建筑火灾是造成直接经济损失和人员伤亡最严重的火灾类型。现代建筑的复杂性与综合性，给人员高效疏散带来了新的挑战。蚁群算法是具有良好启发机制的演化算法，具有较强的鲁棒性、并行性和易于结合性，能适应大规模人员疏散问题复杂灵活的需求和目标，并且较容易收敛到问题的最优解。本文研究了火灾中影响人员疏散时间的各类因素，将火场的动态参数引入到蚁群算法中，改进了算法的选择策略和信息素更新策略，将改进的自适应蚁群算法应用于火灾安全疏散路径的动态优化中，提高了最优路径的质量和路径的搜索速度。取得的主要成果有：（1）研究火场环境对疏散人员的影响因素，确定不同路况通道、火场温度、有毒有害气体、能见度对人员疏散速度影响的量化方法，计算通道通行的难易系数，人员活动性指数，确定不同时况下疏散通道的当量长度的计量方法。（2）用当量长度代替几何长度改进启发函数，优化人员转移策略；通过信息素挥发因子的自适应调整来改进信息素更新策略，提高了算法的收敛速度以及最优解的全局搜索能力。（3）通过栅格标识法建立建筑的空间网格模型，并定义和描述建筑空间网络节点和疏散通道静态属性和动态属性；在30*30的栅格环境中对改进自适应蚁群算法的参数进行仿真测试，配置了最优的参数组合；建立不同出口数量、不同规模的静态空间环境，并用所得参数组合进行仿真分析，仿真实验表明不同规模的算例适用的参数配置是不一样的，需要重新进行仿真测试来配置参数。（4）构建不同时况下的三个火灾场景，给定不同的火场参数，对这三个时况下的火灾场景进行动态仿真模拟，结果表明，最优疏散路径随火情的发展而动态变化：即随着火情的发展，其产物对人员疏散速度的影响越来越大，疏散的当量长度也随之变化，因此，算法输出的最优疏散路径也随着当量长度的变化而变化。本文通过引入火灾动态参数对蚁群算法进行改进，建立火灾疏散路径优化算法，并通过仿真模拟，验证了算法的有效性。