基于蚁群遗传算法的电梯群控多目标优化的研究

发布时间：2017-05-15 20:47

摘 要

随着现在社会的进步，人们的对生活品质问题也有越来越高的要求，作为电梯服务，一部电梯现在已经不能满足人们的需求了，由此又出现了多个电梯同时使用，也就形成了电梯控制体系。控制体系有很多优势，包括有效疏通运输客流量，降低阻塞系数，也就因此受到了极大的关注，遗憾的是在中国国内的电梯种类和控制体系大多数都是国外进口的。所以我国想要开发研究电梯以及电梯控制体系就必须大力发展相关产业并积极创新。
控制计算是电梯控制体系的中心，国内许多电梯专业者都对于这种计算有着一定的研究并提出相应的解决措施，当然有好有坏。在该论文中是把蚁群遗传算法与电梯计算融合在一起进行研究。蚁群遗传算法是这些年才开发研究出的最新计算方法，计算过程是通过计算相应组件进行组解来获取最佳答案。计算技巧是通过将正回馈和负回馈相结合再进行优质计算得出准确答案，并且同时保持在正确数值范围内，这种计算方法是很符合那种有很多目标、不稳定性等问题的电梯控制项目上。
因为这种计算方法的解决目标主要是利用看图进行计算。在该论文中我们研发出一种结合呼唤讯号和电梯组合的模块。对电梯控制体系问题进行非具体性研究，把电梯相关问题进行调转变换形成最佳符合模型。电梯控制体系最主要是要进行配置优化更新问题，，在该论文中最主要的优化问题是使用者的乘坐时间和等待时间，空间设置和体系进行运作能量耗损问题。把想进行的优化措施进行整合成一个数值，把它作为具体数值进行操作。利用蚁群遗传算法手法进行优化，获取最棒的计算结果，形成最佳计算方案。本文开展电梯群控系统中的算法研究。在电梯的群控调度算法上引入了遗传算法，利用遗传算法对客流交通模式及派梯规则进行优化，实现电梯调度规则的进化，以适应环境的变化。
该论文在Matlab环境下进行控制体系的各个选项的拟真操作。把进行拟真得出的结论和另外几个电梯体系计算方法进行了简单的质量比对，通过比对，我们得知了蚁群遗传算法手法是具有很大的优势。具体进行改善蚁群遗传算法方法在调整电梯性能方面问题的遗留问题，并通过对这些遗留问题进行整合，提出具体的解决方案：利用动态相加的方案寻找最佳相加机会进行整合；利用预测手法对蚁群遗传算法方法的大小值进行检测。在进行这些更改之后，可以把遗传计算方法和蚁群遗传算法方法有效的融合在一起，发挥各自的长处，更好的为电梯的相关性能进行调整解决。
该论文不但把蚁群遗传算法方法放在电梯性能问题上进行研究，更是为以后的多方面应用打下了良好的基础。对该论文中提出的多方向调研的整合方法和模板思想，是可以将蚁群遗传算法方法的使用区域进行放大，例如经济调配情况、课表排列情况和水电等具体应用情况等多方向调研的情况上。
关键词：电梯群控；蚁群算法；遗传算法；二部图；多目标优化 
 
