摘 要

隨著現(xiàn)在社會(huì)的進(jìn)步，人們的對生活品質(zhì)問題也有越來越高的要求，作為電梯服務(wù)，一部電梯現(xiàn)在已經(jīng)不能滿足人們的需求了，由此又出現(xiàn)了多個(gè)電梯同時(shí)使用，也就形成了電梯控制體系。控制體系有很多優(yōu)勢，包括有效疏通運(yùn)輸客流量，降低阻塞系數(shù)，也就因此受到了極大的關(guān)注，遺憾的是在中國國內(nèi)的電梯種類和控制體系大多數(shù)都是國外進(jìn)口的。所以我國想要開發(fā)研究電梯以及電梯控制體系就必須大力發(fā)展相關(guān)產(chǎn)業(yè)并積極創(chuàng)新。
控制計(jì)算是電梯控制體系的中心，國內(nèi)許多電梯專業(yè)者都對于這種計(jì)算有著一定的研究并提出相應(yīng)的解決措施，當(dāng)然有好有壞。在該論文中是把蟻群遺傳算法與電梯計(jì)算融合在一起進(jìn)行研究。蟻群遺傳算法是這些年才開發(fā)研究出的最新計(jì)算方法，計(jì)算過程是通過計(jì)算相應(yīng)組件進(jìn)行組解來獲取最佳答案。計(jì)算技巧是通過將正回饋和負(fù)回饋相結(jié)合再進(jìn)行優(yōu)質(zhì)計(jì)算得出準(zhǔn)確答案，并且同時(shí)保持在正確數(shù)值范圍內(nèi)，這種計(jì)算方法是很符合那種有很多目標(biāo)、不穩(wěn)定性等問題的電梯控制項(xiàng)目上。
因?yàn)檫@種計(jì)算方法的解決目標(biāo)主要是利用看圖進(jìn)行計(jì)算。在該論文中我們研發(fā)出一種結(jié)合呼喚訊號(hào)和電梯組合的模塊。對電梯控制體系問題進(jìn)行非具體性研究，把電梯相關(guān)問題進(jìn)行調(diào)轉(zhuǎn)變換形成最佳符合模型。電梯控制體系最主要是要進(jìn)行配置優(yōu)化更新問題，，在該論文中最主要的優(yōu)化問題是使用者的乘坐時(shí)間和等待時(shí)間，空間設(shè)置和體系進(jìn)行運(yùn)作能量耗損問題。把想進(jìn)行的優(yōu)化措施進(jìn)行整合成一個(gè)數(shù)值，把它作為具體數(shù)值進(jìn)行操作。利用蟻群遺傳算法手法進(jìn)行優(yōu)化，獲取最棒的計(jì)算結(jié)果，形成最佳計(jì)算方案。本文開展電梯群控系統(tǒng)中的算法研究。在電梯的群控調(diào)度算法上引入了遺傳算法，利用遺傳算法對客流交通模式及派梯規(guī)則進(jìn)行優(yōu)化，實(shí)現(xiàn)電梯調(diào)度規(guī)則的進(jìn)化，以適應(yīng)環(huán)境的變化。
該論文在Matlab環(huán)境下進(jìn)行控制體系的各個(gè)選項(xiàng)的擬真操作。把進(jìn)行擬真得出的結(jié)論和另外幾個(gè)電梯體系計(jì)算方法進(jìn)行了簡單的質(zhì)量比對，通過比對，我們得知了蟻群遺傳算法手法是具有很大的優(yōu)勢。具體進(jìn)行改善蟻群遺傳算法方法在調(diào)整電梯性能方面問題的遺留問題，并通過對這些遺留問題進(jìn)行整合，提出具體的解決方案：利用動(dòng)態(tài)相加的方案尋找最佳相加機(jī)會(huì)進(jìn)行整合；利用預(yù)測手法對蟻群遺傳算法方法的大小值進(jìn)行檢測。在進(jìn)行這些更改之后，可以把遺傳計(jì)算方法和蟻群遺傳算法方法有效的融合在一起，發(fā)揮各自的長處，更好的為電梯的相關(guān)性能進(jìn)行調(diào)整解決。
該論文不但把蟻群遺傳算法方法放在電梯性能問題上進(jìn)行研究，更是為以后的多方面應(yīng)用打下了良好的基礎(chǔ)。對該論文中提出的多方向調(diào)研的整合方法和模板思想，是可以將蟻群遺傳算法方法的使用區(qū)域進(jìn)行放大，例如經(jīng)濟(jì)調(diào)配情況、課表排列情況和水電等具體應(yīng)用情況等多方向調(diào)研的情況上。
關(guān)鍵詞：電梯群控；蟻群算法；遺傳算法；二部圖；多目標(biāo)優(yōu)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    錄

