電梯群控系統(tǒng)調(diào)度策略研究論文

1、1 緒論1.1 課題研究背景電梯作為高層智能大廈的要緊垂直交通工具，電梯系統(tǒng)的服務(wù)質(zhì)量和服務(wù)效率的提高對建筑物的有效利用和性能發(fā)揮將產(chǎn)生極為重要的阻礙。為提高服務(wù)質(zhì)量和服務(wù)效率,電梯的操縱技術(shù)由單臺電梯的獨立操縱進展到多臺電梯的協(xié)調(diào)操縱,進行合理的調(diào)度和治理，即電梯群控。所謂電梯群控系統(tǒng)C（ElvatorGropConol Sytm)是指:綜合考慮大樓的交通模式、各時刻的交通流量、各樓層的乘客轎外呼梯信號等各種因素,對一棟樓宇里布置在一起的多臺電梯進行統(tǒng)一調(diào)度,每個樓層的呼喚信號集中由群控主機來操縱,依照系統(tǒng)設(shè)定的優(yōu)化目標和建筑物中的實際交通狀況,產(chǎn)生最優(yōu)派梯決策的操縱系統(tǒng)1。電梯群控系統(tǒng)能夠

2、有效地改善客流調(diào)度及運輸效果,一直受到人們的高度重視。而我國在電梯群控方面的起步比較晚，現(xiàn)時期關(guān)于電梯群控的關(guān)鍵技術(shù)尚未能完全掌握,擁有自主版權(quán)的群控方法和技術(shù)在實際中的應(yīng)用還比較少,且與國外相比還有較大的差距。因此，專門有必要在電梯群控方面展開研究。12 電梯群控系統(tǒng)的概述1.2.1 電梯群控系統(tǒng)的起源歷史上第一臺真正的電梯出現(xiàn)在18年月，由美國ts電梯公司研制，它是由電力驅(qū)動,齒輪直接傳動的。現(xiàn)在的電梯必須由司機操作運行,既白費人力又白費資源且得不到較好的經(jīng)濟效益。為了改善這一問題，人們逐漸進展出了以下幾種電梯操縱方法2：1、 簡易自動操縱方式這種方式是一種最簡單的自動操縱方式。每層的呼叫

3、按鈕只有一個，上行與下行通用。轎廂由層站呼叫按鈕和轎廂內(nèi)的選層按鈕來啟動運行,最后停靠在電梯內(nèi)選層或電梯外呼梯的那一層。在執(zhí)行某個呼梯指令時轎廂不再應(yīng)答其它呼梯信號。 2、 集選操縱方式這是一種比簡易自動操縱更高級的操縱方式，在此方式中，中間層站設(shè)有上、下兩個方向的呼梯按鈕以供選擇，電梯能夠同時記住轎內(nèi)選層和層站呼梯信號。轎廂應(yīng)答啟動運行,在順向運動中,依次應(yīng)答順向的呼梯，在呼梯層站?？俊＜偃邕\行前方不再有呼梯，轎廂就自動反向運行,依次回答反向呼梯,最后回到基站。3、電梯群控方式電梯群控方式確實是將多臺電梯組成一組,采納分布式操縱系統(tǒng)，依照大樓交通的情況，對各臺電梯進行協(xié)調(diào)操縱,采納最優(yōu)的輸送

4、方式。這種操縱方式能夠提高建筑物內(nèi)多部電梯同時服務(wù)時的運行效率、縮短電梯的響應(yīng)時刻，并通過合理派梯策略來達到節(jié)能的目的。隨著計算機、通訊技術(shù)的廣泛應(yīng)用,智能大廈得到了迅猛的進展，而作為垂直交通工具的電梯不僅僅是人們代步的工具，同時也是人類物質(zhì)文明的標志, 電梯技術(shù)的進展水平體現(xiàn)了社會科學(xué)進步的程度，因此有效地改善電梯的客流調(diào)度及運輸效果一直是國際電梯業(yè)所重視的課題之一。電梯群組的合理操縱不但要對電梯當前運行狀況做出分析評價，還要對電梯今后運行需求做出推理預(yù)測,更要對電梯如何調(diào)度、如何操縱做出決策。但由于電梯每日每時的使用狀態(tài)差不多上變化的,其使用流量無法用確切的數(shù)學(xué)模型描述,傳統(tǒng)電梯群控方法沒

5、有考慮多部電梯轎內(nèi)和全部廳層呼喚之問的相互作用關(guān)系，不能得到最優(yōu)解,不能滿足電梯群組高性能的操縱要求,為了更好地適應(yīng)電梯使用的進展需求,需要對電梯性能做出科學(xué)、合理的評價,需要研究電梯新的操縱方式。本文針對電梯群控系統(tǒng)中操縱策略的優(yōu)化方法、評價指標等進行研究，將智能優(yōu)化算法應(yīng)用到電梯群控系統(tǒng)中，從而達到有效地協(xié)調(diào)多臺電梯的運行，提高電梯群組的運輸效率和服務(wù)質(zhì)量。122 電梯群控系統(tǒng)的進展電梯群控系統(tǒng)自二十世紀四十年代起,從最初使用繼電器，到集成電路的應(yīng)用,乃至今日人工智能的應(yīng)用，電梯群控系統(tǒng)大致經(jīng)歷了三個時期3: 第一時期：繼電接觸操縱方式41941971年，電梯群控系統(tǒng)利用繼電器來實現(xiàn)系統(tǒng)的

6、順序運行,稱之為自動方式選擇操縱系統(tǒng)。這種方式的操縱系統(tǒng)能依照不同的交通模式選擇與之相對應(yīng)的運行方式。交通模式由上行高峰模式、下行高峰模式及非高峰期模式等組成，采納時刻間隔的操縱方式。該群控系統(tǒng)的廳層呼喚系統(tǒng)比較單一,在每個廳層內(nèi)分不設(shè)置一上行按鈕和下行按鈕。為了有效地操縱每部電梯,給乘客提供合理的服務(wù),操縱系統(tǒng)把建筑物內(nèi)的電梯分開,并要求在指定的?？繉又辽僖？恳徊侩娞?。該操縱方式能實現(xiàn)電梯的無司機操縱,從而節(jié)約了人力才力，但整個系統(tǒng)運行效率不高,同時維護起來也相對比較復(fù)雜。電梯群操縱的最簡單形式是方向預(yù)選操縱，每部電梯都靠方向預(yù)選操縱的方式來操作，工作時,要緊是靠在上行高峰、下行高峰及平衡

7、層間交通選擇運行命令來運行的,兩部或三部電梯組成的梯群比較適合用這種操縱方式。繼后，又出現(xiàn)了將幾部電梯組成的簡單梯群進行分區(qū)操縱的操縱方法,使它們分不服務(wù)于交替的樓層。分區(qū)操縱法盡管縮短了單部電梯的運行周期,與方向預(yù)選操縱相比運行效率也得到了一定的提高。但由于這種操縱方式里的動態(tài)分區(qū)算法比較復(fù)雜,因此要緊以靜態(tài)分區(qū)法為主。第二時期：集選操縱方式197-1975 年，集成電路應(yīng)用到了電梯群控系統(tǒng)的硬件結(jié)構(gòu)當中,如此不但簡化了結(jié)構(gòu)，系統(tǒng)的可靠性也提高了,也能處理比較復(fù)雜的邏輯運算。與簡易自動方式相比,這種操縱方式比較高級,在中間層站內(nèi)設(shè)有可供選擇的上、下兩個方向的呼梯按鈕,并能同時經(jīng)歷多個轎廂內(nèi)的