ABSTRACT

With the prevalence of intelligent buildings, elevator has become more and moreimportant as the rilain conveyance between floors. More attention is paid to the highperformance of elevator system. In this paper, the reseaich on the intelligent algorithm for elevator group control is presented. The multilayer framework ofcommunication and the reliable control strategies are adopted in this novel system,which is based on the embedded microprocessor. The main content of the iesearchare as the followings.
Group control algorithms of elevator group control system is the core, although experts and scholars at home and abroad on this issue have proposed a variety of solutions, but they all have their advantages and disadvantages. This combination of the Ant Colony algorithm and elevator group control problems. Ant Colony algorithm is more than 10 years to bring a new kind of evolutionary algorithms, through the Group of candidate solutions evolved to seek optimal solutions. Through positive feedback and negative feedback mechanisms to enable algorithm in the optimal direction and keep the search scope to avoid stagnation, Ant Colony algorithm suitable for use in a multi-objective elevator group control, nonlinear and uncertain issues.
Due to the application of Ant Colony algorithm to solve the problem, need to be able to use the graph to describe. Based on research in this paper call signal and the bipartite model of elevator group. Abstract the problem of elevator group control will solve the problem of elevator group control to find a maximum matching in bipartite graphs. Elevator group control problems which are multi-objective optimization problem, we set the target waiting time for passengers, riding time, congestion and energy consumption of elevator system. Through a combination of weighted combinations for a function, the function set as weighted for bipartite graph edge set. By Ant Colony algorithm for bipartite graphs best match search, using Ant Colony algorithm generates optimal dispatch plan.
Group control system is based on the simulation under Matlab environment all aspects of elevator group control algorithm based on Ant Colony algorithm for simulation. Simulation results and other adjustable ladder algorithm performance comparison, verify the application of Ant Colony algorithm in elevator group control problems (especially when the traffic-intensive) superiority. Focuses on hybrid algorithm of Ant Colony Optimization, genetic and traditional enough, to solve these problems made a number of improvements: dynamic integration policy was introduced to ensure the best fusion of two time; the introduction of grey prediction model to estimate the maximum and minimum pheromone of Ant Colony algorithm and bound. Through these improvements, making the dynamics of genetic algorithm and Ant Colony algorithm to better together, give full play to their respective advantages and for solving the problem of elevator group control more effectively. Study on algorithm of elevator group control system. Elevator group control dispatching algorithm genetic algorithm is introduced on using genetic algorithms to optimize traffic patterns and dispatch rules, lift scheduling rules of evolution, to changes in the environment.
This article not only study the application of Ant Colony algorithm in elevator group control problems, is more involved in this type of multi-objective optimization of Ant Colony algorithm provides an important opportunity. Identified in this paper the application of multiobjective optimization method and model of bipartite graphs, you can expand the scope of application of Ant Colony algorithm, such as economic scheduling, timetabling problem, hydro-electric power on the issue of deployment of multi-objective optimization for a class of.
Keywords: Elevator group control；Ant colony genetic algorithm；Genetic algorithm ；Bipartite graph；Multi-Objective optimization
 
目    录

目    录 1
第一章 绪论 1
1.1 研究与背景与意义 1
1.2 国内外研究现状 2
1.2.1 国外研究现状 2
1.2.2 国内研究现状 4
1.3 问题的提出 5
1.4 本文研究内容 6
第二章 相关算法概述 8
2.1 蚁群算法 8
2.1.1 蚁群算法的基本原理 8
2.1.2 蚁群算法的数学描述 9
2.1.3 蚁群算法的实验分析和参数选择原则 11
2.1.4 蚁群算法用于求解电梯群控问题 17
2.1.5 蚁群算法的优缺点 18
2.2 遗传算法 20
2.2.1 遗传算法的基本原理 20
2.2.2 遗传算法的基本模型 21
2.2.4 遗传算法的优缺点 22
2.3 电梯群控调度算法 24
2.3.1 TSP问题 24
2.3.2 电梯群控的多目标优化 26
2.3.3 电梯的交通模式 27
2.3.4 电梯群控性能指标评价函数 28
第三章 基于蚁群遗传算法的电梯群控制器设计 34
3.1 电梯群控问题分析 34
3.1.1 电梯群控系统多元性分析 34
3.1.2 电梯群控调度方法 35
3.1.3 电梯运行规则分析 35
3.2 电梯群控多目标策略分析 37
3.2.1 多目标优化问题 37
3.2.2 决策变量 38
3.2.3 多目标函数的选择 39
3.2.4 约束条件 42
3.3 基于蚁群遗传算法的电梯群控制算法设计 42
3.3.1 蚁群遗传算法中求解多目标函数 42
3.3.2 蚁群算法中参数α、β、ρ组合对基本蚁群算法性能影响 44
3.3.3 遗传算法优化基本蚁群算法 45
3.3.4 蚁群遗传算法的步骤 46
3.3.4.1 初始化种群 46
3.3.4.2 状态转移规则设置 46
3.3.4.3 交义算子的设计 47
3.3.4.4 算法流程 47
3.3.4.5 算法框架 49
第四章 基于蚁群遗传算法的电梯群控系统设计及仿真 52
4.1 系统软件设计 52
4.1.1 软件开发环境 52
4.1.2 软件总体结构设计 53
4.1.3 功能模块详细设计 55
4.2 系统软件仿真 57
4.2.1 系统仿真实体设计 57
4.2.2 系统仿真界面 58
4.3仿真结果分析 62
第五章 总结与展望 63
参考文献 65
致谢 69
 
