59、体育场馆疏散与人才培养相关研究

体育场馆疏散与人才培养相关研究

一、体育场疏散路线分配的异构并行算法

在大型或人口密集的公共区域，紧急疏散是当前的研究热点和关键问题。其主要目的是在尽可能短的时间内将大量人员从危险区域疏散到安全区域。然而，当前的疏散路线分配算法复杂度高，生成有效的多标准路线分配计划往往需要数分钟甚至数小时，这严重限制了其实际应用。

为了解决这个问题，研究人员提出了多种算法。Li等人提出了三目标遗传算法，但这是一个顺序单线程算法，难以同时处理60,000名疏散人员。Liu等人提出了细粒度并行遗传算法，提高了时间效率和搜索能力，但疏散图上数万名疏散人员的单步移动的并发多线程计算过程并不完全适合CPU的多核架构。

CUDA是一个专门用于快速解决大规模数据并行问题的并行集成平台，它可以利用图形处理单元（GPU）的强大功能，显著加速长时间的可并行计算过程。基于此，本文引入了一种异构并行遗传算法（HPMOGA），利用多核CPU和多核GPU的能力，解决多目标体育场疏散路线选择问题。

1. 异构并行模型
   • 根据并行粒度，将疏散路线分配算法的操作分为两个级别：
     • 进化级别（CPU） ：包括染色体交叉、变异和全局选择等逻辑密集型操作。
     • 评估级别（GPU） ：处理疏散人员的单步移动（大量疏散人员的加法/乘法运算），这是数据密集型操作，适合CUDA的单指令多线程（SIMT）架构。
   • 这种两级任务分配的动机是，单一路线分配计划