多出口场景下考虑动态出口选择的人员疏散

为使多出口场景下人员疏散情况与实际更吻合,基于元胞自动机(CA)建立考虑更换目标出口的动态出口选择模型。综合考虑行人到出口的距离和出口前的拥挤程度对其选择的影响;通过选择模糊度和出口保持率来模拟行人选择出口的犹豫和随机性;再根据疏散环境的变化计算各出口被选择概率,更新行人的目标出口。比较动态出口选择策略与静态出口选择策略的差异。结果表明:动态出口选择策略有低密度无效和高密度有效2个阶段,且在高密度下选择模糊度小更利于疏散。出口保持率的增加能否提高疏散效率与选择模糊度有关。出口区域半径的增加在一定程度上能降低疏散时间。与静态出口选择策略相比,该策略可以提高出口利用率,缓解各出口密度不平衡程度,提高疏散效率。

模糊SVM在股市预测中的算法研究与应用

针对现有模糊支持向量机(SVM)使用中直接选择模糊隶属度存在的不足,本文提出了一种对模糊隶属度进行优化的新方法。该方法通过选取曲率变化大、形式简单的幂函数作为候选隶属度函数,并采用格子搜索法寻找最优参数,从而可以确定出最优模糊隶属度。仿真实验表明:在利用模糊SVM训练时间序列数据集时,采用本文方法确定最优模糊隶属度,比目前常用选择模糊隶属度的方法效果好。