遺傳算法在電梯設(shè)計中的應(yīng)用現(xiàn)狀

遺傳算法在電梯中的應(yīng)用現(xiàn)狀摘要：隨著我國社會各個行業(yè)的不斷向前發(fā)展，高層建筑和智能化建筑的逐漸出現(xiàn)并不斷更新?lián)Q代，電梯作為垂直運輸工具，受到了人們越來越多的青睞，與此同時，對電梯的要求也越來越高，遺傳算法作為電梯控制所運用的算法，必須不斷進行優(yōu)化與調(diào)整，這樣才能真正提高電梯的工作效率，本文結(jié)合實際，從遺傳算法的基本思想與特點、遺傳算法的產(chǎn)生和發(fā)展、遺傳算法在電梯中的應(yīng)用現(xiàn)狀等幾個方面進行了具體的剖析，并提出了一些自身的看法與建議。小清新：遺傳算法電梯控制應(yīng)用現(xiàn)狀智能建筑一、定義和綜述（一）遺傳算法的定義與核心思想遺傳算法開始于代表問題潛在解集的一個種群，這個種群中的每個個體叫做染色體，每個種群都是由一定數(shù)量基因編碼的染色體組成的，每一條染色體都是某個特征的實體。染色體是多個基因的集合，它是遺傳物質(zhì)最主要的載體，染色體的內(nèi)部表現(xiàn)也就是基因型是某種基因組合，這種基因組合控制著個體形狀的外部表現(xiàn)，比如人們的眼睛是藍色還是黑色，就是由染色體中控制著眼睛顏色特征的某種基因組合來決定的。所以我們不難看出，在一開始需要實現(xiàn)從表現(xiàn)型到基因型的映射（即編碼工作）。但是鑒于仿照基因編碼的工作異常復雜，人們通常要對其進行簡化，例如二進制碼。在初代種群產(chǎn)生后，便開始依照優(yōu)勝劣汰、適者生存的原則，逐代的進行演變與進化，不斷的產(chǎn)生更好的近似解。在這個過程中，根據(jù)問題域中個體的適應(yīng)度好壞還對個體進行挑選，而且借助自然遺傳學的遺傳算子進行組合交叉與變異，最后產(chǎn)生出代表新解集的種群。這個過程和自然進化是非常相似的，進化后的種群比進化前的種群對環(huán)境的適應(yīng)能力要強很多，其最后一代種群中的最優(yōu)個體經(jīng)過解碼，可以作為問題近似最優(yōu)解。遺傳算法運用了自然進化模型，如選擇、交叉、變異等。在計算開始時，一定數(shù)目N個個體（父個體1、父個體2、父個體3、父個體4?）即種群隨機地初始化，并計算每個個體的適應(yīng)度，第一代即初始代便產(chǎn)生了。如果不滿足優(yōu)化準則，開始產(chǎn)生新一代的計算，為了產(chǎn)生下一代，按照適應(yīng)度選擇個體，父代要求基因重組和基因交叉來產(chǎn)生子代。所有的子代按一定概率進行變異，然后子代的適應(yīng)度又被重新計算，子代被插入到種群中將父代取而代之，構(gòu)成新的代（子個體1、子個體2、子個體3、子個體4…）。這一過程循環(huán)進行，直到最終滿足優(yōu)化準則。（二）遺傳算法的特點我們知道，傳統(tǒng)的優(yōu)化方法主要有三種：啟發(fā)式算法、枚舉法與搜索算法。由于問題的的種類不同以及問題規(guī)模的不斷發(fā)展，這三種優(yōu)化方法的問題便明顯地凸顯了出來，這就要求人們必須找到一種能夠以有限的代價來解決搜索和優(yōu)化的通用方法，而遺傳算法正是人們找到的解決搜索與優(yōu)化的有效途徑，它和傳統(tǒng)的優(yōu)化方法相比有著很大的區(qū)別，這些區(qū)別主要表現(xiàn)在以下幾個方面：（1）自組織、自適應(yīng)和自學習性（智能性）。應(yīng)用遺傳算法求解問題時，在編碼方案、適應(yīng)度函數(shù)及遺傳算子確定后。算法將利用進化過程中獲得信息自行組織搜索。由于自然選擇的一般原則為“優(yōu)勝劣汰，適者生存”，這就使得適應(yīng)度高的個體獲得了較高的生存概率。一般情況下，適應(yīng)度大的個體的有著更加適應(yīng)環(huán)境的基因結(jié)構(gòu)，再通過基因重組和基因突變等遺傳操作，就可能產(chǎn)生對環(huán)境適應(yīng)能力更好的后代。進化算法的這種自組織、自適應(yīng)特征，使它同時具有自學習能力，遺傳算法具有發(fā)現(xiàn)環(huán)境特征和規(guī)律變化的能力。