毕业设计（论文）基于改进遗传算法的电梯群控系统设计及其MATLAB仿真.doc

基于改进遗传算法的电梯群控系统设计及其MATLAB仿真（南京航空航天大学自动化学院0307102班，江苏，南京，211100）摘要在倡导节能减排，建设节约型社会的中国，随着高层建筑的不断发展，人们对电梯服务质量提出越来越高的要求，单台电梯往往不能满足建筑物内的交通需要。为了缩短人们的候梯时间，减少能量损耗，需要合理安装多台电梯并进行集中统一的控制，这种多台电梯的优化调度系统就是电梯群控系统(EGCS)。本文以电梯群控系统作为研究对象，以减少候梯时间、减少乘梯时间、节约能耗为目的，对电梯群控系统的派梯策略进行了深入的研究，提出了一种基于改进遗传算法的电梯群控调度方法。通过对电梯群控系统交通过程的分析，建立电梯群控客流模型，采用MATLAB语言进行仿真，建立模拟仿真系统。仿真结果证明改进遗传算法的有效性。关键词：电梯群控，多目标优化，遗传算法，MATLAB仿真目录基于改进遗传算法的电梯群控系统设计及其MATLAB仿真1沈东东，白泽华，李宇1（南京航空航天大学自动化学院0307102班，江苏，南京，211100）1摘要1关键词：电梯群控，多目标优化，遗传算法，MATLAB仿真1目录2第一章绪论41.1电梯群控系统概述41.2电梯群控的起源与发展41.3国内外研究现状51.4课题的目的和意义51.5本课题研究的主要内容61.6本章小结7第二章电梯群控系统82.1 电梯群控系统的相关概念82.2 电梯群控系统的系统特性92.2.1 电梯群控系统的多目标性92.2.2 电梯群控系统的不确定性122.2.3 电梯群控系统的非线性122.2.4 电梯群控系统的扰动性122.2.5 电梯群控系统的不完备性132.3 电梯群控系统的交通模式132.2.1 上行高峰交通模式132.2.2 下行高峰交通模式132.2.3 层间交通模式132.2.4 空闲交通模式142.4 电梯群控系统的常用调度原则142.5 本章小结14第三章基于改进遗传算法的电梯群控调度策略153.1 遗传算法简介153.1.1基本遗传算法概念描述153.1.2 基本遗传算法流程163.1.3 遗传算法的基本操作183.2 电梯群控功能指标评价函数183.2.1 候梯时间评价函数203.2.2 乘梯时间评价函数223.2.3 轿厢内乘客人数评价函数233.2.4 系统能耗评价函数233.3 基于改进遗传算法的电梯群控系统的设计243.3.1 编码253.3.2 生成初始种群263.3.3 适应度函数设计273.3.4 选择操作283.3.5 交叉操作293.3.6 变异操作313.3.7 控制参数的选择323.3.8 算法终止准则333.4 遗传算法优化调度程序设计343.5 本章小结35第四章电梯群控系统的整体设计与仿真364.1 仿真假设364.2 客流模型产生模块374.2.1 乘客到达时间374.2.2 乘客的起始密度向量和起始目标矩阵384.2.3 确定乘客的起始楼层424.2.4 确定乘客的目标楼层434.2.5 客流仿真流程图444.3电梯模型454.4 仿真结果464.4.1 奇偶层控制464.4.2 高低层控制464.4.3 遗传算法控制46第五章各种调度算法的比较分析47第六章总结与展望476.1 论文总结476.2 论文展望48致谢49参考文献50第一章 绪论1.1 电梯群控系统概述在倡导节能减排，建设节约型社会的中国，随着高层建筑的不断发展，人们对电梯服务质量提出越来越高的要求，单台电梯往往不能满足建筑物内的交通需要。为了提高电梯的运载能力和改善电梯的服务效率，通常将多台电梯安装在一起，构成电梯群。对电梯群实施优化调度的算法和程序，被称之为电梯群控策略。电梯群和电梯群控策略一起组成电梯群控系统(Elevator Group Control System，简称EGCS)。1.2 电梯群控的起源与发展电梯群控系统从二十世纪四十年代在美国出现，至今已经发展了几代。从最初使用继电器，接着集成电路，集成电路使系统具有较复杂的功能，直到今日发展成为应用计算机的现代电梯群控阶段。其发展情况见表1-1。