基于A*-PSO融合算法的智能变电站复杂场景下实时疏散路径动态重构研究

（编辑推荐）本研究创新性地将A算法的高效路径搜索能力与粒子群优化(PSO)算法的全局寻优特性相结合，提出A-PSO融合算法解决智能变电站动态灾害场景下的实时路径规划难题。实验表明，该算法路径优化率提升18.3%（平均缩短至35.7?m），计算耗时降低22.5%（达0.15?s），实时重规划成功率高达96.2%，为高复杂度安全敏感设施应急系统提供了突破性技术方案。

　　

Highlight

在智能变电站典型复杂耦合空间中，本研究聚焦疏散路径实时重规划核心问题，深入探讨A*算法高效结构化空间搜索能力与PSO算法全局并行探索特性的互补潜力，旨在通过创新算法融合框架弥合当前技术路径面对高动态性、非线性复杂环境时的核心能力断层。

Principle of Aalgorithm*

A*算法作为结合Dijkstra算法与最佳优先搜索特性的启发式路径规划算法，其独特优势在于启发函数设计：通过成本函数f(n)=g(n)+h(n)引导搜索朝向目标方向，在保证路径最短性的同时显著降低计算量。

Design of A-PSO fusion algorithm*

研究采用A算法作为路径搜索核心框架，利用其启发信息快速锁定近似路径范围，并在该范围内嵌套PSO算法，通过粒子群优化能力精细化调整路径。这种融合机制使两种算法优势协同——A的导向性搜索与PSO的群体智能优化形成互补，最终生成兼具全局最优性和实时响应能力的动态路径。

Experiment and results analysis

实验数据显示，A-PSO融合算法路径长度较Dijkstra算法平均缩短8.3%，较蚁群算法缩短5.7%；计算耗时分别减少32.1%和41.5%。该优势源于算法融合产生的协同效应：A快速生成初始解为PSO提供优质搜索空间，而PSO通过群体迭代消除A*可能陷入的局部最优陷阱。

Conclusion

针对智能变电站复杂场景中动态灾害演变对人员疏散安全的严峻挑战，本研究实现的A*-PSO融合实时路径重规划策略，通过动态栅格地图构建环境模型，有效应对设备故障、突发火源等导致的拓扑突变，验证了算法在毫秒级响应、全局优化和动态适应性方面的卓越性能。