因此，利用遺傳算法的方法，我們可以解決那些復雜的非結(jié)構(gòu)化問題。（2）遺傳算法本質(zhì)并行性。遺傳算法按并行方式搜索一個種群數(shù)目的點，而不是單點。它的并行性表現(xiàn)在兩個方面，一是遺傳算法是內(nèi)在并行的，即遺傳算法本身非常適合大規(guī)模并行。最簡單的并行方式是讓幾百甚至數(shù)千臺計算機各自進行獨立種群的演化計算。運行過程中甚至不進行任何通信，等到運算結(jié)束時才通信比較，選取最佳個體。這種并行處理方式對并行系統(tǒng)結(jié)構(gòu)沒有什么限制和要求。二是遺傳算法的內(nèi)含并行性。由于遺傳算法采取種群的方式組織搜索，因而可同時搜索解區(qū)間內(nèi)的多個區(qū)域，并相互交流信息。使用這種搜索方式，雖然每次只執(zhí)行與種群規(guī)模n成比例的計算，但實質(zhì)上已進行了大約O（n3）次有效搜索，這就使遺傳算法能以較少的計算獲得較大的收法.rw.o二、遺傳算法的產(chǎn)生和發(fā)展現(xiàn)狀1950年，部分科學家開始探討如何將科學、進化的思想發(fā)展為工程問題的優(yōu)化工具，這就是最早遺傳算法的雛形階段。后人稱為“人工進化系統(tǒng)”研究。到1960年初，德國柏林工業(yè)大學的一些做風洞實驗的學者在不經(jīng)意發(fā)現(xiàn)使用生物變異的理念可以很容易的改變參數(shù)值，這就解決了用一般常用的方法很難優(yōu)化設(shè)計中所描述物體形狀的參數(shù)的世界難題，到1965年，位串編碼技術(shù)上述研究的基礎(chǔ)上又運用而生，這種編碼方式的重點是將交叉操作和變異操作能夠作為主要的遺傳操作；科研人員提出的這編碼方式不僅可以適用于交叉操作還可以適用變異操作當中去［5］。到1973年，世界遺傳算法技術(shù)已經(jīng)可以充分的運用到實際當中較好的解決建模問題，如今，在科研人員在不懈努力下，遺傳算法已經(jīng)發(fā)展的很成熟了?，F(xiàn)在的很多所謂的“遺傳算法”其實跟最初提出的遺傳算法已經(jīng)有很大區(qū)別，因為它們采用非常不同的遺傳基因表達方式，對特殊算子、交叉和變異算子的引用，以及對再生和選擇方法的采用都大有不同，但是它們與最初的提出的算法的共同點在于其靈感都來源于自然中的進化的思想。這些眾多的遺傳算法在各個領(lǐng)域都取得了巨大的成功，特別是在機器學習、過程控制、經(jīng)濟預測、工程優(yōu)化等領(lǐng)域，它的已引起了數(shù)學、物理學、化學、生物學、計算機科學、社會科學、經(jīng)濟學以及工程應(yīng)用等領(lǐng)域?qū)＜业臉O大興趣。本文主要把遺傳算法作為電梯群控的調(diào)度方法進行尋優(yōu)。三、遺傳算法在電梯中應(yīng)用現(xiàn)狀根據(jù)建筑物內(nèi)人群流動量，計算出合理的變化量并選擇最佳調(diào)度配置方案來對該建筑物多部電梯進行合理調(diào)配，這是電梯群控系統(tǒng)的主要目的。但在實際工作中，影響電梯群控系統(tǒng)合理調(diào)配的因素很多，歸納起來主要有以下三個方面，第一，“非線性、不確定性、外界擾動性、各信息來源完整性”是電梯群控系統(tǒng)的獨有特點，很顯然，電梯的群控系統(tǒng)內(nèi)部結(jié)構(gòu)很復雜。第二，電梯群控系統(tǒng)中所配置的派梯方案有很種，例如：電梯群控制器如果可以協(xié)調(diào)m部電梯，能夠分配到n個樓層，哪么就應(yīng)該有mn種派梯方法。最后，電梯系統(tǒng)管理者能夠主觀調(diào)配系統(tǒng)配置。這個因素是多種因素中最不確定的，遇到電梯繁忙時，管理者往往都希望能夠最大程度減少候梯平均時間或者節(jié)省能耗，所以，結(jié)合上述群控系統(tǒng)存在的諸多不確定因素，應(yīng)將遺傳算法充分的應(yīng)用到電梯的群控系統(tǒng)當中去。（一）遺傳算法在電梯群控系統(tǒng)中的應(yīng)用現(xiàn)狀遺傳算法在當今社會中的電梯群控系統(tǒng)里面發(fā)揮了特有的優(yōu)勢。