8、呼梯信號。所派轎廂在順向運行過程中，依次響應(yīng)順向的呼梯信號，并在相應(yīng)的呼梯層站停靠。若順向運行的前方不再有呼梯信號，轎廂就自動反向運行，并按順序依次響應(yīng)反向的呼梯信號,直至返回基站。該系統(tǒng)的不足之處在于對預(yù)測復(fù)雜的候梯時刻所必需的計算數(shù)值還不夠完善。 第三時期:計算機人工智能操縱方式19 年至今，計算機開始應(yīng)用到電梯群控系統(tǒng),稱之為現(xiàn)代電梯群控時期。電梯群控系統(tǒng)中采納計算機人工智能技術(shù)操縱之后,電梯群控系統(tǒng)的特性開始用人工智能技術(shù)來描述，使電梯群控系統(tǒng)的整體服務(wù)性能得到了一定的提高，電梯交通整體配置也就差不多完成了。現(xiàn)在的操縱算法參數(shù)在計算機操縱下能直接在線修改，并能將新程序?qū)崟r輸入到計算機當

9、中,不需要重新布線，就能實時操縱算法參數(shù)的完全改變。在安裝好的系統(tǒng)上采納有效的仿真程序就能實現(xiàn)離線計算，并能合理選擇操縱算法參數(shù)。另外,一種新的操縱算法也能夠被仿真技術(shù)離線評價了，從而提高了改變操縱算法的方便性。數(shù)據(jù)記錄功能是計算機操縱的另一個優(yōu)點,交通狀況和目的地數(shù)據(jù)能被計算機實時記錄下來,并實時分析,以提高電梯群控系統(tǒng)的整體使用性能,還能夠把被檢測部位的故障數(shù)據(jù)記錄并保存下來。除此之外，計算機操縱方式還能遠距離查詢這些故障數(shù)據(jù),從而實時監(jiān)測任何故障的發(fā)生，并依據(jù)這些數(shù)據(jù)隨時改進電梯群的操縱算法參數(shù)，實時滿足乘客需求。 95年至 182 年是現(xiàn)代電梯群控系統(tǒng)的第一代，這一時期的電梯群控系統(tǒng)，

10、盡管在預(yù)報到達樓層的準確度上有了一定的提高，但乘客的長候梯時刻發(fā)生率比較高,在操縱方式上采納候梯時刻預(yù)測操縱的操縱方式。92 年至 1988 年是現(xiàn)代電梯群控系統(tǒng)的第二代,與第一代群控系統(tǒng)相比，電梯群控的性能及效率都取得了比較大的進展。一是把交通需求的學(xué)習(xí)功能加入到了電梯群控系統(tǒng)中,如此不但使電梯群運行狀態(tài)預(yù)報的準確度提高了,而且乘客的長候梯率的發(fā)生也減少了。準確預(yù)報度的提高,使電梯響應(yīng)呼梯信號派梯后，能實時顯示所派電梯這一功能。二是把綜合評價系統(tǒng)應(yīng)用到了派梯方案中，當有呼梯信號發(fā)生后,依照群控系統(tǒng)中的交通情況和梯群狀態(tài)，綜合評價每個轎廂的多個性能指標,擇優(yōu)選出最合適的轎廂去響應(yīng)呼梯信號。從而

11、大大減少了乘客平均候梯時刻、平均乘梯時刻及整個系統(tǒng)運行能耗等。隨著社會的進展和人們對電梯越來越高的需求，1988年至今,電梯群控系統(tǒng)中開始采納人工智能技術(shù),稱之為現(xiàn)代電梯群控系統(tǒng)的第三代。二十世紀新興的人工智能技術(shù),與傳統(tǒng)的操縱方法相比，它對解決復(fù)雜操縱系統(tǒng)的問題有著無法比擬的優(yōu)點,并在各個領(lǐng)域都取得了顯著的成就。同時,電梯群控系統(tǒng)的智能化程度在這一代中也得到了進一步提高,操縱系統(tǒng)也更趨于完善，但還有待進一步的進展。1.3 本文的研究目的及意義電梯群控系統(tǒng)采納優(yōu)化的操縱策略來協(xié)調(diào)多臺電梯的運行,以提高電梯的運輸效率和服務(wù)質(zhì)量。由于電梯群控系統(tǒng)本身具有多目標性、不確定性、非線性、擾動性和信息的不

12、完備性等特點,導(dǎo)致電梯操縱系統(tǒng)變得十分龐大,調(diào)度算法日趨復(fù)雜,僅僅通過傳統(tǒng)的操縱方法專門難提高電梯群控系統(tǒng)的性能。近年來,大量先進的操縱技術(shù)應(yīng)用于電梯群控系統(tǒng)，使電梯群控系統(tǒng)的操縱特性得到專門大的改善,但仍有許多問題需要進一步研究。國內(nèi)使用的先進的電梯群控系統(tǒng)大差不多上從國外引進的,具有獨立知識產(chǎn)權(quán)的產(chǎn)品尚不多見，而且大多數(shù)集中在群控理論和算法的研究上,實際應(yīng)用中的還比較少,與國外的先進技術(shù)相比還有專門大的差距6。從操縱技術(shù)研究的角度看，國外已有的先進操縱技術(shù)，專門多都掌握在各個大的電梯公司手中,其核心技術(shù)是不公開的,而國內(nèi)在這些方面的研究還有相當大的差距。同時，現(xiàn)有的電梯操縱技術(shù)仍存在缺點和

13、不足,如何把更先進的技術(shù)應(yīng)用于電梯群控之中，以進一步提高現(xiàn)有電梯系統(tǒng)的運行效率,滿足乘客的需求,仍需要進一步探究和研究。因此深入研究電梯群控技術(shù),對提高國內(nèi)的整體電梯操縱技術(shù)水平具有重要的實際應(yīng)用價值。 電梯群控系統(tǒng)的基礎(chǔ)理論2.電梯群控系統(tǒng)的功能電梯群控系統(tǒng)是在大樓中存在多臺電梯時對電梯群進行優(yōu)化調(diào)度的操縱系統(tǒng)。該系統(tǒng)能夠采集電梯的實時狀態(tài)信息，并對電梯群進行統(tǒng)一調(diào)度,保證其合理的運行，以達到提高電梯系統(tǒng)的整體服務(wù)質(zhì)量、減少能量損耗的目的。電梯群控系統(tǒng)的要緊功能如下：l、 數(shù)據(jù)采集功能電梯群控系統(tǒng)實時檢測電梯系統(tǒng)中每一臺電梯的運行狀態(tài)，如每臺電梯的當前位置、運行方向、載重、速度、轎內(nèi)呼叫信號

14、等,并將這些信息傳到相應(yīng)的上層操縱軟件,由上層軟件對這些信號進行相應(yīng)的處理。、 數(shù)據(jù)通信功能電梯群控系統(tǒng)要實現(xiàn)對電梯群的合理分配和優(yōu)化調(diào)度,就要在上層操縱軟件和底層電梯的操縱器之間建立通道,進行信息數(shù)據(jù)和操縱命令的傳輸，實現(xiàn)雙向通信。3、 操縱功能電梯群控系統(tǒng)中,各電梯對轎外呼叫信號的響應(yīng)是由系統(tǒng)統(tǒng)一分配的。轎外呼叫信號不是直接分配給乘客所呼叫的電梯，而是先傳送到電梯群控操縱模塊。經(jīng)電梯群控操縱模塊依照電梯的狀態(tài)和當前位置，采納一定的派梯策略，算出由哪臺電梯響應(yīng)此呼梯信號，再將此信號分配給電梯操縱模塊。因此，電梯群控系統(tǒng)有操縱功能，可對電梯操縱器進行操縱,決定響應(yīng)該信號的電梯。4、 預(yù)可能算功