表1-1 电梯群控的发展1.3 国内外研究现状我国对于电梯控制技术的研究同国外相比处于比较落后的状态，直到1986年，国内才开始对电梯配置理论和电梯系统特性进行研究，90年代以后才对电梯系统的态特性进行研究规划朱德文，梁质林.建筑设计电梯选型与配置实用指南.北京:机械工业出版社，2005，发表的关于电梯群控系统的论文多属概括性原理性内容。总的来说，国外的电梯行业起步较早，因此对电梯的各种技术的研究也较早。布尔斯工程师研究会的Robert S. Caporale等人投入了十年的时间共同开发了命名为“Eletran”，的电梯交通分析程序-ELEVATETM，它适应于所有建筑的电梯系统。ELEVATETM是一种综合的电梯交通分析软件包，电梯系统设计人员可以利用该软件全面研究各种可能的电梯系统配置，然后确定能够为乘客提供有效的输送能力和高质量服务的最佳电梯控制方式。ELEVATE能够随机选取电梯系统的参数，如开关门时间、加速度、加速度的变化率、轿厢启动时间、乘客输入时间、乘客重量等等朱德文.现代电梯群控系统和人工智能技术.基础自动化，1998，16（5）：1-5。1.4 课题的目的和意义在倡导节能减排，建设节约型社会的中国，随着高层建筑的不断发展，人们对电梯服务质量提出越来越高的要求，传统的电梯控制方式已不能满足人们的需求。同时目前大多楼宇中已布置的电梯系统已不能满足社会的要求，急需对其进行现代化改造。这一切都使得市场对EGCS的需求越来越大，也越来越迫切。从控制技术研究的角度看，国外已有的先进控制技术，很多都掌握在各个大电梯公司手中，其核心技术是不公开的，而国内在这些方面的研究还有相当大的差距。尽快学习和掌握这些先进的控制技术，对国内电梯工业以及其它行业的发展会有极大的促进作用。调度方法是电梯群控系统的核心，它直接影响到各台电梯的运行和电梯系统服务的优劣。随着人工智能理论的蓬勃发展，目前多种智能算法已作为电梯调度方法，如基于模糊模型的电梯调度方法、基于知识的电梯调度方法、基于神经网络的电梯调度方法和基于遗传算法的电梯调度方法。目前我国大多数是利用模糊神经网络技术解决群控调度问题，而关于遗传算法应用到电梯群控理论鲜有人研究。由于遗传算法在搜索最优解时具有搜索不依赖于梯度信息，在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，算法简单、通用、鲁棒性强，适用于并行分布处理等特点，使它在电梯群控理论方面具有非常广泛的应用前景。因此，本课题研究遗传算法作为电梯调度算法，并提出了一种基于改进遗传算法的电梯群控系统。1.5 本课题研究的主要内容本课题主要内容如下:1.简要介绍了电梯群系统的起源和发展，国内外现状及存在问题。2.介绍了电梯群控系统的系统特性，交通模式和常用的调度原则 3.介绍了遗传算法的基本原理，通过目标函数对其问题进行优化体现出算法的优越性。4.通过对电梯群控系统交通过程的分析，建立电梯群的客流模型。5.设计了一种基于改进遗传算法的群控多目标优化算法。以减少乘客的平均候梯时间、减少乘客的平均乘梯时间、均衡电梯拥挤度以及减少电梯群控运行能量损耗等作为主要的优化目标，采用组合优化法将几个目标进行加权组合，构造群控系统的评价函数，利用遗传算法对该评价函数进行求解，得出最优派梯方案。6.通过改变遗传算法的变异率和交叉率来收敛速度，以及收敛于系统的最优解。7.完成软件仿真设计，充分考虑电梯自身特性、配置参数，以电梯群的客流模型输入模拟乘客，采用MATLAB语言编写了仿真程序。另外设计了分别以奇偶层控制和高低层控制为电梯群控的调度算法，并编制算法程序，在相同的建筑物参数和电梯配置参数条件下，分别对其进行仿真，得出乘客平均候梯时间、最大候梯时间、长时间候梯率、平均乘梯时间、运行次数等反映电梯服务质量的参数。1.6 本章小结本章首先介绍了电梯群控系统的概念，然后介绍了群控电梯的起源，发展和现状，最后介绍了本课题研究的目的、意义和主要内容。第二章 电梯群控系统2.1 电梯群控系统的相关概念1.电梯群由安装在一起的许多台电梯组成，它们使用共同的信号系统并由同一个监控系统进行控制。2.电梯群控系统电梯群控系统是一种控制装置，它指挥着一组相互联接的电梯群，以提高电梯系统的性能。3.层站召唤也称呼叫，是乘客在楼层发出的召唤信号。