编辑推荐：
在建筑内进行管道布线时，互危管道必须通过安全间隙隔离以防危险，而友好管道应捆绑以节约施工与维护成本。这两个目标相互冲突。传统蚁群优化（ant colony optimization, ACO）管道布线方法侧重寻找更短和更少弯折的管道路径，无法同时实现二者。本文
在建筑内进行管道布线时，互危管道必须通过安全间隙隔离以防危险，而友好管道应捆绑以节约施工与维护成本。这两个目标相互冲突。传统蚁群优化（ant colony optimization, ACO）管道布线方法侧重寻找更短和更少弯折的管道路径，无法同时实现二者。本文提出一种创新ACO管道布线方法以解决此问题。首先，所提方法将蚂蚁分组，每个蚂蚁群负责布置单一类型管道；一个蚂蚁群分泌的信息素对其他蚂蚁群具有吸引、中性或排斥作用。其次，蚂蚁在搜索管道路径时除在路径轨迹中释放信息素外，还在其已构建的管道中沉积信息素。第三，这些信息素保留在已完成管道中并向周边区域扩散，在后续布线计算中吸引友好蚂蚁并驱避互危蚂蚁。结果，由友好蚂蚁群布置的管道趋于聚类，而由互危蚂蚁群布设的管道由安全间隙分隔。
研究背景与问题：管道是现代建筑中输送气体、水、空气、废弃物和电力的必要构件，属于机械电子与管道（Mechanical Electronic and Plumbing, MEP）系统，须在建筑施工前规划；管道亦用于工厂、车辆、社区和钻井平台等。管道布线通常建模为图算法中的路径发现问题，基本功能包括连接终端、优化长度与弯头数量、在不违反安全法规下布置管道并以尽量小计算成本完成布线；成功布线还要求便于施工维护、路径受限于指定区域、充分利用管道空间并避免与障碍物和设施碰撞。确定性方法在简单问题中可产生最优结果，如Dijkstra方法用于单源多目标布管，但多管布线优化为NP-hard，故ACO等非确定性算法在复杂环境中布置多管较流行。传统ACO布线中，蚂蚁沿路径释放信息素以吸引同伴，较短路径因蒸发少和奖励多而形成正反馈并收敛到较优路径。然而，传统ACO侧重短且少弯路径，可能无法聚类管道，导致更多管架和施工成本增加；若将信息素从蚂蚁轨迹扩散到周边以促使捆绑，在普通图编码中难以实现。另一方面，捆绑管道可能造成危险，如电气管线邻近燃气管道不安全；传统ACO不保证互危管道间足够间隙，若用信息素扩散聚类则问题更严重；特殊成本函数惩罚聚类互危管道难以证明或预测效果，安全缓冲策略又降低空间利用并可能使布线失败。因此，管道聚类存在两难：降低施工维护费用但带来潜在危险。本文提出创新ACO方法解决该两难。
研究人员开展的研究与意义：所提方法将蚂蚁分组，每组负责一类管道；不同组产生不同信息素，对同组吸引，对其他组可吸引、中性或排斥；蚂蚁在已构建管道中沉积信息素，这些信息素保留在完成管道中并向邻域扩散，以在后续计算中吸引友好蚂蚁和驱避互危蚂蚁；工作空间划分为三维体素（voxel，三维晶格的最小单元）晶格，信息素在体素中释放、沉积和扩散；推导特殊概率函数，综合考虑信息素强度、信息素类型和启发信息以引导管道方向选择。晶格编码使蚂蚁可探索全部可用空间，提高空间利用率，并使信息素扩散更易实现；吸引与排斥信息素促使友好蚂蚁捆绑管道、迫使互危蚂蚁分离管道。该研究发明用于选择管道方向的概率函数，不仅利用信息素密度，还利用吸引与排斥关系产生安全间隙并聚类管道；信息素扩散机制触发蚁群间合作与竞争，从而同时实现冲突与一致目标。
关键技术方法（不超过250字）：工作空间采用两级结构：顶层图记录楼板连通性，底层将各楼板划分为体素晶格，体素按6连接或26连接（本工作使用），并存储可用标志、信息素强度与类型。管道按粗管先、多分支优先、长管先调度，多分支管先布最长分支。信息素场以体素沉积，设置τ
min=0.1、τ
max=1.0，按挥发系数ρ=0.8和额外信息素Δτ=0.3更新，奖励最优k条路径。完成管道后以膨胀算子（dilation operator）构造独占区，并按扩散距离将信息素从独占区扩散至自由体素，多个管道扩散时取最大贡献者并继承其类型。信息素矩阵（pheromone matrix）以R
m,n=1、0、?1记录吸引、中性、排斥关系。方向选择概率函数含信息素强度、启发项及缩放因子c
j=1+R
m,nτ
j；启发项由体素边长和转角惩罚构成。
研究结果：
4.1 三板块房屋：在两个程序中布置电气管与燃气管并比较最近距离、成本函数和计算成本；所提程序因排斥信息素保证管间安全间隙，传统程序两管过近；所提程序以更高计算成本和更大成本函数实现目标，传统程序收敛更快且成本函数更小。
4.2 两层房屋：在两程序中布置通风、燃气、水和电四类管，比较路径、成本、时间和安全状态；两程序均连接终端，所提程序使通风与燃气捆绑、电与水和燃气保持安全距离，传统程序电与燃气聚类而未保持安全距离；数据表明传统成本函数通常高于所提但差异不一致，所提路由时间除燃气管外优于传统；原先预测所提成本更高不正确，排斥信息素迫使电气管蚂蚁探索剩余空间并找到更好路径，水管的蚂蚁对通风和燃气信息素中性而探索更广；吸引与排斥信息素缩小搜索空间、减少偏离并加快收敛，故计算复杂度更高但不总消耗更多资源。