15、能預(yù)可能算功能是電梯群控系統(tǒng)的核心部分。電梯群控系統(tǒng)要對大樓內(nèi)的電梯交通系統(tǒng)的交通狀態(tài)進行分析,如：客流量、客流分布、電梯狀態(tài)、電梯分布等，通過分析能夠?qū)Τ丝秃籼菪盘枴㈦娞菹乱粫r刻的響應(yīng)情況進行預(yù)測，然后依照一定的派梯策略進行調(diào)度,使電梯得到最優(yōu)操縱。、 監(jiān)測顯示功能電梯群控系統(tǒng)能夠?qū)γ颗_梯的當前位置、運行方向、載重、速度、梯內(nèi)呼叫信號、響應(yīng)情況等信號以及每個乘客轎外呼叫信號的派梯結(jié)果進行實時監(jiān)測,且在界面上顯示。6、 自學(xué)習(xí)功能電梯群控的問題僅僅依靠數(shù)學(xué)模型的描述來實現(xiàn)是不夠的，還需要采納學(xué)習(xí)、使用和獵取經(jīng)驗知識的方法，即系統(tǒng)的自學(xué)習(xí)。盡管電梯群控系統(tǒng)存在大量的不確定性,但在較長一段時刻內(nèi)仍

16、然有較大的規(guī)律性。任何一座大樓都有一定的工作周期,在不同周期的同一時刻會存在相似的系統(tǒng)狀態(tài)和系統(tǒng)輸入，因此通過統(tǒng)計各時刻段的電梯運行的各參數(shù)，就能夠?qū)崿F(xiàn)群控系統(tǒng)的自學(xué)習(xí)圈。例如統(tǒng)計一天內(nèi)各時刻段內(nèi)的客流量，能夠通過分析各樓層何時處于高峰請求期,將電梯優(yōu)先調(diào)度到該樓層,以減少侯梯時刻、縮短長候梯率。一般來講，電梯運行的交通模式能夠分為上行高峰交通模式、下行高峰交通模式、隨機層間交通模式和空閑交通模式。電梯群控系統(tǒng)的調(diào)度能夠依照不同交通模式進行適當?shù)恼{(diào)整，例如在上行高峰模式下,基站發(fā)出的呼梯信號多,應(yīng)使電梯盡快地到達基層;而在空閑交通模式下，則能夠適當?shù)臏p少運行電梯的臺數(shù)，節(jié)約能量。2.2 電梯群

17、控系統(tǒng)的特點電梯群控系統(tǒng)實際上是對多臺電梯的調(diào)度問題，其復(fù)雜性是由電梯群控系統(tǒng)的特性所決定的,具體表現(xiàn)在電梯群控系統(tǒng)所固有的多目標性、不確定性、非線性和信息的不完備性等幾個方面。1、 多目標性電梯群控系統(tǒng)是用來治理多臺電梯并對建筑物內(nèi)所有乘客提供服務(wù)的系統(tǒng),它所包含的事件在時刻和空間上差不多上離散的，其操縱目標體現(xiàn)在服務(wù)質(zhì)量、服務(wù)數(shù)量和節(jié)能三方面。因此,群控的操縱目標為多目標，要緊表現(xiàn)在以下凡方面：(）平均候梯時刻短候梯時刻指當乘客按下層站呼叫按鈕,直到所派電梯到達此層乘客進入轎廂所通過的時刻。平均候梯時刻是指所有候梯時刻的平均值。平均候梯時刻是評價電梯群控系統(tǒng)重要的性能指標。(2)長候梯率低

18、長候梯時刻指候梯時刻超過1分鐘的候梯時刻。長候梯率是指長候梯時刻發(fā)生的百分率。統(tǒng)計表明,乘客的心理煩躁程度是與候梯時刻的平方成正比的，當候梯時刻超過60秒即所謂長候梯時，其心理煩躁程度急劇上升,因此應(yīng)盡量減少長候梯的發(fā)生。(3)系統(tǒng)能耗低單臺電梯的能耗與所選電梯的驅(qū)動方式、機械性能等有關(guān)。如最初的電動機.發(fā)電機組能耗比較大，效率較低；而現(xiàn)在的(rabl Vltge nVarible Fenc)驅(qū)動電梯的能耗和效率都比較高。電梯能耗的消耗特征是:電梯全速運行時所消耗的電能遠遠低于減速和加速時的電能消耗。電梯?？康拇螖?shù)越多,所消耗的電能就越大。對電梯群控系統(tǒng)而言，電梯型號一經(jīng)確定,單臺電梯一次起停

19、的電能消耗就差不多確定。因此電梯群控系統(tǒng)節(jié)能要緊依靠群控系統(tǒng)合理地安排與調(diào)度梯群對呼梯信號的響應(yīng)，盡量減少起停次數(shù),同時起停次數(shù)的減少也會延長梯群的整體壽命。()平均乘梯時刻短乘客的乘梯時刻指從乘客進入電梯到乘客到達目的層乘客離開的這段時刻。乘客乘梯時刻的增長往往會使乘客感受不舒服、煩躁。如去建筑物頂層的乘客在乘梯時刻長于90秒時，會對?？孔兊脴O不耐煩,因此乘客的乘梯時刻應(yīng)保持在一個特定的期限之內(nèi)。(5）客流的輸送能力高電梯的輸送能力是電梯的重要指標之一。輸送能力的不足往往會造成乘客的擁擠,平均候梯時刻長等不良性能。特不是在上行高峰期,客流密度極大,需要電梯系統(tǒng)迅速將乘客送往各目的層。為提高電

20、梯系統(tǒng)的輸送能力,專門多系統(tǒng)往往會在上行高峰期將電梯群分為兩組,一組專門往返于基站與高層之間，一組服務(wù)于低層區(qū)間，通過對乘客的正確性引導(dǎo)，可使輸送能力提高20%。(6)乘坐電梯的舒適度高舒適度要緊指轎廂內(nèi)擁擠度以及乘坐環(huán)境。(7)預(yù)測轎廂到達時刻準確率高專門多電梯系統(tǒng)配有電梯到達時刻顯示系統(tǒng),假如預(yù)測時刻不準確,則會造成乘客的不安和煩躁,也會降低系統(tǒng)的整體性能。以上七點是系統(tǒng)的要緊性能評價指標，可知電梯群控系統(tǒng)是一個多目標操縱系統(tǒng)，而且各個目標之間是相互矛盾的。如擁擠度要求小，會使平均候梯時刻增長。平均候梯時刻短則會使長時候梯發(fā)生率高。因此各個指標之間的相互平衡成為電梯群控系統(tǒng)的操縱難點。2、

21、 不確定性電梯交通系統(tǒng)存在著大量的不確定性:(1)呼梯信號的產(chǎn)生層不確定。(2)各層站的乘客數(shù)不確定。.(3)呼梯者的目的層不確定。(4）建筑物內(nèi)存在的與環(huán)境因素有關(guān)的變化的交通路況是不確定的；例如建筑的結(jié)構(gòu)規(guī)模和使用情況等。這些不確定性的存在給群控系統(tǒng)確定交通模式,預(yù)測轎廂到達目的層時刻等造成極大的障礙,使系統(tǒng)不能對某一特定情況給出最優(yōu)操縱。、非線性電梯交通系統(tǒng)存在著非線性:(1）對同一組廳層呼叫,在不同的時刻標度下,轎廂的分配是不同的,轎廂分配的變化是不連續(xù)的。()所能分配的轎廂數(shù)目有限,受系統(tǒng)所有轎廂數(shù)目限制。()轎廂容量是有限的,當轎廂容量達到飽和點時,轎廂會不停而過。（4)轎廂會在運