4.调度策略用于确定由哪台电梯去响应层站召唤的规则或算法。5.轿内指令乘客进入轿厢内所设定的目的楼层信号。6.候梯时间从乘客到达层站按下召唤按钮至某台电梯到达该层站并开门让乘客进入轿厢所用的时间。7.乘梯时间从乘客进入轿厢接受服务至到达目的楼层离开轿厢所用的时间。8.服务质量即电梯系统的服务性能，一般以乘客的平均候梯时间、最大候梯时间、平均乘梯时间、最大乘梯时间等指标来评价。2.2 电梯群控系统的系统特性电梯群控问题实际上是对多台电梯的调度问题，其复杂性表现在电梯群控系统所固有的多目标性、不确定性、非线性和信息的不完备性。2.2.1 电梯群控系统的多目标性电梯群控可以满足不同的服务目标，实现电梯群控的多个目标的最优控制，主要评价指标如下:(1)平均候梯时间(Average Waiting Time)要求短乘客的候梯时间是指从乘客按下层站呼梯按钮到应召电梯到达该层为止经过的时间。平均候梯时间是某段时间内所有乘客的候梯时间的平均值，是一个时间统计平均量，是评价电梯群控系统性能好坏的重要性能指标之一。(2)长时间候梯率(Long Waiting Percent)要求低当乘客的候梯时间超过60秒时称为长时间候梯;长时间候梯率是指一段时间内发生长时间候梯的乘客数与乘客总数的百分比。影响候梯时间的主要因素有电梯的速度、配置台数、召唤的频繁程度等，统计表明，乘客的心理烦躁程度与候梯时间的平方成正比。当候梯时间超过60秒，即出现所谓的长时间候梯时，其心理烦躁程度急剧上升，所以应尽量减少长时间候梯事件的发生。(3)系统能耗(Power Consume)要求低单台电梯的能耗与所选的电梯的驱动方式、机械性能有关。影响电梯能耗的因素主要有:电梯停靠的次数、加减速的距离以及电梯运行的总距离。对电梯而言，电梯全速运行时的能耗也远低于加减速时的能耗，其轿箱自重一般大于轿箱内额定容量乘客的重量。因而电梯群起停次数越多，加减速距离越长，运行距离越长，特别是空载或少载距离越长，电梯群总体能耗也就越大。对电梯群控系统而言，电梯型号已经确定，单台电梯起停的能耗就已经确定，所以电梯群控系统节能，主要依靠群控系统合理的安排与调度电梯群对呼梯信号的响应，减少电梯群总体起停次数，提高电梯轿箱的总体利用率，以减少电梯空载或少载运行距离，特别是杜绝电梯的无效起停，从而可以达到延长电梯寿命和节能能源的效果。(4)平均乘梯时间(Average Riding Time)要求短乘客的乘梯时间是指乘客进入电梯轿箱到乘客到达目的层，离开电梯为止经过的时间。乘客乘梯时间的增长往往会使乘客感到不舒服，统计表明乘客乘梯的烦躁程度与乘梯时间的平方成正比。若去顶层的的乘客的乘梯时间大于90秒，就会对乘梯变得极其不耐烦，所以乘客的乘梯时间应保持在一定的时间限度内。(5)客流的输送能力(Transportation Ability)要求高提高电梯的输送能力是电梯群控的重要目的之一。客流的输送能力一般用30分钟输送乘客的人数来衡量。输送能力不足往往会造成乘客的拥挤，平均候梯时间长等不良性能。特别是在上行高峰期，客流密度极大，需要电梯系统迅速将乘客送往各目的层。由于电梯的速度加速度受人的生理因素的限制，仅仅靠提高电梯的速度来提高运输能力，显然是不可能的，而大楼一旦建好，电梯的数目也就相应确定，因而输送能力的提高只能通过改进电梯调度算法使乘客的目的层相对集中，减少电梯的停靠次数、以及充分利用轿箱的载重空间来达到目的。(6)轿箱的拥挤度(Car Crowding)要求低轿箱内拥挤度的增大给乘客带来的不便是显而易见的。一般以轿箱内乘客人数占额定载重量的百分比来衡量，拥挤的轿箱有时会使乘客难以忍受。轿箱内乘客的数量一般也是随着电梯停靠次数的增加而增加。同时，轿箱拥挤，往往也伴随着乘梯时间增长。(7)预测轿箱到达时间准确率(Forecast Accuracy)要求高很多电梯配有电梯到达时间显示系统，如果预测时间不准确，会造成乘客的不安和烦躁，也会降低系统的整体性能。(8)电梯内乘客满意度（Average Passeager Satisfaction)要求高电梯内乘客满意度是多个因素综合出来的一个不可测指标，它通过乘梯时间、轿箱内拥挤度、乘梯起停次数可以反映出来。