1407,0.1407)。
准则层的权重由下表所示:
表5准则层的权重
因素 | 权重ω<sub>2</sub> |
距离 | 0.1062 |
拥挤度 | 0.2605 |
环境 | 0.6333 |
由表5可知,本实施例中,准则层的权重ω2=(0.1062,0.2605,0.6333)。
实施例四、参照图1说明本实施例。本实施例是对实施例三所述的路径规划方法的进一步限定,所述一致性检验的检验参数中:
一致性指标为:
CI=(λmax-n)/(n-1),
其中,λmax为所述判断矩阵的最大特征值;
随机一致性指标为:
RI=(CI1+CI2+CI3+...+CIn)/n,
检验系数为:
CR=CI/RI;
当CR小于0.1时,所述判断矩阵符合一致性。
实施例五、参照图1说明本实施例。本实施例是对实施例一所述的路径规划方法的进一步限定,所述利用同量级的无量纲量表示经无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,包括:
路径环境A采用模糊综合评价法进行无量纲化处理,路径距离B、路径拥挤度C以及路径环境C的子准则层D采用多属性决策法进行无量纲化处理。
本实施例中,采用模糊综合评价法通过精确地计算处理模糊的评价对象,获得更贴近实际的量化评价。
实施例六、参照图1说明本实施例。本实施例是对实施例五所述的路径规划方法的进一步限定,所述模糊综合评价法,包括:
确定因素集:U={u1,u2,...,um},
确定评语集:V={优秀,良好,合格,差},利用确定因素集进行确定评语集的单因素评级,得到ri={ri1,ri2,...,rim},rim为第i个因素对第m评价的隶属度,即各因素的权重集合的模糊集;
计算子准则层的权重,构造综合评价矩阵R,并计算模糊向量:
其中,R为综合评价矩阵。
根据最大隶属度原则做评价。综合评价模型确定后,确定系统得分:
其中,F为系统总得分,B为模糊向量,S为V中相应因素的等级得分。设等级得分依次为:S=(10,8,6,4),得到综合评判结果,即系统总得分F。
实施例七、参照图1说明本实施例。本实施例是对实施例一所述的路径规划方法进一步限定,所述多属性决策模型对因素的无量纲化,由于距离以及拥挤度因素基本为成本型因素,因此数值越小越好。采用成本型多属性决策模型进行无纲量化的公式为:
其中,ai为属性值,mi是取值区间的下限或最小值,Mi为取值区间的上限或最大值。
具体的,在中型船舶条件下,人员密度最小值为0人/m2,最大值为3.5人/m2。;路径距离最小值为0m,路径距离为500m。
将距离以及拥挤度因素进行归一化处理后,可得决策矩阵ti=(xi1,xi2);处理矩阵数值xi1,xi2,进行十分制化得到矩阵Ti,根据环境因素的无量纲量组合成新的无量纲量向量,即最优路径。
本实施例中,在A*算法中,计算的总权重值为综合考虑了距离、拥挤度以及路径环境的无量纲量;依靠A*算法进行路径规划,可得到船舶舱室在火灾环境下的最优化路径。
实施例八、本实施例所述的一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据上述实施例任一项所述的一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法。
Claims (10)
1.一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法,其特征在于,所述路径规划方法包括:
建立层次模型优化目标,所述层次模型的结构包括目标层和准则层,其中,所述准则层包括路径距离A、路径拥挤度B以及路径环境C,所述路径环境C包括子准则层D;
根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1;
根据层次分析法处理路径距离A、路径拥挤度B以及路径环境C,获得路径环境C的权重向量ω2;
无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D;
利用同量级的无量纲量表示经无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,并结合路径环境C的权重向量ω2对同量级的无量纲量进行加权处理,通过A*路径规划算法对路线规划进行优化,获得最优路线。
2.根据权利要求1所述的路径规划方法,其特征在于,所述路径环境C的子准则层D包括CO浓度C1、能见度C2、热辐射C3、温度C4。
3.根据权利要求1所述的路径规划方法,其特征在于,所述根据层次分析法处理路径环境C的子准则层D,获得路径环境C的子准则层D的权重向量ω1,采用下述方法实现:
构建判断矩阵,所述判断矩阵是影响路径环境权重的任意两个因素之间重要性比较矩阵,根据同一层中两个因素的重要性比较结果确定矩阵中各元素值;
对所述判断矩阵进行一致性检验,检验参数包括一致性指标、随机一致性指标和检验系数,得到所述判断矩阵是否符合一致性;
计算获得路径环境C的子准则层D的权重向量ω1。
4.根据权利要求3所述的路径规划方法,其特征在于,所述判断矩阵为:
A=(aij)n×n
其中,aij表示因素i和因素j数量化的相对权重,n表示因素的序号。
5.根据权利要求3所述的路径规划方法,其特征在于,所述一致性检验的检验参数中:
一致性指标为:
CI=(λmax-n)/(n-1),
其中,λmax为所述判断矩阵的最大特征值;
随机一致性指标为:
RI=(CI1+CI2+CI3+...+CIn)/n,
检验系数为:
CR=CI/RI;
当CR小于0.1时,所述判断矩阵符合一致性。
7.根据权利要求1所述的路径规划方法,其特征在于,所述利用同量级的无量纲量表示经无量纲化处理路径距离A、路径拥挤度B、路径环境C以及路径环境C的子准则层D,包括:
路径环境A采用模糊综合评价法进行无量纲化处理,路径距离B、路径拥挤度C以及路径环境C的子准则层D采用多属性决策法进行无量纲化处理。