22、行中頻繁改變方向。4、 擾動性電梯群控系統(tǒng)還不可幸免地具有不確定的隨機干擾，如:(1)乘客可能登記了錯誤的廳呼造成不必要的停站。(2)乘客可能登記了錯誤的目的層造成不必要的停站。(3)乘客可能錯誤地造成轎廂門不能正常開啟關(guān)閉,而干擾系統(tǒng)的正常運行等。、電梯群控系統(tǒng)中信息的不完備性電梯群控系統(tǒng)中存在著大量的不準確信息:(1）電梯轎廂中的乘客人數(shù)不能準確獲得;盡管轎廂的底部裝有稱重裝置，但由于人的個體體重差異較大,因此不能獲得轎廂內(nèi)乘客數(shù)的準確數(shù)據(jù)。這會導(dǎo)致對轎廂內(nèi)擁擠度和對候梯時刻的預(yù)測不準確，增加系統(tǒng)操縱的難點。(2）乘客進入轎廂的時刻因個體的不同而不同,同樣不能獲得準確數(shù)據(jù)。（)乘客進入轎廂

23、前，其目的層是不可知的。使對乘客乘梯時刻的預(yù)測和對其它乘客候梯時刻和乘梯時刻的阻礙的預(yù)測誤差較大。以上所提到的電梯群控系統(tǒng)的多目標性、非線性、不確定性、擾動性和信息的不準確性講明電梯群控是一個特不復(fù)雜的操縱系統(tǒng)。2.3 電梯群控系統(tǒng)的性能評價指標在一個操縱系統(tǒng)中，性能評價指標通常用來衡量系統(tǒng)采納的操縱器的優(yōu)劣。因此,選擇一個較客觀合理的系統(tǒng)性能指標用以可能操縱器所產(chǎn)生的效果就顯得尤為重要。用來衡量電梯群控系統(tǒng)服務(wù)性能的評價指標由時刻評價指標、能耗評價指標、乘客狀態(tài)評價指標和乘客的容忍度評價指標等四部分組成8。2.31 時刻評價指標在對電梯群控系統(tǒng)的研究中，時刻評價指標被更多地考慮進來。系統(tǒng)的服

24、務(wù)時刻越短,其消耗越少,系統(tǒng)效率就越高。時刻評價指標有以下幾種:平均候梯時刻AWT （21)試中，Tw(i)為第i個乘客的實際候梯時刻,N為電梯系統(tǒng)總乘客數(shù)。平均乘梯時刻T (2.2) 試中,r(）為第i個乘客的實際乘梯時刻。平均到達時刻AT (3)最長候梯時刻W (.4)總運行時刻TRT (2.5)其中，TRT系統(tǒng)停止運行的時刻,SS為系統(tǒng)開始運行的時刻。平均運行周期ARTT (.6) 式中,N為群控系統(tǒng)的電梯數(shù)目,i為第i臺電梯的總環(huán)行次數(shù)，Rj為第i臺電梯運行第j圈所用時刻,rp為電梯運行一圈的平均載客數(shù),L5為5分鐘內(nèi)載客率。2.2 能耗評價指標電梯群控系統(tǒng)的能耗越少,其服務(wù)成本就越低

25、。電梯的運行距離與能耗有著緊密的聯(lián)系,但在專門多情況下能耗評價函數(shù)并未被列入考慮中。在不同的交通模式下，對系統(tǒng)的要求也不同。能耗評價指標可由以下兩個量決定:總運行距離i (2.7)式中,(i)為第i臺電梯的總運行距離，Ne為群控系統(tǒng)的電梯數(shù)目?？偰芎腁E (2.8）式中，E(i)為第i臺電梯的總能耗。2.33 乘客狀態(tài)評價指標 單位時刻內(nèi)電梯系統(tǒng)運送的乘客數(shù)量越多講明系統(tǒng)的載客能力越強。乘客狀態(tài)評價指標由乘客數(shù)量、乘客的分布以及運送時刻決定。系統(tǒng)的載客率和運送效率由以下各量來描述：5分鐘內(nèi)載客率L （2)試中,總運行時刻TTR的單位為秒（s） 2、基于距離的運載率 （2.10）式中，d為單位樓

26、層下5分鐘內(nèi)的載客率,Dt為總運行距離,Df為樓層高度?；谀芎牡倪\載率 (2.11)式中，e為單位能耗下5分鐘內(nèi)的載客率。23.4 乘客的容忍度 電梯群控系統(tǒng)存在專門多不確定因素，因此電梯系統(tǒng)與其他交通工具相比,在行程安排上有專門大差不。當一臺電梯被指派去響應(yīng)一個廳層呼喚時,該乘客到達目的層站的時刻能夠由當前的交通狀況預(yù)測出來,但在接下來的時刻里可能有其他乘客加入到交通流中,那么原來的派梯結(jié)果經(jīng)常會導(dǎo)致原乘客的到達時刻被拖延。對乘客來講,確切的服務(wù)時刻能夠理解為從到達電梯系統(tǒng)起直到離開電梯止。因此，服務(wù)時刻的不確定性是存在于系統(tǒng)中的，同時其出現(xiàn)概率特不高。對電梯群控系統(tǒng)來講，響應(yīng)時刻延遲的減

27、少講明該派梯策略能有效地幸免不確定因素,這有利于提高效率降低能耗。與乘客容忍度有關(guān)的指標定義如下: 平均候梯延遲時刻 （2.12）式中，0為第i個乘客最短候梯時刻的預(yù)測值，p為電梯系統(tǒng)的總乘客數(shù),(i）為第i個乘客的實際候梯時刻。 平均乘梯延遲時刻aj （2.13)式中,Tj(i)為第i個乘客最短乘梯時刻的預(yù)測值。平均到達延遲時刻aa (.1） 2.4 電梯群控系統(tǒng)的特征值 在電梯群控系統(tǒng)的操縱中,需要綜合考慮阻礙派梯的多種因素。電梯系統(tǒng)的輸入信號和狀態(tài)信號專門多,能夠?qū)⑦@些信號進行分析并計算處理,提取出能反映電梯群控系統(tǒng)特征的一些量作為特征值，用于對梯群進行調(diào)度。特征值的提取要盡可能完整地包

28、括系統(tǒng)的各種信息，以使派梯結(jié)果趨于合理并能提高系統(tǒng)效率。下面介紹幾種電梯群控系統(tǒng)的要緊特征值。1、距離特征值距離特征值包括響應(yīng)距離和乘梯距離。（1)響應(yīng)距離：從電梯的當前位置到廳層呼喚所在層將要通過的樓層數(shù);（2)乘梯距離：從候梯乘客進入電梯起到電梯到達對應(yīng)目的層將要通過的樓層數(shù)。 距離特征值與系統(tǒng)派梯后的服務(wù)時刻和能耗有專門大關(guān)系，因此一直以來人們將距離特征值作為派梯時的要緊考慮因素。但與時刻特征值和能耗特征值相比,距離特征值對派梯結(jié)果的可靠程度和準確程度都偏低。 2、時刻特征值時刻特征值包括:(1）乘客候梯時刻的可能值；（2)乘客乘梯時刻的可能值;(3)有新呼梯信號產(chǎn)生時，電梯群控系統(tǒng)平均