由上述分析可知电梯群控系统是一个多目标控制系统，而且各个目标之间是相互矛盾、相互制约的，如拥挤度要求小，会使平均候梯时间增长;平均候梯时间短则会使长时候梯发生率高。所以各个指标之间的相互平衡成为电梯群控系统的控制难点。本文正是基于群控系统对侯梯时间、乘梯时间以及电梯能量损耗等提出的不同要求，采用多目标优化的方法，建立了电梯群控的系统模型。2.2.2 电梯群控系统的不确定性电梯交通系统存在着大量的不确定性:(1)各层站的乘客数是不确定的。(2)呼梯者的目的层是不确定的。(3)呼梯信号的产生层是不确定的。(4)建筑物内与环境因素有关的、变化的交通状况是不确定的。例如，建筑物的结构规模和内部使用者的变化等。这些不确定性的存在给电梯群控系统确定交通模式预测轿箱到达目的层时间造成极大困难，使系统不能对某一特定状况给出最优控制。2.2.3 电梯群控系统的非线性电梯交通系统存在着大量的非线性:(1)对同一组厅呼，在不同的时间标度下，轿厢的分配是不同的，轿厢分配的变化是不连续的。(2)所能分配的轿厢数目是有限的，受系统所有轿厢数目限制。(3)轿厢容量是有限的，当轿厢容量达到饱和点时，轿厢会不停而过。(4)轿厢会在运行中频繁改变方向。2.2.4 电梯群控系统的扰动性电梯群控系统还不可避免地具有不确定的随机干扰，如:(1)乘客可能登记了错误的厅层呼叫造成不必要的停站。(2)乘客可能登记了错误的目的层造成不必要的停站。(3)乘客可能错误地造成轿厢门不能关闭，而干扰系统的正常运行等。2.2.5 电梯群控系统的不完备性电梯群控系统存在大量的不完整、不准确信息:(1)电梯轿厢中乘客的人数不能准确的获得，虽然轿箱的底部装有称重装置，但是由于人的个体体重差异较大而不能获得轿箱内乘客人数的准确数据。这会导致对轿厢内拥挤度和对乘客候梯时间的预测不准确，增加系统控制的难点。(2)乘客进出轿厢的时间因个体的差异而不同，同样不能准确获得。(3)乘客进入轿厢前其目的层是不可知的，使对乘客乘梯时间的预测和对其他乘客候梯时间的预测不准确，等等。2.3 电梯群控系统的交通模式2.2.1 上行高峰交通模式 当大楼内的大部分客流是上行方向时，这种情况被定义为上行高峰交通模式。一个电梯系统如能有效地应对上行高峰期的要求，那么，该电梯也可以满足其它交通模式的交通需要，如下行高峰及随机的层间交通要求等。2.2.2 下行高峰交通模式当大部分的客流是下行方向时，这种情况被定义为下行高峰交通模式。2.2.3 层间交通模式在非高峰期，大楼的层间客流交通占主要部分，这种情况被定义为层间交通模式。它是大楼内的一种基本交通状况，存在于一天中的大部分时间，是由人们在大楼中的正常工作而产生的。2.2.4 空闲交通模式在假日、深夜、黎明等情况下，大楼的客流稀少、乘客的到达间隔很长，这种情况被定义为空闲交通模式。这时可以暂停部分电梯的使用，而让少数几部电梯继续服务乘客，有利于集中服务，节约能源。2.4 电梯群控系统的常用调度原则(1)距离优先(2)方向优先2.5 本章小结本章主要介绍了电梯群控系统的相关概念，系统特性，交通模式和常用的调度原则。第三章 基于改进遗传算法的电梯群控调度策略3.1 遗传算法简介遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，它由美国Holland教授1975年首先在Adaptation in Natural and Artificial Systems中提出，其主要特点是群体搜索策略和种群中个体间的信息交换、搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难以解决的复杂和非线性问题。这种算法能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到最优解或准最优解。由于遗传算法简单、通用、鲁棒性强，适用于并行分布处理，使它的应用范围很广，在组合优化问题求解、自适应控制、机器学习、规划设计和人工生命等领域都有广泛的应用价值陈国良等.遗传算法及其应用M.北京:人民邮电出版社，1996.。3.1.1基本遗传算法概念描述遗传算法效法基于自然选择的生物进化，是一种模仿生物进化过程的随机方法。