10.一种计算机设备,其特征在于:包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据权利要求1-9中任一项所述的一种基于层次分析法优化的改进A*算法在火灾环境下对船舶舱室人员的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111286811.9A CN114936661A (zh) | 2021-11-02 | 2021-11-02 | 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111286811.9A CN114936661A (zh) | 2021-11-02 | 2021-11-02 | 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114936661A true CN114936661A (zh) | 2022-08-23 |
Family
ID=82861793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111286811.9A Pending CN114936661A (zh) | 2021-11-02 | 2021-11-02 | 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114936661A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024061122A1 (zh) * | 2022-09-19 | 2024-03-28 | 中车南京浦镇车辆有限公司 | 一种轨道车辆非金属材料火灾严重程度评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
-
2021
- 2021-11-02 CN CN202111286811.9A patent/CN114936661A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
Non-Patent Citations (1)
Title |
---|
王艳, 北京理工大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024061122A1 (zh) * | 2022-09-19 | 2024-03-28 | 中车南京浦镇车辆有限公司 | 一种轨道车辆非金属材料火灾严重程度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507586B (zh) | 通航水域水上施工安全风险预警分级方法及系统 | |
CN112287018B (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN107146009B (zh) | 一种供水管网运行状态评估方法 | |
CN111861133A (zh) | 一种山洪灾害防治能力评价方法 | |
CN112016742A (zh) | 一种基于ahp的消防救援路径选择算法的优化方法 | |
CN112632765B (zh) | 一种加权和法与sem法结合的作战能力评估方法 | |
CN112016857B (zh) | 基于云理论的聚乙烯管道地震易损性评估方法 | |
CN106549826A (zh) | 智能变电站交换机网络性能测试评估方法 | |
CN112862266B (zh) | 一种基于模糊决策的煤矿事故应急预案评估模型构建方法 | |
CN111898839A (zh) | 电力用户的重要程度分类方法及装置 | |
CN114881396A (zh) | 一种基于ahp和topsis的隧道坍塌风险评估方法 | |
Sekulski | Ship hull structural multiobjective optimization by evolutionary algorithm | |
CN114936661A (zh) | 一种基于层次分析法优化的改进a*算法在火灾环境下对船舶舱室人员的路径规划方法 | |
CN113011788B (zh) | 一种海上交通事故应急决策方法、终端设备及存储介质 | |
Tian et al. | A two stage risk assessment model based on interval-valued fuzzy numbers and risk attitudes | |
CN114764682A (zh) | 一种基于多机器学习算法融合的大米安全风险评估方法 | |
CN112711912A (zh) | 基于云计算和机器学习算法的空气质量监测与告警方法、系统、装置和介质 | |
CN113094971A (zh) | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及系统 | |
CN112712284A (zh) | 基于ahp-熵权法的城市燃气管道风险评价系统及方法 | |
Zhang et al. | Evaluation model of maritime search and rescue response capability | |
CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
Sun et al. | Prospect Selection Decisions for Emergency Logistics Paths in Fuzzy Environments | |
CN112365168A (zh) | 一种基于主分量分析评价环境空气质量的方法 | |
Cheng et al. | A K-means algorithm for construction of enterprise innovation system based on data mining technology | |
CN111859535B (zh) | 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220823 |