随着社会经济的提升,一系列人员密集室内场所应运而生。这些室内场所的产生填补了大众对物质生活的多元化需求,丰富了国民的精神文化生活,但有好的一面也会产生坏的一面,室内场所发生的各类的灾害给人们带来了一定的安全隐患。特别是出现了突发事件,时常就会造成大量人员伤亡,这导致人们的安全面临着严峻的挑战。但至今,对疏散规律的研究依然存在很多难题待解决,对疏散规律的数学描述太过抽象。如何有效的疏散人群是一个非常重要且极具实际意义的研究课题。本文采用Agent模型模拟疏散过程中的人员,重点讨论逃生个体在行为和心理上的特点,建立基于Agent的疏散模型,同时在该模型的基础上利用群智能算法来优化和指导人员疏散决策,提高疏散效率。主要工作如下所示:1)建立了基于Agent的疏散仿真模型,该模型首先对疏散场景进行构建,对现有的场景进行模拟,根据基于Agent的疏散模型的特点,对Agent个体进行差异化构建,定义了个人的一些生理与心理上的特点。根据这些特点,构建疏散逃生行为,不同个体的属性决定逃生行为的不同,创建行为模型。模型里根据行为的不同,个体在逃生时路径选择和方法都有不同,通过路径优化了整体的逃生时间。2)考虑到个体在逃生中的速度并不是恒定的,个体的心理因素将会影响的逃生者的逃生速度。利用社会情感优化算法(SEOA)对应个体的恐慌、协作和从众心理状况的不同,对个体的逃生速度进行优化。从而优化了整体的逃生速度,使得整个逃生的效率得到有效的提高。3)在提出的改进的疏散模型上,进行了疏散模拟系统对室内疏散空间进行了疏散模拟实验。通过实验,让改进的疏散模型与基于传统的最短路径的疏散策略进行对比,分析结果不论是在疏散时间和疏散路径上都得到有效的优化,提高疏散过程的疏散效率。最后,利用应用程序QT Creator建立一个基本的静态的可视化的疏散系统。本文在Agent疏散模型的基础上分析了会影响整个疏散过程的行人的个人行为与个人的心理情况,设计基于Agent的室内疏散模型,利用社会情感算法为人员在疏散过程中优化个体的逃生速度,最后进行疏散模拟实验对比,展示该模型及使用算法后的有效性。