29、候梯時刻的可能值;（4)有新呼梯信號產(chǎn)生時,電梯群控系統(tǒng)平均乘梯時刻的可能值。派梯時考慮特征值（1)和（2）有利于提高對某個乘客的服務(wù)質(zhì)量，而不考慮整個系統(tǒng)的平均性能。特征值（)和（4)僅考慮系統(tǒng)的整體性能,假如平均候梯時刻和平均乘梯時刻的可能值較小，則派梯后系統(tǒng)的實際運行時刻值也較小。3、 能耗特征值能耗特征值包括響應(yīng)能耗和額外能耗。（）響應(yīng)能耗：電梯從接到派梯任務(wù)起到響應(yīng)該呼梯的過程中需要消耗的能源:(2）額外能耗:電梯在執(zhí)行某一派梯任務(wù)過程中，要響應(yīng)新加入的廳層呼喚需要額外消耗的能源。假如派梯時能使額外能耗減小,那么總能耗就會降低。能耗特征值要比距離特征值對派梯結(jié)果的準確程度高。 停站次

30、數(shù)特征值停站次數(shù)特征值包括響應(yīng)過程停站次數(shù)和額外停站次數(shù)。響應(yīng)過程停站次數(shù):電梯在響應(yīng)某廳層呼喚過程中需要停站的次數(shù);額外停站次數(shù):電梯在執(zhí)行某一派梯任務(wù)過程中,要響應(yīng)新加入的廳層呼喚所需要的額外停站次數(shù)。停站次數(shù)在專門大程度上阻礙到時刻特征值和能耗特征值,但停站次數(shù)少并不能講明電梯的運行時刻也相應(yīng)減少，還需要考慮到電梯的當前位置和交通狀況的分布。在電梯群控系統(tǒng)的服務(wù)過程中,停站次數(shù)直接阻礙到乘客的心理,假如停站次數(shù)專門多，乘客會變得不耐煩并有不舒適感。由于能耗特征值和時刻特征值不易提取，停站次數(shù)特征值通常被用來近似地衡量電梯系統(tǒng)的服務(wù)時刻和能耗。梯內(nèi)空閑量特征值在多數(shù)電梯群控系統(tǒng)中，電梯內(nèi)的

31、空閑量沒有被作為派梯時的考慮因素，會經(jīng)常會出現(xiàn)指派滿載電梯響應(yīng)呼梯的情況,這在專門大程度上增加了乘客的候梯時刻,同時也降低了系統(tǒng)效率。假如將電梯空閑量特征值考慮進來，上述問題能夠幸免，而且能夠提高電梯的載客能力從而降低能耗。派梯時,選擇空閑量大的電梯依舊空閑量小的電梯要依照當前交通狀況分布而定，要首先考慮系統(tǒng)的整體性能,其次是單梯效率。由此可知、空閑量特征值是必不可少的。綜上所述，電梯群控系統(tǒng)的派梯策略要將各種因素融合起來,既要從整體上提高系統(tǒng)性能,又要滿足單個乘梯要求，提高乘客的中意度。2. 本章小結(jié)本章分析了電梯群控系統(tǒng)的特征、得出了該系統(tǒng)所具有的多目標性、非線性、不確定性、擾動性和信息的

32、不完備性,研究了電梯群控系統(tǒng)的各種交通模式以及要緊的性能評價指標，講明電梯群控系統(tǒng)是一個特不復(fù)雜的操縱系統(tǒng)，為進一步的研究打下基礎(chǔ)。3 粒子群優(yōu)化算法 1995 年，Kened 和 Ebehart10 等人，在研究人工生命結(jié)果的阻礙下，提出了粒子群優(yōu)化算法（Partcle arm Opimzation，PO）。該算法是在對鳥群和魚群捕食這一行為模擬的基礎(chǔ)上,得到的一種簡化了的社會模型。由于 PSO 算法概念簡單,容易實現(xiàn)，在被提出的短短幾年時刻內(nèi)，得到了人們的專門大關(guān)注，同時也獲得了專門大的進展，并在它的基礎(chǔ)上又出現(xiàn)了專門多被改進的粒子群優(yōu)化算法，在多個學(xué)科和工程領(lǐng)域都得到了應(yīng)用。但由于該算法

33、是在對社會模型模擬的基礎(chǔ)上建立的,因此,在該算法提出的初期并不是以數(shù)學(xué)理論為基礎(chǔ)的，但隨著人們的進一步深入研究，SO 算法的嚴格數(shù)學(xué)基礎(chǔ)就逐步建立起來了。本章是在先介紹差不多粒子群算法的基礎(chǔ)上,又介紹了如何將 PSO 算法應(yīng)用到多目標優(yōu)化的領(lǐng)域。 .1 差不多粒子群算法概述 PS 算法是一種基于群體的新興演化算法。設(shè)想有如此一個場景一群鳥在隨機搜索食物不明白食物放在何處,在整個搜索區(qū)域中只有一塊食物。所有的鳥都不知食物在何處,但它們明白自己當前的位置距離食物還有多遠。那么找到食物的最優(yōu)策略是什么呢?最簡單有效的方法確實是在目前離食物最近的鳥的周圍區(qū)域搜尋。 粒子群優(yōu)化算法是在鳥群覓食模型中得到

34、啟發(fā),并成功用于解決優(yōu)化問題的。在該算法中,搜索空間中的每一只鳥被看作是優(yōu)化問題中的每一個解,稱之為“粒子”（rtce)或“主體”(aet)，該粒子能通過超維搜索空間“流淌”。每個粒子都有自己的位置和速度,還有一適應(yīng)值被優(yōu)化函數(shù)所決定,能明白到目前為止發(fā)覺的最好位置（pbest）和現(xiàn)在的位置 Xi，可看作單個粒子的經(jīng)驗。每個粒子在搜索空間中的位置變化是以個體的社會心理意向為基礎(chǔ)的,即每一粒子個體都想成功地超過其他個體。每個粒子的經(jīng)驗或知識阻礙都會阻礙其相鄰粒子的變化。另外,到目前為止整個群體中所有粒子發(fā)覺的最好位置(bes）也能被每個粒子所明白(gbst是在 pb 中的最優(yōu)值),可看作是單個粒

35、子的同伴經(jīng)驗。每個粒子的當前位置由下列信息所決定: 1當前位置; 2.當前速度; 3.當前位置與自己最好位置之間的距離； 4當前位置與群體最好位置之間的距離。 作為群優(yōu)化的粒子群算法的粒子群可認為是粒子在維空間內(nèi),依照一定的規(guī)律傳遞信息，同時,依據(jù)信息的變化改變自身狀態(tài)，具備自組織行為。 各粒子的個體極值構(gòu)成的矩陣:P=（p1,p,pn），是粒子群信息的要緊來源。從 中能夠獲得群體最優(yōu)位置全局極值 和各個粒子自身經(jīng)驗最優(yōu)位置個體極值 P 的信息。粒子群確實是由群體最優(yōu)位置快速收斂形成的，并能在全局極值的鄰域中進行搜索；個體自身經(jīng)驗最優(yōu)位置能保證粒子不要過快收斂到群最優(yōu)，從而幸免陷入局部微小點，