目    錄 1
第一章 緒論 1
1.1 研究與背景與意義 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.2.1 國外研究現(xiàn)狀 2
1.2.2 國內(nèi)研究現(xiàn)狀 4
1.3 問題的提出 5
1.4 本文研究內(nèi)容 6
第二章 相關(guān)算法概述 8
2.1 蟻群算法 8
2.1.1 蟻群算法的基本原理 8
2.1.2 蟻群算法的數(shù)學(xué)描述 9
2.1.3 蟻群算法的實(shí)驗(yàn)分析和參數(shù)選擇原則 11
2.1.4 蟻群算法用于求解電梯群控問題 17
2.1.5 蟻群算法的優(yōu)缺點(diǎn) 18
2.2 遺傳算法 20
2.2.1 遺傳算法的基本原理 20
2.2.2 遺傳算法的基本模型 21
2.2.4 遺傳算法的優(yōu)缺點(diǎn) 22
2.3 電梯群控調(diào)度算法 24
2.3.1 TSP問題 24
2.3.2 電梯群控的多目標(biāo)優(yōu)化 26
2.3.3 電梯的交通模式 27
2.3.4 電梯群控性能指標(biāo)評(píng)價(jià)函數(shù) 28
第三章 基于蟻群遺傳算法的電梯群控制器設(shè)計(jì) 34
3.1 電梯群控問題分析 34
3.1.1 電梯群控系統(tǒng)多元性分析 34
3.1.2 電梯群控調(diào)度方法 35
3.1.3 電梯運(yùn)行規(guī)則分析 35
3.2 電梯群控多目標(biāo)策略分析 37
3.2.1 多目標(biāo)優(yōu)化問題 37
3.2.2 決策變量 38
3.2.3 多目標(biāo)函數(shù)的選擇 39
3.2.4 約束條件 42
3.3 基于蟻群遺傳算法的電梯群控制算法設(shè)計(jì) 42
3.3.1 蟻群遺傳算法中求解多目標(biāo)函數(shù) 42
3.3.2 蟻群算法中參數(shù)α、β、ρ組合對基本蟻群算法性能影響 44
3.3.3 遺傳算法優(yōu)化基本蟻群算法 45
3.3.4 蟻群遺傳算法的步驟 46
3.3.4.1 初始化種群 46
3.3.4.2 狀態(tài)轉(zhuǎn)移規(guī)則設(shè)置 46
3.3.4.3 交義算子的設(shè)計(jì) 47
3.3.4.4 算法流程 47
3.3.4.5 算法框架 49
第四章 基于蟻群遺傳算法的電梯群控系統(tǒng)設(shè)計(jì)及仿真 52
4.1 系統(tǒng)軟件設(shè)計(jì) 52
4.1.1 軟件開發(fā)環(huán)境 52
4.1.2 軟件總體結(jié)構(gòu)設(shè)計(jì) 53
4.1.3 功能模塊詳細(xì)設(shè)計(jì) 55
4.2 系統(tǒng)軟件仿真 57
4.2.1 系統(tǒng)仿真實(shí)體設(shè)計(jì) 57
4.2.2 系統(tǒng)仿真界面 58
4.3仿真結(jié)果分析 62
第五章 總結(jié)與展望 63
參考文獻(xiàn) 65
致謝 69
 
第一章 緒論

1.1 研究與背景與意義

隨著現(xiàn)代科技技術(shù)的不斷發(fā)展和優(yōu)化，對于智能技術(shù)的運(yùn)用顯然已經(jīng)到達(dá)了一種極為成熟的地步，智能技術(shù)已經(jīng)滲透到了各個(gè)行業(yè)當(dāng)中并且已經(jīng)有了良好地實(shí)際應(yīng)用實(shí)例的出現(xiàn)，當(dāng)然，智能技術(shù)在本文的研究對象電梯控制方面也有著相當(dāng)大的作用。雖說目前的技術(shù)手段已經(jīng)能夠?qū)⒅荒芗夹g(shù)與電梯管理進(jìn)行結(jié)合但是問題在于由于電梯本身一系列特殊的屬性以及復(fù)雜的結(jié)構(gòu)，完全實(shí)現(xiàn)智能化的派梯還是非常難以實(shí)現(xiàn)。
我國目前在電梯使用上普遍存在一些問題，比如在客流低谷段，多臺(tái)電梯處于空閑狀態(tài)，而此時(shí)如果有某一層的用戶進(jìn)行了電梯的呼喚，那么所有空閑的電梯則都會(huì)朝著用戶所在的層運(yùn)行，這樣就導(dǎo)致了很多不必要的電梯運(yùn)行而造成了資源無故的損耗和浪費(fèi)。想要避免此類問題就需要給一個(gè)地方的所有電梯進(jìn)行智能化的管理。
電梯是作為一種符合使用者對高樓層之間進(jìn)行移動(dòng)的交通設(shè)備。所以，使用者對電梯的使用具有兩種不一樣的要求，生理和心理等不同的要求，主要是在電梯體系中體現(xiàn)，使用者的生理心理都會(huì)隨電梯的變化進(jìn)行不同的生理心理反應(yīng)。電梯時(shí)高樓之間的運(yùn)輸設(shè)備，它從剛開始的簡易的電梯設(shè)備到少做復(fù)雜化的電梯控制體系到如今的多數(shù)電梯控制體系，以及電梯群控制體系的形成。也由于最近的電梯理論的更新。隨著經(jīng)濟(jì)的不斷發(fā)展，許多高層大廈也在不斷的建設(shè)當(dāng)中，因而電梯的需求也在不斷地增加，特別是對多種電梯群的控制體系的掌握技術(shù)。為了方便管理，已逐步趨向于多種電梯的控制體系的應(yīng)用中。