電梯群控系統(tǒng)是一個復雜的體系，遺傳算法根據(jù)并行操作的原則，操作其目標函數(shù)和對參數(shù)的編碼，除系統(tǒng)本身之外，模擬人腦的辯證邏輯思維能力，根據(jù)環(huán)境自主學習，使問題簡化。在當前的電梯群控中，遺傳算法應(yīng)用較為普遍，主要針對以下情況：（1）電梯群控系統(tǒng)不確定性和不準確性因素較多。這些不確定因素導致派梯系統(tǒng)無法適應(yīng)環(huán)境的變化。遺傳算法針對于此，有力地克服其弊端，模擬人腦對環(huán)境及時作出反應(yīng)，在最優(yōu)的基因的組合上形成最優(yōu)派梯方案。（2）與傳統(tǒng)的尋優(yōu)方法不同的是，遺傳算法在電梯實際運行規(guī)律的基礎(chǔ)上建立數(shù)學模型，確定目標函數(shù)，只需要對參數(shù)編碼進行操作；變過去的確定性原則為概率轉(zhuǎn)變原則，通過優(yōu)勝劣汰方法選擇系統(tǒng)最優(yōu)的派梯。（3）該課題研究的電梯系統(tǒng)是一個非常復雜的系統(tǒng)，我們用遺傳算法作為電梯調(diào)度算法，只需要系統(tǒng)的目標函數(shù)，以及各個限制條件。對目標函數(shù)沒有嚴格的要求，不需要函數(shù)連續(xù)，也不需要函數(shù)可微。（二）遺傳算法優(yōu)化調(diào)度程序設(shè)計現(xiàn)狀由于電梯群控系統(tǒng)需要在運用遺傳算法搜索時搜到最優(yōu)解，可是新的呼梯信號隨時都有可能產(chǎn)生，其外在的狀況在不斷發(fā)生著變化，當前時刻搜索得最優(yōu)分配方案，當新的呼梯信號在這個過程中出現(xiàn)時，最優(yōu)方案也會隨之發(fā)生改變，電梯群控制系統(tǒng)會每隔一段時間，重新運用遺傳算法進行搜索，為所有未被響應(yīng)的層站呼梯信號分配服務(wù)電梯，使得電梯調(diào)度的狀態(tài)盡可能達到最佳。避免了因條件變故而導致原先分配不合理的現(xiàn)象產(chǎn)生。由于過去一直是派梯算法在分派呼梯時以逐個分派的形式出現(xiàn)，一個層站呼梯信號被分配給某臺電梯后決定了分配關(guān)系的誕生。后續(xù)新的層站呼梯信號產(chǎn)生時，之前的呼梯信號分配不會有任何改變。但新的層站呼梯信號和轎內(nèi)指令信號持續(xù)出現(xiàn)，導致原先的優(yōu)化條件存在被破壞的隱患，再加上上下乘客人數(shù)零散的隨機性、轎門開啟狀態(tài)過長等不確定因素，原來對開關(guān)門時間的預測與該梯實際?？亢蟀l(fā)生的開關(guān)門時間可能不一樣，故原來的分配關(guān)系需根據(jù)新的條件修正。采用遺傳算法優(yōu)化調(diào)度方法時，在調(diào)度算法的運行過程中，遺傳算法重新對所有未被響應(yīng)的層站呼梯信號進行分配方案的搜索，能根據(jù)電梯新的狀態(tài)來調(diào)整原來的分配方法，在多個層站呼梯時采用最好的派梯方法?？偨Y(jié)：電梯設(shè)計中采用的遺傳算法目前已經(jīng)演變成一個交叉學科，涉及多個知識領(lǐng)域，即要結(jié)合多種智控技術(shù)，又要將各個智控技術(shù)自身的神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊控制等多方面的因素有機結(jié)合，整個設(shè)計在整體化的同時，也需要對各個子系統(tǒng)進行模塊化的設(shè)計?？梢哉f，電梯控制智能化，根據(jù)各種不同控制功能的設(shè)計模塊化，是當今的潮流，也是以后將長時間維持的一個發(fā)展趨勢。文章來源——海內(nèi)論壇:參考文獻：[1]傅武軍，朱昌明，葉慶泰.多目標遺傳算法在電梯主動導輪系統(tǒng)集成優(yōu)化設(shè)計中的應(yīng)用[J].振動工程學報.2006,06:227-231.何萬里，李桂芝,錢偉懿.改進的遺傳算法在電梯群控中應(yīng)用[J].渤海大學學報.2007,03:46-