下面就遗传算法中使用的基本概念和术语说明如下:染色体:遗传物质的主要载体，由多个遗传因子一基因组成。遗传因子:控制生物性状遗传物质的功能和结构的基本单位，又称为基因。遗传子型:遗传因子组合的模型叫遗传子型，它是性状染色体的内部表现，又称为基因型。个体:指染色体带有特征的实体。种群:染色体带有特征的个体的集合称为种群。该集合内个体数称为群体的大小。适应度:各个个体对各自生存环境的适应程度。选择:指决定以一定的概率从种群中选择若干个体的操作。交叉:把两个染色体重组的操作称为交叉，又称重组。变异:突然让遗传因子以一定的概率变化的操作称为变异。编码:从表现型到遗传子型的映射。解码:从遗传子型到表现型的映射。3.1.2 基本遗传算法流程遗传算法的主要处理步骤是，首先对优化问题的解进行编码，编码的目的主要是使优化问题解的表现形式适合于遗传运算;第二是适应度函数的构造和应用，适应度函数基本上依据优化问题的目标函数而定，当适应度函数确定以后，自然选择规律是以适应度值的大小决定的概率分布来确定哪些染色体适应生存，哪些被淘汰，生存下来的染色体组成种群，形成一个可以繁殖下一代的群体;第二是染色体的组合(交叉)，父代的遗传基因结合是通过父代染色体之间的交叉并到达下一代个体的，子代的产生是一个生殖过程，它产生了一个新解;最后是变异，新解产生过程中可能发生基因变异，变异使某些解的编码发生变化，使解有更大的遍历性。遗传算法的基本流程如图3-1所示。图3-1 遗传算法流程图从以上步骤可以看出，遗传算法在应用中存在的关键问题有以下几个周明，孙树栋.遗传算法原理及应用!M.北京:国防工业出版社，1999.:(1)串的编码方式这本质是问题编码。一般把问题的各种参数用二进制编码，构成子串;然后把子串拼接构成“染色体”串。串长度及编码形式对算法收敛影响极大。(2)适应函数的确定适应函数(Fitness Function)也称对象函数(Object Function)，这是问题求解品质的测量函数;往往也称为问题的“环境”。一般可以把问题的模型函数作为对象函数;但有时需要另行构造。(3)遗传算子的设计有了串的编码方式后，接下来要考虑的就是串的交叉、变异算子，与相应编码方式对应的遗传算子必须具有良好的探索性和利用性。(4)遗传算法自身参数设定遗传算法自身参数有3个，即群体大小pop、交叉概率pc和变异概率pm。群体大小pop太小时难以求出最优解，太大则增加收敛时间。交叉概率pm太小时难以向前搜索，太大则容易破坏高适应值的结构。变异概率pm。太小时难以产生新的基因结构，太大使遗传算法成了单纯的随机搜索。3.1.3 遗传算法的基本操作一般的遗传算法都包含二个基本操作:复制(Reproduction)、交叉(Crossover)、变异(Mutation)。在3.3中有详细介绍。3.2 电梯群控功能指标评价函数对于多台电梯群控，其主要优化目标有减少乘客平均候梯时间，减少乘客平均乘梯时间，均衡电梯拥挤度以及减少电梯群控系统运行能源损耗等，本设计中对多个目标进行优化，实现电梯的多目标优化调度。多目标优化也称为多指标优化或向量优化，其定义为:寻找一个由设计变量组成的向量，使它能满足约束条件和由目标函数组成的向量函数，这些目标函数形成了对所设计的性能指标的描述，而且它们之间往往是相互冲突的。因此，多目标优化的目的在于找到一个或多个解，满足各目标要求。多目标优化采用多目标组合方法，它用各种组合方式将多个目标合并成一个新的目标，然后采用单目标优化方法求解。加权方法是目标组合方法中较为简便的一种，采用不同的加权系数将各个目标函数组合为一个新的目标函数： (3-1)其中F(x)是组合目标函数，权系数 >0，用以表示相关目标函数的重要性，通常有=1。采用目标组合方法构造组合目标函数，定义第i部电梯响应第j个层站呼梯信号时的评价函数如式(3-1)，把其中评价值最大的作为第j个层站呼梯信号的应答服务电梯。 其中 (3-2)其中各个目标函数具体解释如下:表示电梯i响应第j层站呼梯信号时所估计的乘客候梯时间评价函数，其值越大说明候梯时间短的可能性越大;表示电梯i响应第j层站呼梯信号时所估计的乘客乘梯时间评价函数，其值越大说明乘梯时间短的可能性越大;表示电梯i响应第j层站呼梯信号时所估计的轿厢内乘客评价函数，其值越大说明轿厢内乘客越少;表示电梯i响应第j层站呼梯信号时的能源消耗评价函数，其值越大说明能源消耗越少。