第五章 總結(jié)與展望

此篇論文把前后十年間產(chǎn)生的全新的仿真升級(jí)公式，也就是蟻群遺傳算法運(yùn)用于說明電梯群控之中。既加大了電梯的行駛效率、減少了消耗，而且還以模擬研究確認(rèn)了此公式的可行性。截止到目前為止，并無這個(gè)問題的探討。重點(diǎn)結(jié)論為：

（1）針對電梯群控體系的派梯方法做出了重點(diǎn)探討，產(chǎn)生了多目的計(jì)劃于電梯群控體系公式的數(shù)字模型，整體性地結(jié)合搭乘人員的均分等候周期、均分搭乘電梯周期、電梯內(nèi)部的人員多少程度與體系的材料消費(fèi)這樣的4個(gè)條件，生成了多目的最佳排列方式判斷公式，以此得出了搭乘人員均分等待周期、均分搭乘周期、電梯內(nèi)部搭乘人員的多少程度、體系材料消費(fèi)這樣4個(gè)判斷公式。
（2）針對蟻群遺傳算法的基礎(chǔ)條件、數(shù)字建構(gòu)、目前運(yùn)行的情況做出了重點(diǎn)探討，而且還把電梯群控轉(zhuǎn)換為圖解；計(jì)劃二部圖建構(gòu)。把電梯的群控變簡單，將其變?yōu)橥瓿?lt;呼叫電梯周期、呼叫層數(shù)、結(jié)束層數(shù)>聯(lián)系與<現(xiàn)在樓層、向上向下呼叫電梯資源散布圖表、呼叫電梯資料輸入表格、人員數(shù)量>聯(lián)系包含的耳部圖表的重點(diǎn)結(jié)合問題。計(jì)劃進(jìn)程中有高端集、側(cè)邊集、每條邊權(quán)利集的計(jì)劃。
（3）設(shè)計(jì)電梯群控問題中的蟻群遺傳算法， 著重論述蟻群和遺傳兩種智能優(yōu)化算法，并對比分析兩者在電梯群控問題的求解，為本文提出的改進(jìn)的遺傳蟻群算法提供理論基礎(chǔ)。針對傳統(tǒng)的遺傳蟻群混合算法的不足，提出了一些改進(jìn)策略。在傳統(tǒng)遺傳蟻群混合算法中，引入遺傳蟻群動(dòng)態(tài)融合策略使兩種算法更好地銜接，引入灰預(yù)測控制對最大最小蟻群算法中信息素的限界進(jìn)行估計(jì)，引入由改進(jìn)的適應(yīng)度函數(shù)和適應(yīng)度測度建立的云關(guān)聯(lián)規(guī)則等控制參數(shù)對混合算法中的參數(shù)進(jìn)行自適應(yīng)控制。改進(jìn)混合算法的目的是使之能夠更好地應(yīng)用到電梯群控問題的求解中，給出了改進(jìn)算法的具體求解步驟和算法性能分析。
（4）在Matlab環(huán)境中開始針對蟻群遺傳算法的電梯最佳方法來模擬。做出客戶流資料完成部分，來完成群控體系的進(jìn)入資料。模型構(gòu)建了一幢二十層的建筑里6臺(tái)電梯的實(shí)際工作情形。針對蟻群遺傳算法的多目的最佳調(diào)控體系來工作。模擬研究顯示，當(dāng)交通流達(dá)到最大值的時(shí)候，蟻群遺傳算法比另外的調(diào)控法更便捷。
（5）進(jìn)程里另外應(yīng)重點(diǎn)探討的，例如蟻群遺傳算法運(yùn)算進(jìn)程過于繁復(fù)，要快速將公式簡單化、把速率加大。
此篇論文里蟻群遺傳算法的多目的最佳排列法和耳部圖建構(gòu)，既能夠完成電梯的多目的最佳調(diào)度，也能夠使蟻群遺傳算法實(shí)現(xiàn)多目的最佳得出可行方法。

本文編號(hào)：368873