4.3 带开口工厂：在有窗门开口、空间不规则的工厂模型中布置四类多分支管（通风管除外），安全间隙10 cm；所提程序成功连接终端，电气管与燃气、水管保持安全距离，通风管与其他友好管部分聚类；传统程序电气管与水管和燃气管过近，违反安全要求；所提程序花费更多计算且成本函数更高，电气管为主要贡献者，原因包括其搜索空间被水和燃气管缩小、开口使剩余自由空间更小且不规则、电气管终端更多。
5.1 实验设置：随机实验每案例重复30次，每管迭代400次，蚁群规模80，安全间隙d=15 cm，聚类距离2 cm，α=β=1.5，维护距离s=0，体素1×1×1 cm且6连接；随机化包括管道随机调度、终端随机布置、奖励最优10条路径；建立两房间房屋模型。
5.2.1 视觉比较：测试1布置三个电气管，所提程序由吸引信息素和扩散机制将大部分管道安排在后板并聚类，传统程序虽聚类两管但路径更分散；测试2布置三条燃气和三条电气管，所提程序将同类型管聚类且产生互危管安全间隙，传统程序不捆绑且路径分散。
5.2.2 管道聚类与安全间隙统计比较：每测试30次，统计ACI(W)、平均管间距离、平均成本函数及无违反安全规则运行数；所提方法两测试ACI均超过0.4，传统经验通常低于30%，传统在第一测试ACI超过0.3并视觉验证部分聚类；所提方法降低平均距离并在每次运行产生安全间隙，传统多数运行失败；不考虑聚类和安全间隙时传统成本函数更小。
5.3.1 所提方法成本函数：重复第4节案例30次并随机终端和调度，统计成功布线比例、成本均值、标准差、95%置信区间和安全布线比例；所提程序成本不一定劣于传统，在两层和工厂案例中甚至均值更优、标准差更小；工厂两次失败由电气管引起，其多分支且与燃气和水互危，若最后布设可能无法安排安全路径；成功时总产生安全间隙，传统多数不遵守。
5.3.2 互危管道间安全状态：列出互危管对最小距离和危险比；所提程序总保持安全距离，最小距离15—25 cm，危险比0；传统程序最小距离可缩至1 cm，大多数运行产生危险。
5.3.3 关键因素影响：增加迭代次数改善平均成本但边际收益有限且路由成本增加；蚁群规模20、40、80时，规模加倍可线性降低平均成本但增加计算成本，平均布线时间与规模关系波动；α和β基线1.5、1.5产生最佳平均成本，改动会增加成本且增量不一致，两层可增超22%，改动不总增时间，最优值依案例而定并需未来系统研究；两层穷举24种调度×10次，所提调度平均性能居前5，调度对成本影响不显著（最好与最差差小于3.8%），其重要性在于可导致失败，通风管体积大且终端相距远时可致失败，工厂长且多分支电气管若最后布设也可致失败。
讨论部分总结：所提方法通过分组蚂蚁、赋予信息素类型、建立蚁群间吸引关系、将完成管道信息素扩散至自由空间，使蚁群搜索空间共享或分离，从而同时捆绑友好管道和隔离互危管道。与多蚁群ACO和信息素扩散研究相比，本文中蚁群既有合作也有竞争；其他多蚁群通常同类型信息素且相互合作，本文利用不同类型信息素和排斥关系产生安全间隙；本文从完成管道而非搜索轨迹扩散信息素，可保留先前布线结果；排斥信息素在其他ACO中少见，但现实研究提供理论基础。实验表明所提方法不一定消耗更多计算资源或产生更高成本，性能受管系统输入参数、调度和工作空间复杂度影响；多管布线为NP-hard，含安全规则更难，顺序布线受调度影响，并行多蚁群ACO具学术价值且可避免调度影响。该方法可扩展至具有复杂约束和多目标的优化问题，蚁群目标一致时合作、冲突时竞争，吸引、中性和排斥信息素策略可扩展多蚁群ACO能力。
研究结论翻译：所提ACO管道布线方法将蚂蚁分为不同组，并在蚁群间建立信息素吸引/排斥关系，使蚁群可通过竞争或合作完成布线任务。工作空间用三维体素晶格表示，蚂蚁可充分探索工作空间并绕过障碍。所提方法在体素中保存信息素强度和信息素类型；每个寻路步骤由体素的信息素强度和信息素类型决定管道方向，同时考虑当前体素与邻居之间的距离和转角，从而减少管道长度和弯头。所提方法采用膨胀算子将信息素从完成管道扩散至邻近区域，以避免碰撞、吸引友好蚂蚁并排斥互危蚂蚁。借助该信息素扩散机制，所提方法能够同时满足安全法规并聚类管道。实验结果显示，布管成本主要受工作空间几何复杂度、管道调度、管系统输入参数和蚁群参数影响，但这些因素变化带来的收益与代价依案例而定；实验结果还显示，信息素吸引关系和信息素扩散机制使蚁群能够同时实现一致和冲突目标，且使用这些策略并不总是降低计算效率。在多目标优化问题中，目标间可能存在一致和冲突利益；信息素吸引关系和信息素扩散机制可扩展用于处理多目标优化问题。
