伴随着船舶的大型化,船舶内部结构更加复杂,船上搭乘人员数量增多,使紧急情况下的大规模人员疏散问题越发突出。由于船舶人员密度大且通道狭窄,当遇到紧急状况需要人员疏散时,往往会出现人员阻塞踩踏现象,严重威胁了船上人员的安全,因此船舶人员疏散路径优化问题有巨大的科研价值与工程意义。目前,人员疏散路径优化研究分为两个方面:即路径优化与人员运动仿真。智能优化算法与人员运动仿真模型为解决人员路径优化问题提供了有效的方法。智能优化算法能够得出最优路径,但在船舶人员疏散过程中,由于拥挤阻塞和人员滞留等现象不可避免,仅使用蚁群算法得出的结果不能体现阻塞等现象对人员疏散效率的降低效应。人员运动仿真模型模拟的结果为人员随机疏散的结果,并不能根据优化目标进行优化,只有将两者结合才能够对船舶大规模人员疏散路径优化进行研究。由此,本文将提出的ACO-S算法改进与人员运动仿真模型相结合CA-ACO(Cellular Automata-ant colony optimization)算法。通过各种算法的比较,最终选择蚁群算法并将其改进从而提出了 ACO-S算法。将ACO-S算法改进作为CA-ACO的智能优化算法。同时提出了加入视野拓宽与Kirchner “地面场”的CAOS (Cellular Automaton on ship-design)模型。CAOS模型最为CA-ACO的仿真部分。CA-ACO模型将船舶甲板均匀划分成网格,将人员的初始位置、人流分流、人流汇流的位置设置为节点。用智能优化算法确定人员宏观运动方向,用人员运动仿真模型模拟节点以及将节点相连的通道范围内的人员微观运动状态。通过该模型最终得出耗时最短的人员疏散路径与人员疏散过程中发生阻塞的位置。船舶设计者可以根据该模型的计算结果制定人员疏散方案,也可以在初始设计阶段为设计者提供舱室布置/总布置设计的意见。