最新小学教科版四上科学《食物在口腔里的变化》精品...ppt课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
小学教科版四上科学《食物 在口腔里的变化》精品...
路网疏散路径规划 的求解方法
曾麦脉
人口应急疏散的两种研究方法：
1. 基于微观仿真模型的方法
对单个人或者是交通工具的行为进行建模仿真来反映整个疏散 的状态过程。
特点是体现个体特性，体现个体与周围环境之间的相互作用， 计算量大，计算结果受到驱动个体行为的算法和程序的影响。主要 用于建筑物内的疏散。
优化目标： 最小化疏散所需的时间。
限制条件： (1) 在任何时刻，疏散者所在的路径上必须满
足节点和边的容量限制； (2) 节点和边遵守先入先出的原则； (3) 有限的计算机计算能力和内存资源。
一个例子：
N4,8 (3,3) (5,4)
N6,10
N1,50 (10)
(7,1)
N3,30 (3,3)
(7,1)
2. 基于网络流的方法
把疏散队伍抽象为流，将问题建模为节点和边带容量限制的网 络模型。从而将问题转化为网络流领域的研究。 主要用于区域范 围内的人口疏散问题研究。
本讲的疏散路径规划就是采用第二种方法，将交 通流建模为网络流问题来求解疏散问题。目标是在 尽可能短的时间内将人员疏散出去。
建模方式：
边的建模：将路段建模为网络上的边，道路的宽度特性建模为边 上的容量，通过路段所需的时间建模为通过时间。
N2,50 (5)
N5,6 (3,4)
N7,8
(5,5)
(14,4) N9,25 (6,4)
N13
(8,1) N10, 30
(6,4) (6,3)
N8,65 (3,3) (15)
(6,4)
(3,5) N11,8
(3,2)
N12, (3,3) 18
N14
(max capacity, travel time)
将最小费用流问题应用到时间扩充图时，单位流量的费用 c 是i j 分段函数。
最小费用流的求解算法：
1. 多项式时间算法（Polynomial Algorithms）
(1) Geometric improvement approach (2) Scaling approach (3) Dynamic programming approach (动态规划) (4) Binary search
2. 网络简化算法（Network Simplex Algorithms） 在初始生成树的基础上不断改进生成树结构直到最优。
CCRP 算法：
CCRP： Capacity constrained routing planning
来源于：
Department of Computer Science, University of Minnesota (美国明尼苏达州大学计算机科学系) 。 该系长期致力于大规模人口疏散规划的研究，有美国军 队高性能计算研究中心和NASA的研究课题。从2003年 至今，发表过一些有延续性的研究论文。
2. 启发式算法
如：CCRP算法。它不能保证得出的是最优解，却能够在次优 解的前提下获得计算性能上改善。
时间扩充图(Time expended Graph)的例子：
最小费用流问题(Minimum cost flow theory)：
Minimize
cij xij
( i , j ) A
Subject to
包括已知条件、解的表达、优化目标和限制条件 四个部分。
已知条件： 在一个由节点和边组成的有向网络上，已知：
(1) 节点和边上的容量限制； (2) 边上的通过时间； (3) 待疏散人口的数量及其他们所在的源节点； (4) 疏散的目的地节点。
解的表达： 疏散路径规划结果的表达包括一系列的条目，每
个条目包括一条从源节点到目的地节点的路径、到 达路径上各个节点的时间、本次通过这条路径的人 口数量。
(node id, max capacity (initial occupancy))
source destination
一种可行解：
疏
到
源散
路径规划
达
节 数 节点ID（到达时间）-节 时
点 目 点ID（到达时间）- … 间
N8 6 N8(0)-N10(3)-N13(4) 4
N8 6 N8(1)-N10(4)-N13(5) 5
xij
x b ji i for all i N
(j:(i,j)A)
(j:(j,i)A)
其中： c ij
u ij
bi
0 xij uij
for all (i, j) A
代表每单位流的费用
代表从i到j的容量上限
代表节点i的网络流。如果 b i >0，说明是源节点，如果b i <0， 说明是目的节点；如果 b i =0，说明是中间的转运节点。
15
N2(0)-N3(1)-N5(4)-N7(8)-
N2 2
N11(13)-N14(15)
15
N2(0)-N3(3)-N4(6)N2 3 N6(10)-N10(15)-N13(16) 16
求解以上疏散路径规划的两类方法：
1. 线性规划方法
需要借助时间扩充图将时间过程规避掉，转化为最小代价流 问题(Minimum cost flow theory)。由于计算量过大，主要用 于小型网络，如小型建筑物内的疏散。
节点的建模：将有一定量疏散人口聚集的地方建模为节点，包括 源节点、目的节点和中间节点。节点的容量代表可以容纳的疏散人 口。
具体的数量标准的确定、路段的取舍、节点所代表的范围的界定、 初始人口数据的获取与建模等等规则，需要对实际区域进行分析和细 致的探讨，这里不深入讨论。
疏散路径规划问题的网络模型描述：
N8 3 N8(0)-N11(3)-N14(5) 5
N1(0)-N3(1)-N4(4)-N6(8)-
N1wk.baidu.com3
N10(13)-N13(14)
14
N1(0)-N3(2)-N4(5)-N6(9)-
N1 3
N10(14)-N13(15)
15
N1(0)-N3(1)-N5(4)-N7(8)-
N1 1
N11(13)-N14(15)
输入： 输出：
我做过的研究工作：
➢实现CCRP算法细节。 ➢用不同的启发规则来改进CCRP算法。
国际上相关学术会议主要有：
➢国际人群安全工程会议（International conference on engineering for crowd safety）
