基于组织行为学的粒子群算法分析及在人群疏散中的应用研究

For effectively solving the engineering application problems with social characteristics, for example, crowd evacuation, it is necessary to seek the methods not only in view of the engineering but also the applying sociology. In the past, researches carried out numerals studies from the perspectives of organizational behavior and particle swarm optimization respectively to receive comprehension about the influence of individual, group and organizational structure on the behaviors of internal organization. But a lack of uniform is a problem between organizational behavior and particle swarm optimization. The methods for solving those problems with social characteristics will be sought in the project based on both the organizational behavior and particle swarm optimization. The realization process is described as follows: the correspondence relationships between the organizational behavior and particle swarm algorithm are researched firstly to obtain their mathematical description; secondly, based on the research of the individual parameters, structure setting and group decision-making of the proposed method, the estimation method is proposed to achieve the suitable parameters; finally, the proposed method is applied to solve the crowd evacuation problems to evaluate its performance. The research results will provide a new mentality to combine the organizational behavior and particle swarm algorithm for expanding as well as broadening their scope of application in the future.

针对具有社会学特征的工程应用问题（如人群疏散问题），需从工程学和应用社会学角度寻求行之有效的方法去探讨个体、群体以及结构对组织内部行为的影响。目前，粒子群算法和组织行为学分别从不同角度对这种影响进行了相关研究，但两者缺乏有效的统一。为此，本项目将把组织行为学和粒子群算法有机结合，以获得具有社会学特征的工程应用问题的可行解决方法。具体实现过程描述如下:首先研究组织行为学和粒子群算法的特征对应关系，进而对该特征关系进行数学化描述；然后研究基于组织行为学的粒子群算法的个体参数、结构设置和群体决策策略对算法性能的影响，提出适合的参数估计方法；最后研究基于组织行为学的粒子群算法在人群疏散问题中的应用。研究成果预期为组织行为学和粒子群算法提供相互借鉴相互解释的一种全新思路，同时拓展和深化组织行为学和群体优化算法的应用领域。

组织行为学是在组织管理的实践中来解释组织中人的行为，它探讨个体、群体以及结构对组织内部行为的影响，本项目基于组织行为学对个体、群体和组织的研究成果，采用全新的理论视角研究个体、群体以及组织结构对粒子群算法性能的影响，借鉴组织行为学的个体人格模型，将外倾性、随和性和经验开放性三个维度引入粒子群算法的个体特性的研究中；将组织行为学的群体发展五阶段模型和群体发展间断-平衡模型引入粒子群算法的群体特性的研究中；将组织行为学的官僚结构、团队结构和矩阵结构的组织设计形式引入粒子群算法的群体结构的研究中；将组织行为学的互动群体、头脑风暴和名义小组技术的群体决策技术引入粒子群算法的移动决策中，系统地分析组织行为学与粒子群算法可相互参考、相互模拟的技术点；利用实验数据的统计分析，研究各技术点对粒子群算法性能的影响，并探索具有组织行为学的粒子群算法在人群疏散中的应用。在此基础上，开展了基于无线传感智能机器人的群体行为研究，基于仿生学原理，依据自然界中的蜘蛛为基本原型和基本的运动形态设计出两种仿生机器人，并通过多个机器人来模拟群体行为，让多个机器人相互信息的交流拼成不同的图形，或是在比较复杂的环境中群体机器人一起选择最佳的行走路线。最后，联合美国休斯敦大学（University of Houston）和中国科学院深圳先进技术研究院的研究人员，开展了磁共振导航技术(MRN)应用研究，设计了血管网络中机器人智能体的强化学习机制，实现了微纳机器人的路径规划算法。. 本项目共发表学术论文13篇，由科学出版社出版学术专著一部，获得专利2项，申请软件著作3项，其中获得软件著作权2项，参加了4次学术会议，获得一项科研奖励，培养了15名本科生。本项目的研究成果对粒子群算法的研究提供很好地社会学解释和借鉴作用，同时也为组织行为学和粒子群算法相互借鉴相互解释提供了一种全新思路，拓展和深化了组织行为学和群体优化算法的应用领域。