36、如此能使粒在一次迭代中的搜索區(qū)域在個體極值和全局極值之間。群體間粒子的合作,使得粒子群算法具有高效的搜索性能。每個粒子不僅能向群體提供信息還能協(xié)助其它粒子進行搜索，因此粒子在進化過程中,能保證搜索和收斂的平衡。3. 差不多PSO算法原理粒子群優(yōu)化算法PS要緊是通過每個粒子當前的狀和在飛行過程中所經(jīng)歷過的最好位置，以及整個群體所經(jīng)歷過的最好位置來計算粒子下一步運動的方向和速度1和位置的更新公式如下: （3.1） (3.2) 式（31)、（3.2）中：d=1,2,，D，D代表第d維搜索空間；1,2,是該群體中粒子總數(shù)；Vid為迭代粒子i飛行速度矢量的第d維重量；d為粒子i個體最好位置let的第d維

37、重量;Pgd為群體最好位置gbet的第d維重量;、C2為權(quán)重因子;r1、r2為隨機數(shù)，產(chǎn)生0,1的隨機數(shù)；W為慣性權(quán)重函數(shù)。通過(3.1）式能夠看出，粒子 速度的更新要緊由三部分組成:1、粒子 i前一時刻的速度; 2、 粒子 i 當前位置與自己最好位置間的距離; 3、 粒子 當前位置與群體最好位置間的距離。(.2)式為粒子 i更新位置的坐標。粒子 i下一步的運動位置由式（3.1),（3.）共同決定。 搜索時,粒子的位置被最大位置和最小位置限制,假如某粒子在某維的位置超出該維的最大位置或最小位置，則該粒子的位置被限制為該維的最大位置或最小位置。同樣，粒子的速度也被最大速度和最小速度所限制,假如當

38、前對粒子的加速度導(dǎo)致它在某維的速度超過該維的最大速度或最小速度,則該粒子該維的速度被限制為該維的最大速度或最小速度。公式（.1）的第1 部分由粒子先前速度的慣性引起;第 部分表示粒子本身的考慮,即粒子本身的信息對自己下一步行為的阻礙；第 部分表示粒子間的信息共享和相互合作,即群體信息對粒子下一步行為的阻礙。3 差不多PS0算法流程 粒子群優(yōu)化算法具有編程簡單，易實現(xiàn)的特點,粒子群優(yōu)化算法的流程12如下所示。 開始 隨機初始化粒子位置和粒子速度 計算每個粒子的適應(yīng)度 依照粒子適應(yīng)度更新粒子的速度與位置 依照公式(3.)和（3.）更新粒子群的速度與位置 N 是否達到最大迭代次數(shù) 或滿足最小錯誤標準

39、? YES 結(jié)束 圖3.1粒子群優(yōu)化算法流程圖 下面給出事實上現(xiàn)的具體步驟: 1、 初始化群體參數(shù); 2、以目標函數(shù)來評價各粒子的初始適應(yīng)值; 3、依照式（3.1)、(3.)來更新粒子的位置和速度; 、 再依照目標函數(shù)重新評價各粒子的適應(yīng)值; 5、 比較每個粒的當前適應(yīng)值和個體歷史最好適應(yīng)值,把最優(yōu)的的位置做為其個體歷史最好位置; 、 比較群體中全部粒子的當前適應(yīng)值和全局歷史最好適應(yīng)值，把最優(yōu)的的位置做為群體全局歷史最好位置;若迭代終止條件滿足，則程序終止，輸出搜索結(jié)果。否則，返回步驟 接著搜索,進行新一輪迭代。 34 差不多SO算法參數(shù)分析差不多 O 的參數(shù)要緊有慣性權(quán)值、加速系數(shù)、粒子個數(shù)

40、和迭代次數(shù)13。 、 慣性權(quán)值 w 對PSO 能否收斂起重要作用,它使粒子保持運動慣性，使其有擴展搜索空間的趨勢,有能力探究新的區(qū)域。w 值大些有利于全局搜索,收斂速度快,但不利于局部搜索，不易得到精確解;w 值小些有利于局部搜索和得到更為精確的解，但收斂速度慢且有時會陷入局部極值而得不到全局最優(yōu)解1。合適的w 值在搜索精度和搜索速度、全局搜索和局部搜索方面起協(xié)調(diào)作用。 2、 加速系數(shù) c1，2加速系數(shù)c1和 c2對 PS 能否收斂也起重要作用，若加速系數(shù)合適，則有利于算法較快收斂并脫離局部極值。式(3.2)中，若c1=2=0,粒子將依靠慣性一直以當前的速度飛行,直到達到邊界為止;現(xiàn)在粒子僅僅

41、依靠慣性飛行，沒法從自己的飛行經(jīng)驗和同伴的飛行經(jīng)驗中吸取有用的信息，算法沒有啟發(fā)性，同時搜索區(qū)域有限，這種情況下要想找到最優(yōu)解比較困難,現(xiàn)在的優(yōu)化性能也專門差。 當 c=0 時粒子沒有認知能力,不能從自己的飛行經(jīng)驗吸取有效信息，只有社會部分,因此c2又稱為社會參數(shù);現(xiàn)在收斂速度比差不多PO 快,但由于不能有效利用自身飛行信息，對復(fù)雜問題優(yōu)化時則比差不多 PSO 容易陷入局部極值,優(yōu)化性能也變差。若 c2=0，則粒子之間沒有社會信息共享，不能從同伴的飛行經(jīng)驗中吸取有效信息，現(xiàn)在只有認知部分，故 c1又叫認知參數(shù)；現(xiàn)在個體間沒有互享的信息，如此粒子群體的運行相當與單個粒子的運行,要想得到全局最優(yōu)解

42、,機率特不小。 一般情況下,當1=2=0.2 時能取得比較好的效果,也有人認為c1 大些而社會參數(shù) c小些，但c1+c24 時能得到更好的結(jié)果。 3、 粒子數(shù)目 粒子數(shù)目對算法的優(yōu)化性能有阻礙。一般來講，粒子數(shù)目越多，搜索到全局最優(yōu)解的可能性也越大,優(yōu)化性能相對也越好，然而消耗的計算量也越大，計算性能相對下降;群體規(guī)模越小,搜索到全局最優(yōu)解的可能性就越小，但消耗的計算量也越小。因此，關(guān)于一般問題，使用過多的粒子數(shù)目沒有必要,然而粒子數(shù)目也不能過少,否則體現(xiàn)不出群智能算法的優(yōu)越性。一般地,粒子數(shù)目為200 較為合適。 4、 最大同意迭代次數(shù) 當慣性權(quán)值1為固定值和最大同意迭代次數(shù)不相關(guān)聯(lián)時,最大

43、同意迭代次數(shù)大些，找到全局最優(yōu)解的可能性也大些,最大同意迭代次數(shù)小了，找到全局最優(yōu)解的可能性也小。只是關(guān)于差不多 PSO 來講，一旦陷入了局部極值,假如不采納有效措施,迭代次數(shù)再增多優(yōu)化效果也得不到明顯改善，反而白費計算資源,實際意義不大。一般來講,假如優(yōu)化時還有其他條件來結(jié)束搜索，能夠考慮將最大同意迭代次數(shù)設(shè)置得大些。當慣性權(quán)值和最大同意迭代次數(shù)相關(guān)聯(lián)時,即慣性權(quán)值隨著迭代的進行逐漸衰減,現(xiàn)在并不是最大同意迭代次數(shù)越大越好，這時候過大的最大同意迭代次數(shù)反而會使得算法有專門長一段時期以較大的慣性權(quán)值來搜索,假如不對粒子速度進行限制，粒子專門可能會飛行到無窮遠處,從而得不到全局最好解。因此,當慣