➢人群疏散动态学会议（Conference on Pedestrian and Evacuation Dynamics ), 简称PED。
路网疏散路径规划 的求解方法
曾麦脉
人口应急疏散的两种研究方法：
1. 基于微观仿真模型的方法
对单个人或者是交通工具的行为进行建模仿真来反映整个疏散 的状态过程。
特点是体现个体特性，体现个体与周围环境之间的相互作用， 计算量大，计算结果受到驱动个体行为的算法和程序的影响。主要 用于建筑物内的疏散。
优化目标： 最小化疏散所需的时间。
限制条件： (1) 在任何时刻，疏散者所在的路径上必须满
足节点和边的容量限制； (2) 节点和边遵守先入先出的原则； (3) 有限的计算机计算能力和内存资源。
一个例子：
N4,8 (3,3) (5,4)
N6,10
N1,50 (10)
(7,1)
N3,30 (3,3)
(7,1)
2. 基于网络流的方法
把疏散队伍抽象为流，将问题建模为节点和边带容量限制的网 络模型。从而将问题转化为网络流领域的研究。 主要用于区域范 围内的人口疏散问题研究。
本讲的疏散路径规划就是采用第二种方法，将交 通流建模为网络流问题来求解疏散问题。目标是在 尽可能短的时间内将人员疏散出去。
建模方式：
边的建模：将路段建模为网络上的边，道路的宽度特性建模为边 上的容量，通过路段所需的时间建模为通过时间。
N2,50 (5)
N5,6 (3,4)
N7,8
(5,5)
(14,4) N9,25 (6,4)
N13
(8,1) N10, 30
(6,4) (6,3)
N8,65 (3,3) (15)
(6,4)
(3,5) N11,8
(3,2)
N12, (3,3) 18
N14
(max capacity, travel time)
将最小费用流问题应用到时间扩充图时，单位流量的费用 c 是i j 分段函数。
最小费用流的求解算法：
1. 多项式时间算法（Polynomial Algorithms）
(1) Geometric improvement approach (2) Scaling approach (3) Dynamic programming approach (动态规划) (4) Binary search
2. 网络简化算法（Network Simplex Algorithms） 在初始生成树的基础上不断改进生成树结构直到最优。
CCRP 算法：
CCRP： Capacity constrained routing planning
来源于：
Department of Computer Science, University of Minnesota (美国明尼苏达州大学计算机科学系) 。 该系长期致力于大规模人口疏散规划的研究，有美国军 队高性能计算研究中心和NASA的研究课题。从2003年 至今，发表过一些有延续性的研究论文。
2. 启发式算法
如：CCRP算法。它不能保证得出的是最优解，却能够在次优 解的前提下获得计算性能上改善。
时间扩充图(Time expended Graph)的例子：
最小费用流问题(Minimum cost flow theory)：
Minimize
cij xij
( i , j ) A
Subject to
包括已知条件、解的表达、优化目标和限制条件 四个部分。
已知条件： 在一个由节点和边组成的有向网络上，已知：
(1) 节点和边上的容量限制； (2) 边上的通过时间； (3) 待疏散人口的数量及其他们所在的源节点； (4) 疏散的目的地节点。
解的表达： 疏散路径规划结果的表达包括一系列的条目，每
个条目包括一条从源节点到目的地节点的路径、到 达路径上各个节点的时间、本次通过这条路径的人 口数量。
(node id, max capacity (initial occupancy))
source destination
一种可行解：
疏
到
源散
路径规划
达
节 数 节点ID（到达时间）-节 时
点 目 点ID（到达时间）- … 间
N8 6 N8(0)-N10(3)-N13(4) 4
N8 6 N8(1)-N10(4)-N13(5) 5
xij
x b ji i for all i N
(j:(i,j)A)
(j:(j,i)A)
其中： c ij
u ij
bi
0 xij uij
for all (i, j) A
代表每单位流的费用
代表从i到j的容量上限
代表节点i的网络流。如果 b i >0，说明是源节点，如果b i <0， 说明是目的节点；如果 b i =0，说明是中间的转运节点。
15
N2(0)-N3(1)-N5(4)-N7(8)-
N2 2
N11(13)-N14(15)
15
N2(0)-N3(3)-N4(6)N2 3 N6(10)-N10(15)-N13(16) 16
求解以上疏散路径规划的两类方法：
1. 线性规划方法
需要借助时间扩充图将时间过程规避掉，转化为最小代价流 问题(Minimum cost flow theory)。由于计算量过大，主要用 于小型网络，如小型建筑物内的疏散。
节点的建模：将有一定量疏散人口聚集的地方建模为节点，包括 源节点、目的节点和中间节点。节点的容量代表可以容纳的疏散人 口。
具体的数量标准的确定、路段的取舍、节点所代表的范围的界定、 初始人口数据的获取与建模等等规则，需要对实际区域进行分析和细 致的探讨，这里不深入讨论。
疏散路径规划问题的网络模型描述：
N8 3 N8(0)-N11(3)-N14(5) 5
N1(0)-N3(1)-N4(4)-N6(8)-
N1wk.baidu.com3
N10(13)-N13(14)
14
N1(0)-N3(2)-N4(5)-N6(9)-
N1 3
N10(14)-N13(15)
15
N1(0)-N3(1)-N5(4)-N7(8)-
N1 1
N11(13)-N14(15)
输入： 输出：
我做过的研究工作：
➢实现CCRP算法细节。 ➢用不同的启发规则来改进CCRP算法。
国际上相关学术会议主要有：
➢国际人群安全工程会议（International conference on engineering for crowd safety）
➢人群疏散动态学会议（Conference on Pedestrian and Evacuation Dynamics ), 简称PED。