M表示参与群控运行的电梯数量;表示权重系数，通过改变等权重系数刚适应不同的电梯交通客流模式。如在上行、下行客流高峰，选择候梯时间、乘梯时间优先，将评价函数中候梯时间、乘梯时间的重要系数变大。而在能源消耗越少优先的条件下，将评价函数中能源消耗的重要系数变大毕晓亮，李伟，朱昌明，叶庆泰.电梯群控系统多目标控制策略1:上海交通大学学报.Aug2004: Vol .38 No.8,1366-1368李昌隆，陈晓波，程鹏.并行多目标遗传算法在控制系统优化中的应用.微机算机信息J.2005 (21 8-1):18-21李向莉.基于模糊控制网络的电梯群控系统调度算法研究D.苏州:苏州大学硕士论文，2006。3.2.1 候梯时间评价函数位于某一楼层的乘客从按下外呼信号起，到轿厢到达该楼层响应其呼梯信号的这段时间称为候梯时间，可以通过该电梯的速度、开关门时间、进出乘客数、内指令信号状态和已分配的外呼信号状态来预估计。候梯时间的构成包括:轿厢运行时间，轿厢停车时间。 (3-3)本论文对轿厢的运行进行了简化，认为电梯的运行是匀速的。S为轿厢运行距离；V为电梯运行速度；轿厢停车时间的构成:开门时间、乘客出入时间、关门时间。由于进出轿厢的乘客数量不确定，用轿厢停靠一次平均出入的乘客用代替；乘客出入时间因个体的差异是不确定的，在此每个乘客出入轿厢的时间为常值，所以对候梯时间的计算只能在一定范围内是准确的。在求出轿厢运行时间和轿厢每次停车时间以后，可计算出电梯i从当前位置运行到第j个层站呼梯信号所在位置所需的时间，即电梯i响应第j个层站呼梯信号时所估计的候梯时间WT(i,j), WT(i,j)的计算流程图如图3-8所示。图3-2 候梯时间计算流程图电梯i响应第j个层站呼梯信号时，随着等待电梯的时间延长，乘客的焦虑感明显增加。在乘客按下呼梯按钮的那一刻，设候梯时间评价函数，随着候梯时间的增加，候梯时间评价函数慢慢减少并趋于零，那么此时的曲线可以用指数曲线来表示，其中指数系数的选取主要靠电梯系统环境而定，如果我们设候梯时间60s为长候梯时间，通过计算可构造候梯时间函数:其中WT(i,j)为候梯时间，典型函数值见表3-1。表3-1 候梯时间评价函数值表3.2.2 乘梯时间评价函数乘客从进入电梯开始运行起，到电梯到达目的楼层时，乘客离开电梯的这段时间称为乘梯时间，同样可以通过该电梯的速度、开关门时间、进出乘客数、内指令信号状态和已分配的外呼信号状态来预估计。乘梯时间的构成包括:轿厢运行时间，轿厢停车时间，计算方法与候梯时间的计算方法相同。假设电梯i响应j个层站呼梯信号，当乘梯时间为0秒时，乘梯函数关，随着乘梯时间增加，乘梯时间评价函数慢慢减少并趋于零，此时的曲线可以用指数曲线来表示，其中指数系数的选取主要靠电梯系统环境而定，设乘梯时间80s为长乘梯时间。通过计算可构造乘梯时间函数:其中RT(i,j)为乘梯时间，典型函数值见表3-2。表3-2乘梯时间评价函数值表3.2.3 轿厢内乘客人数评价函数长候梯率是电梯群控系统的重要性能评价指标之一。影响长候梯率的主要因素是:长候梯时间和轿厢剩余容量。有新的呼梯时，群控系统在其它指标允许的情况下选择候梯时间最小的轿厢来响应新的呼梯，轿厢剩余容量对长候梯时间的影响是当轿厢剩余容量很小时，表明新的呼梯分配给它时，发生长时间候梯的可能性比较大，轿厢剩余容量较大时，发生长时间候梯的可能性小。假如电梯载重选定为1000kg，相当于15人左右。电梯i响应第j个层站呼梯信号时，其图形也是指数的形式，那么首先要确定的指数函数系数，设电梯内最多人数为15人，通过计算可构造乘客人数评价函数: 其中N(i)为乘客人数，典型函数值见表3-3。表3-3乘客人数评价函数值表由于已分配的呼梯和新产生呼梯的目的层不可知，所以轿厢内乘客人数只能做粗略预测。3.2.4 系统能耗评价函数在电梯运行过程中，启动加速阶段和停靠减速阶段产生较大的能耗，因此应以尽量以较少的运行次数来运载较多的乘客，使电梯的停站次数减至最少，从而降低能源消耗。停站次数是指电梯从当前位置到达呼梯层站的过程中所需要停靠的次数。