第一章 绪论

1.1 研究与背景与意义

随着现代科技技术的不断发展和优化，对于智能技术的运用显然已经到达了一种极为成熟的地步，智能技术已经渗透到了各个行业当中并且已经有了良好地实际应用实例的出现，当然，智能技术在本文的研究对象电梯控制方面也有着相当大的作用。虽说目前的技术手段已经能够将只能技术与电梯管理进行结合但是问题在于由于电梯本身一系列特殊的属性以及复杂的结构，完全实现智能化的派梯还是非常难以实现。
我国目前在电梯使用上普遍存在一些问题，比如在客流低谷段，多台电梯处于空闲状态，而此时如果有某一层的用户进行了电梯的呼唤，那么所有空闲的电梯则都会朝着用户所在的层运行，这样就导致了很多不必要的电梯运行而造成了资源无故的损耗和浪费。想要避免此类问题就需要给一个地方的所有电梯进行智能化的管理。
电梯是作为一种符合使用者对高楼层之间进行移动的交通设备。所以，使用者对电梯的使用具有两种不一样的要求，生理和心理等不同的要求，主要是在电梯体系中体现，使用者的生理心理都会随电梯的变化进行不同的生理心理反应。电梯时高楼之间的运输设备，它从刚开始的简易的电梯设备到少做复杂化的电梯控制体系到如今的多数电梯控制体系，以及电梯群控制体系的形成。也由于最近的电梯理论的更新。随着经济的不断发展，许多高层大厦也在不断的建设当中，因而电梯的需求也在不断地增加，特别是对多种电梯群的控制体系的掌握技术。为了方便管理，已逐步趋向于多种电梯的控制体系的应用中。

第五章 总结与展望

此篇论文把前后十年间产生的全新的仿真升级公式，也就是蚁群遗传算法运用于说明电梯群控之中。既加大了电梯的行驶效率、减少了消耗，而且还以模拟研究确认了此公式的可行性。截止到目前为止，并无这个问题的探讨。重点结论为：

（1）针对电梯群控体系的派梯方法做出了重点探讨，产生了多目的计划于电梯群控体系公式的数字模型，整体性地结合搭乘人员的均分等候周期、均分搭乘电梯周期、电梯内部的人员多少程度与体系的材料消费这样的4个条件，生成了多目的最佳排列方式判断公式，以此得出了搭乘人员均分等待周期、均分搭乘周期、电梯内部搭乘人员的多少程度、体系材料消费这样4个判断公式。
（2）针对蚁群遗传算法的基础条件、数字建构、目前运行的情况做出了重点探讨，而且还把电梯群控转换为图解；计划二部图建构。把电梯的群控变简单，将其变为完成<呼叫电梯周期、呼叫层数、结束层数>联系与<现在楼层、向上向下呼叫电梯资源散布图表、呼叫电梯资料输入表格、人员数量>联系包含的耳部图表的重点结合问题。计划进程中有高端集、侧边集、每条边权利集的计划。
（3）设计电梯群控问题中的蚁群遗传算法， 着重论述蚁群和遗传两种智能优化算法，并对比分析两者在电梯群控问题的求解，为本文提出的改进的遗传蚁群算法提供理论基础。针对传统的遗传蚁群混合算法的不足，提出了一些改进策略。在传统遗传蚁群混合算法中，引入遗传蚁群动态融合策略使两种算法更好地衔接，引入灰预测控制对最大最小蚁群算法中信息素的限界进行估计，引入由改进的适应度函数和适应度测度建立的云关联规则等控制参数对混合算法中的参数进行自适应控制。改进混合算法的目的是使之能够更好地应用到电梯群控问题的求解中，给出了改进算法的具体求解步骤和算法性能分析。
（4）在Matlab环境中开始针对蚁群遗传算法的电梯最佳方法来模拟。做出客户流资料完成部分，来完成群控体系的进入资料。模型构建了一幢二十层的建筑里6台电梯的实际工作情形。针对蚁群遗传算法的多目的最佳调控体系来工作。模拟研究显示，当交通流达到最大值的时候，蚁群遗传算法比另外的调控法更便捷。
（5）进程里另外应重点探讨的，例如蚁群遗传算法运算进程过于繁复，要快速将公式简单化、把速率加大。
此篇论文里蚁群遗传算法的多目的最佳排列法和耳部图建构，既能够完成电梯的多目的最佳调度，也能够使蚁群遗传算法实现多目的最佳得出可行方法。

本文编号：368873