44、性權(quán)值和最大同意迭代次數(shù)相關(guān)聯(lián)時,應(yīng)結(jié)合實際情況合理選擇最大同意迭代次數(shù)。 基于粒子群算法的電梯群控系統(tǒng)實現(xiàn) 提高對乘客的服務(wù)質(zhì)量和降低系統(tǒng)運行的總損耗是電梯群控系統(tǒng)的要緊目的。本文基于群控系統(tǒng)對乘客平均侯梯時刻、乘客平均乘梯時刻以及電梯能耗等提出的不同要求,采納粒子群優(yōu)化算法對多目標問題進行優(yōu)化，建立了電梯群控的系統(tǒng)的多目標優(yōu)化模型，并在此基礎(chǔ)上設(shè)計了滿足多目標要求的電梯群控系統(tǒng)調(diào)度算法16及其應(yīng)用程序。4.1 多目標電梯群控系統(tǒng)的數(shù)學(xué)模型電梯群控系統(tǒng)的要緊目標是縮短乘客平均候梯時刻A和平均乘梯時刻ART，降低電梯運行能耗RC。AWT為一定時刻內(nèi)全部候梯時刻的平均值，是評價電梯群控系統(tǒng)性能惡

45、劣的重要指標之一,計算公式如下: Tw為候梯時刻。當新的呼梯信號發(fā)生時，依照呼叫發(fā)生的樓層Fc及方向c與電梯當前所在樓層F0和方向,可計算電梯到達新的呼梯信號所需的時刻，即候梯時刻7。設(shè)電梯運行一層的時刻為K,停靠一層的時刻為K2,電梯需響應(yīng)的?？咳蝿?wù)為m，電梯同向到達的最遠樓層為Fax,電梯反向到達的最遠樓層為Fn。(1) 當Dc與0相同，且Fc在F0前方時，電梯可同向到達呼梯信號 (2) 當D與D相同，且Fc在后方時,電梯反向運行再同向到達呼梯信號: (3) 當與D0相反時,電梯反向運行后到達呼梯信號: 當Dc與D相同，且F=0時，T（)0。 ART為一段時刻內(nèi)全部乘客乘梯時刻的平均值，一

46、般情況下，專門難準確預(yù)測乘客的乘梯時刻。電梯的起停時刻、次數(shù)以及轎內(nèi)乘客的人數(shù)是阻礙乘客乘梯時刻的要緊因素，如轎廂內(nèi)乘客越多，電梯起停次數(shù)就越多，如此,乘客的平均乘梯時刻就越長。平均乘梯時刻是描述電梯群控系統(tǒng)的重要指標1。計算公式如下: 由于新的呼梯信號發(fā)生時,只能明白乘客的乘梯方向,不明白乘客的目的層。文中假設(shè)乘客的目的層為最遠層,則乘梯時刻計算式為： A為電梯群控系統(tǒng)中的總運行能耗。電梯的能耗要緊由加、減速過程中及停靠次數(shù)所決定的19，因此，要想降低系統(tǒng)能耗，必須想方法減少電梯的起停次數(shù)和加、減速距離。通常,電梯一次加、減速的距離高于的樓層的高度,因此,在其它條件同意的情況下，應(yīng)當盡量由同

47、一電梯服務(wù)于來自或去向同一樓層或相鄰樓層的廳層或轎箱呼喚。與此同時,還應(yīng)盡量提高電梯的總體利用率，以降低電梯少載或空載運行的距離,如此電梯的起停次數(shù)也就相應(yīng)減少了。計算公式如下: E(i)為第i臺電梯的總能耗，由于電梯加、減速時的能耗要比電梯直線運行時的能耗要大得多,因此電梯的能量消耗要緊取決于電梯的起停次數(shù),在忽略其他系統(tǒng)能耗情況下，可認為單部電梯的能耗計算式為: 電梯群控調(diào)度算法是一個評價函數(shù),綜合以上三個評價標準，采納目標組合方法構(gòu)成組合目標函數(shù),可初步設(shè)定電梯的目標評價函數(shù)為： 試中，S(i）為評價函數(shù)值，表示第i部電梯響應(yīng)呼梯信號的可信度,1、w、w3依次是各評價值對應(yīng)的權(quán)重系數(shù)22

48、,且w1+w2w3=1。針對wi的不同選擇，體現(xiàn)了在各種客交通模式狀況下各目標因素的不同側(cè)重。然而上式只是一個理論目標評價函數(shù),存在著目標評價函數(shù)的不統(tǒng)一問題，我們對三個目標函數(shù)進行標準化后,得到最終的評價函數(shù)如下： 最終,確定最優(yōu)評價函數(shù)如下： 其中，M為單梯個數(shù),j為最佳的派遣單梯號。由此,侯梯者的平均侯梯時刻短、乘客的平均乘梯時刻短和能量消耗少三個目標問題轉(zhuǎn)化成求解評價函數(shù)S(i)的最小值S(j)，由最小值得到的派遣電梯去響應(yīng)外召信號，可使電梯群控系統(tǒng)性能達到最優(yōu)。42 多目標粒子群算法在電梯群控中的設(shè)計 編碼本文仿真模型為4臺、16層電梯。對每臺電梯進行編碼表示。電梯系統(tǒng)的每個外呼信號

49、用xD表示，多目標粒子群算法中每個粒子X=(,x2，xD）代表一種派梯方案,粒子的每一維xi(iD)代表第j個層站被第i個電梯響應(yīng)。由于共有4臺電梯,因此粒子每一維均為0，4上的個整數(shù)。當電梯系統(tǒng)中有外呼響應(yīng)的時候，通過式（4.1）計算每個粒子的評價函數(shù),再通過（.11)選擇最優(yōu)粒子，從而選擇最優(yōu)派梯方案。 、電梯群控系統(tǒng)模型建立對電梯當前運行狀態(tài)使用數(shù)學(xué)模型表示,其中a代表電梯所在層數(shù),代表電梯當前運行方向，+為向上,-為向下。設(shè)某個電梯模型在采樣瞬間運行狀態(tài)如下:表41 給定電梯模型采樣瞬間運行狀態(tài)電梯編號電梯當前運行狀態(tài)已分配電梯梯內(nèi)響應(yīng)1號 3 5號 -8 23號 -1 -44號 6

50、10設(shè)下一瞬間，收到呼梯響應(yīng)Fc5，6,13，4，,1,19 ，方向為c=1,-1,-1,1,1,-1，。對電梯模型進行多目標粒子群優(yōu)化。 3、 適應(yīng)度計算由于每個粒子X代表一種派梯方案,因此將粒子的位置坐標代入式(1)中,計算出平均候梯時刻評價函數(shù)AT的值。再依照式(4.5)、(4.7)計算平均乘梯時刻評價函數(shù)AR和能量消耗評價函數(shù)RPC。再計算綜合評價函數(shù)得出最優(yōu)粒子。4、 篩選非劣解集篩選非劣解集要緊分為初始篩選非劣解集和更新非劣解集3。初始篩選非劣解集是指在粒子初始化后，當一個粒子不受其他粒子支配時,把粒子放入非劣解集中,同時在粒子更新前從非劣解集中隨機選擇一個粒子作為群體最優(yōu)粒子。更