电梯i响应第j层站呼梯信号时，其图形也是指数的形式，那么我们首先要确定指数的系数，系统研究对象为40层办公楼，轿厢内最多人数为15人，故变量(停靠次数)取值范围为0-15。通过计算可构造能量消耗评价函数:其中N(i)为停靠次数，典型函数值见表3-4。表3-4 能量消耗评价函数值表降低电梯系统能耗的另外一点是减少运行时间，可以减少电梯的行程，从而减少电能的消耗。3.3 基于改进遗传算法的电梯群控系统的设计 吕曾及.改进遗传算法在群控电梯中的应用D.内蒙古：内蒙古工业大学硕士论文，2007遗传算法是一种求解问题的高效并行全局搜索方法，在解决组合优化问题时有着良好的搜索性能，因此本文采用遗传算法来解决电梯群的多目标优化问题，实现电梯群控的多目标最优调度。本算法将目标优化过程中搜索空间的参数或解转化成遗传空间中的染色体，一定数量的染色体构成初始种群。根据目标优化函数构建适应度函数，同时计算每一个染色体的适应度函数值，然后根据适应度函数值进行选择染色体，按照一定的概率进行交叉和变异操作，产生新的染色体，形成下一代种群，继续上述操作，直到搜索到最优解或者进化足够多的代数。3.3.1 编码(1)二进制编码二进制编码方法是遗传算法中最常用的一种编码方法，它使用的编码符号集是由二进制符号0和1所组成的二值符号集0, 1，它所构成的个体基因型是一个二进制编码符号串。二进制编码符号串的长度与问题所要求的求解精度有关。用长度为l的二进制编码符号串来表示该参数，则它总共能够产生2l种。二进制编码方法有下述一些优点:编码、解码操作原理简单，容易理解；交叉、变异等遗传操作便于实现；符合最小字符集编码原则；便于利用模式定理对算法进行理论分析。(2)浮点数编码二进制编码虽然容易理解，操作方便，但是在具体的应用中，常因为编码长度大，导致编码、解码操作繁琐，不但影响运算速度，而且消耗了大量的内存空间。同时存在Hamming悬崖问题玄光男，程润伟，遗传算法与工程优化!M.北京:清华大学出版社，2004.，某些最优解在进化过程中可能就丢失。浮点数编码通过将问题空间中的个体用实数来表示，有效地解决了这些问题。所谓浮点数编码方法，是指个体的每个基因值用某一范围内的一个浮点数来表示，个体的编码长度等于其决策变量的个数。因为这种编码方法使用的是决策变量的真实值，所以浮点数编码方法也叫做真值编码方法。浮点数编码方法有下面几个优点：适合于在遗传算法中表示范围较大的数；适合于精度要求较高的遗传算法；便于较大空间的遗传搜索；改善了遗传算法的计算复杂性，提高了运算效率；便于遗传算法与经典优化方法的混合使用；便于设计针对问题的专门知识的知识型遗传算子；便于处理复杂的决策变量约束条件。本文即采用浮点数编码。3.3.2 生成初始种群由于遗传算法的群体型操作需要，必须为遗传操作准备一个由若干初始解组成的初始群体。需要说明的是，初始群体的每个个体一般都是通过随机方法产生的。初始群体一旦产生，后面的遗传操作都是对初始群体进行的。每一次循环结束时，产生新一代的群体，代替上一代的群体进入下一次遗传操作，直至最后得到最优解。由于每个设计变量的设计空间即取值范围在进化开始时就应给出作为初始条件，每一代的群体中的个体都应在这个设计空间中，否则会得出无效的解。为加快遗传算法的搜索速度，在初始群体生成时依据专家经验产生部分较优个体，并放入初始染色体群体中，再随机生成若干个染色体，也放入初始染色体群体中。用这两种方法生成一个包含N个染色体的初始染色体群体，其中每个染色体叫做一个个体，N个个体构成一个种群，遗传算法以这个种群作为初始点开始迭代。3.3.3 适应度函数设计遗传算法在搜索进化过程中一般不需要其它外部信息，仅用评价函数值来评价个体或解的优劣，并作为以后遗传操作的依据。要注意的是评价函数和适应度函数不是一个概念。评价函数指的是优化问题的目标函数，用遗传算法进行优化的过程就是对评价函数求极值的问题。而适应度函数是为了便于比较个体的大小及选择、交叉、变异操作而将评价函数作映射而成的函数。适应度函数值称为适应度(fitness)，适应度函数表明个体对环境适应能力的强弱，遗传算法在进化搜索中依靠适应度函数值的大小来区分每个个体的优劣，适应度值大的个体将有更多的机会繁衍下一代。适应度函数评估是选择操作的依据，在具体应用中，适应度函数的设计须结合求解问题的要求。一般情况下，可以由求解问题的目标函数派生得到。对于多目标派梯算法而言，第k个个体的适应度函数可以表示为: k=1,2,，N，也可写成其中: i为第k个体中第j个基因值代表的电梯号。 F(i,j)为第j个层站呼梯信号被分配给电梯i的评价函数值。首先将第k个体所代表的分配方案进行虚拟分配，即假定由该分配方案将各个呼梯分配给各基因对应的电梯，然后根据电梯i的状态计算F(i,j) 。 Fk表示种群中第k个体所代表的性能好坏，Fk越大，分配方案越好。3.3.4 选择操作选择算子的目的是为了从当前群体中选出优良的个体，使他们有机会作为父代进入下一代。判定个体优良与否的准则就是各自的适应度值。这一操作借用了达尔文生存进化原则，即个体的适应度越高，其选择的机会就越多。本遗传算法采用赌轮盘选择机制进行选择操作，又称为蒙特卡罗选择或适应度比例方法。用个体适应度值占全部个体适应度值之和的百分比作为该个体被选择的概率: k=1,2,N 计算出群体中各个体的选择概率后，就可以决定哪些个体被选出。适应度越高的个体被选择的概率也越大，反之亦然。由于是随机操作的原因，这种选择方法的选择误差比较大，有时甚至连适应度值较高的个体也选择不上。为了克服这种缺点，同时使用最优个体保存策略，因为在遗传算法的运行过程中，由于选择、交叉、变异等遗传操作的随机性，它们也可能破坏掉当前群体中适应度最好的个体，而这却不是我们所希望发生的，它会降低群体的平均适应度，并且对遗传算法的运行效率、收敛性都有不利的影响。所以希望适应度最好的个体要尽可能地保留到下一代群体中。为达到这个目的，可以使用最优个体保存策略进化模型(Elitist Model)来进行优胜劣汰操作，即把群体中适应度最高的个体参与交叉运算和变异运算，而是用它来替换掉本代群体中经过交叉、变异等遗传操作后所产生的适应度最低的个体，从而保持每代中最优个体存活。最优个体保存策略进化模型的具体操作过程如图3-2所示。图3-2 最有个体保存策略操作流程图最优个体保存策略的实施可保证迄今为止所得到的最好个体不会被交叉，变异等遗传操作所破坏，它是遗传算法收敛性的一个重要条件。3.3.5 交叉操作交叉是指把两个父代个体的部分结构加以重组生成新代个体的操作。通过交叉可以使遗传算法有能力跳离目前的解而达到新的解，这样使遗传算法不陷入局部最优解，从而具有全局搜索能力。实现个体结构重组的交叉算子设计一般与所求解的具体问题有关，但无论设计何种交叉算子均需满足交叉算子的评估准则，即交叉算子需保证前一代中优秀个体的性状能在后一代的新个体中尽可能得到遗传和继承。交叉的方法主要有四种:简单交叉(又称为一点交叉)、两点交叉、多点交叉和一致交叉。简单交叉的具体操作为:在染色体中随机设定一个交叉点，实现交叉时，该点前面或后面的两个个体的部分结构进行互换，并生成两个新个体。交叉点是随机设定的，当染色体长为n时，可能有n-1个交叉点设置，所以一次简单交叉可能实现n-1个不同的交叉结果。两点交又及多点交叉与简单交叉类似，但多点交叉较少采用，因为它影响遗传算法的在线和离线性能，不能有效地保存重要的模式。一致交叉是通过设定屏蔽来决定新个体的基因继承两个旧个体中哪个个体的对应基因。本设计采用单点随机交叉，具体操作过程如图3-3。图3-3 交叉操作流程图3.3.6 变异操作变异就是以很小的概率 (变异概率)随机的改变群体中个体(染色体)的某些基因的值。变异操作的基本过程是:对于交叉操作中产生的后代个体的每一基因值，产生一个0,1之间的伪随机数rand，如果rang< ，就进行变异操作。在二进制编码方式中，变异算子随机地将某个基因值取反，即“0”变成“1”，或“1”变为“0”。变异本身是一种局部随机搜索，与选择、交叉算子结合在一起，就能避免由于选择和交叉算子而引起的某些信息的永久性丢失，保证了遗传算法的有效性，使遗传算法具有局部的随机搜索能力;同时使得遗传算法保持群体的多样性，以防止出现未成熟收敛。在变异操作中，变异率不能取得太大，如果>0.5，遗传算法就退化为随机搜索，而遗传算法的一些重要的数学特性和搜索能力也就不存在了。本设计中编码方式采用的是实数编码，执行变异操作时，对种群中每一个个体，以一定的