51、新非劣解集是指當新粒子不受其他粒子以及當前非劣解集中粒子的支配時,把新粒子放入非劣解集中，同時每次粒子更新前都從非劣解集中隨機選擇一個粒子作為群體最優(yōu)粒子。 、 粒子速度和位置更新粒子更新公式如下： 其中,為慣性權(quán)重;1和2分布于,1區(qū)間的隨機數(shù);k是當前迭代次數(shù);idk為個體最優(yōu)粒子位置;Pdk為全體最優(yōu)粒子位置；c1和c2為常數(shù)；V為粒子速度；X為粒子位置。 、算法流程基于多目標粒子群算法的算法流程如下: (1） 群體初始化，給定多目標粒子群算法的操縱參數(shù)、群體規(guī)模、迭代次數(shù)并輸入待優(yōu)化的參數(shù)。 （2)依照多目標電梯模型計算每個粒子所代表派梯方案的個目標值。 （) 依照areto最優(yōu)概念2

52、4更新每個粒子的個體最優(yōu)值。 （) 更新外部集,體的非支配集按占支配關(guān)系插入外部集(外部集保存的是算法每代運行的最好結(jié)果。在算法迭代運算完成后,外部集中的所有粒子確實是算法最后得到的結(jié)果)。更新全局極值，利用擁擠機制和禁忌算法在外部集中隨機選擇l粒子作為粒子的全局極值。 （) 依照公式(412)、(4.13)更新每個粒子的速度和位置。推斷最大迭代次數(shù)25是否達到。若達到，則輸出;否則,轉(zhuǎn)到(2）直至滿足終止條件退出。4.3 適應(yīng)度計算 1、建立初始化派梯方案,即隨機生成粒子 、 計算各粒子的適應(yīng)度值,即各種派梯方案的評價函數(shù)（假設(shè)在隨機層間交通模式即取w10.5,2=0.,w3=0.時)電梯停

53、靠次數(shù)m為梯內(nèi)指定加隨機產(chǎn)生，電梯同向到達的最遠樓層為Fmax，電梯反向到達的最遠樓層為m，電梯運行一層的時刻為K1=2,停靠一層的時刻為K2=6s。第x(i,j)=電梯響應(yīng)第Fc（)個呼梯信號的候梯時刻預(yù)測值26WT（i，j)為：計算平均候梯時刻： （4.)乘梯時刻預(yù)測值: (4.5)計算平均乘梯時刻: (4.1)能耗預(yù)測值： (4.17)計算平均能耗: （4.1） 使用公式（4.3）計算WT確定Fmax=16Fmin=1m 否FcFo?Fc=Fo?使用公式（4.2）計算WT 是確定m 是 是WT=0Do=1?使用公式（4.2）計算WT確定mFcFo?Fc=Fo? 是 否 否確定Fmax=1

54、Fmin=16m使用公式（4.3）計算WT 是 是Dc=Do?確定Fmax=16mFc=Fo? 否 是使用公式（4.4）計算WTDo=1? 是WT=0 是確定Fmax=1mFc=Fo? 否圖4. 計算候梯時刻WT()流程圖 從以上計算結(jié)果中找出max(AWT（,j)）,ma(RT(，j）)，max（(，)計算適應(yīng)度值（i):利用公式（4.12）(4.13)對粒子進行修正，與原最優(yōu)粒子進行比較,更新。4程序?qū)崿F(xiàn).4. 粒子群優(yōu)化算法主程序%清空環(huán)境cearclc -電梯參數(shù)初始化-NMBER1=; %電梯臺數(shù)FLOUR=16; %大樓層數(shù) Qmax=15; %轎廂容量Tmen=2; 電梯勻速運行

55、一層所需時刻TimStop=; %電梯開關(guān)門及停靠時刻和 %設(shè)在隨機層間交通模式下的權(quán)重設(shè)置wigh1=.5;weit20.2;ight3=03; %-電梯狀態(tài)初始化 -FO= 8 13 6; 各電梯當前所在層O=1-1 -1 1； 各電梯當前運行方向Q12;=7;35；Q4=; 各電梯當前人數(shù)Q=1 2 Q3 Q4; 內(nèi)部登記的呼梯信號DJNH1=5; %電梯內(nèi)部的已登記呼喚JNH2=-2;DJNH-4;DJNH410；save JNH1；%電梯1內(nèi)部的已登記呼喚save DJNH2;saeDJN3;svDNH4; 呼梯信號NMBE2=7;呼梯信號個數(shù)FC=5 13 4 715 9; 呼梯信

56、號所在層DC -1 -111-11； %呼梯信號方向 %-粒子群初始化-%參數(shù)設(shè)置1=2; %加速常數(shù)c2=2; %加速常數(shù) DimNUMBER; %維數(shù)SwrmSize=4; 粒子群規(guī)模MxItr=5; %最大迭代次數(shù) Vax=3;m=-3; b=4oes（1,Dim）; 粒子群位置上限Lb=(1,Dim）; %粒子群位置下限 w=.8; %慣性權(quán)重win=0.1;%-粒子群初始化-wrmraint（SwrmSize,Dim,1,NMR1）; %初始化粒子群VS=rndnt(wrmize，im,-，）； %初始化速度fSwarzros(SarSize,1); %初始化粒子群適應(yīng)度值 fo i

57、=1:mSizeaeageT,arageRT,aeragEdiantqukngPO_itnss2(Swrm(i，：),O,D,FC,D，NUMBE2,Tmn，TmeStop)； WT(i)=aerae； %第i個粒子群的平均候梯時刻 (i)aragRT； %第個粒子群的平均乘梯時刻 AE(i）=aveeE; 第個粒子群的平均能量損耗 e %計算粒子的適應(yīng)度值for i=1:SwarmSize fSarm(,:)=weight1*（AWT(i）/ma(T)weiht*(AR()max(AT)）we3*(AE(）max(AE)）; end %個體極值和群體極值bsf，bestidein（fSwam

58、);zbest=Swarm（bstinde,:);gbest=Sarm；fbestfSwam；fst=bestf； avrgWT，aeraeRT,averageE=dianqunkong_SOfitess2(zbest,O,D,F,DC，NBER，Teun，ieSt); yfitnes=fzbs； AVERAEwaite=averageT;AVERGEruime=avrageR;AVRAGeney=avrgE; 迭代尋優(yōu)ter=0;while(teMaxItr) for j=:SwarmSze 速度更新 wwmax(wma-n）MaxIter*ite; VStp（j，：)=w*Step(j,:

59、）+c1*rand*(gest（,:）-wam(j,:)+*rad(zs-Swarm(j，:)； fVtep(，:)max,VStep（j,:)mx;end fStep(,:)U(k),Swrm(j,k)Ub(k);end f warm(j,k)L（k),Swar（，k)=Lb（k);en end wam=roun(Swa); end fo j=:SmSize avegeW,veaeRT，arageE=iantiqukng_PSO_finess2（wam(j，:)，,D,F,DC,NUMBER2,TiRn，Timeop)； AT()=vrageWT; %第個粒子群的平均候梯時刻 ART（j）=

60、avergeR； %第個粒子群的平均乘梯時刻 AE(j)=averageE; 第i個粒子群的平均能量損耗 end %計算粒子的適應(yīng)度值 for j=1:SwrmSiz fSwam(,：）eh1(AWT(）max（AT)weght*(AT(j)/ax（T)+weig3*(AE（j)x（E）); ed %個體最優(yōu)更新 forj=:SwarmSize ifSwar(j）fgbest(j) bst(j,:)=arm（，:); gbes(j)=fSarm(j）； d end %群體最優(yōu)更新 besf，bestinde=min(fSarm）; if estffo if fc-o=1 m11=; else