基于免疫粒子群混合优化算法的混合电梯群控系统新型派梯策略

粒子群算法（Particle Swarm Optimization, PSO）具有模型简单,收敛的快速性和在连续系统中应用的优势,但存在着进化的后期收敛速度变慢,易陷入局部值的缺点。人工免疫 (Artificial Immune, AI) 优化算法利用人工免疫系统抗体多样性的机理和克隆选择算子搜索抗体群,具有很强的全局寻优能力,可以弥补粒子群算法的缺点。结合这两种算法的优缺点,提出了免疫粒子群 (Immune PSO, IPSO) 混合优化算法,并应用于混合电梯群控系统中进行派梯优化,取得了良好的效果。与人工免疫优化算法、粒子群算法分别进行比较,显示出免疫粒子群混合优化算法在优化派梯方案的优越性。文章的结尾展望了今后工作的研究重点和发展趋势。     

基于图像采集的电梯控制粒子群算法研究

论文对以往的电梯派梯算法进行改进.在电梯信息采集模块中加入图像处理模块,来增加电梯呼梯信号的可信度.派梯算法模块中采用多目标粒子群优化算法,对电梯的耗能,乘客乘梯和候梯时间等几个目标进行优化.     

基于GA-RL算法的多Agent电梯群控系统

针对电梯群控系统这一类复杂的派梯优化决策问题,应用多Agent的理论与技术,建立了系统强化学习模型.提出了一种基于GA算法的多Agent强化学习方法,给出了具体算法的一般描述.建立电梯群控调度系统的虚拟仿真环境,并与其他算法进行了对比研究.仿真结果表明:该方法在提高强化学习的效率和收敛速度,改善种群结构等方面收到了很好的求解效果,为电梯群控系统的优化调度决策提供了一种较好的途径.     

基于改进粒子群算法优化电梯群控系统

给出的粒子群优化算法是一种群智能优化技术，利用群体和个体的智能行为来求解组合优化问题，并将多目标问题分别在粒子的各子种群中以内在并行的方式搜索多个非劣解，同时对各子种群粒子的适应度采用积分排序，较好地解决了电梯群控系统的多目标问题。充分弥补了传统方法解决多目标问题出现的不足。针对不同客流强度进行分析，分别得到不同平均的候梯时间和乘梯时间，结果表明采用此种改进的粒子群算法充分保证了算法的收敛速度和精度。     

改进遗传算法的电梯群控系统设计与实现

针对电梯群控系统控制目标的多样化,提出一种基于遗传算法的电梯群控系统.群控系统将多个目标函数进行加权组合,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搜索求解,得出最优派梯方案.为提高遗传算法的效率,在遗传操作过程中采用最优个体保存策略,同时采用一种交叉率和变异率能够随适应度自动改变的自适应算法,达到最优解的收敛速度,从而实现电梯群控系统的多目标优化控制.     

目的层预约的模糊神经网络电梯群控策略

根据目的层预约电梯系统的新型客流分配模式,分析并归纳出目的层预约情况下电梯群控系统的特征属性,提出一种多目标模糊神经网络电梯群控策略.把目的层预约电梯系统的特征属性作为多目标模糊神经网络的输入,建立并训练模糊神经网络,最后利用该模糊神经网络进行派梯计算.仿真试验证明该群控策略可得到满意的效果.与传统电梯群控策略以及其他目的层预约电梯群控策略的对比试验证明,该方法在提高电梯平均系统时间、长候梯率、长乘梯率及节约能耗等方面都体现出较好的性能优化效果,对高峰交通流模式下的电梯群控系统效果显著.     

基于知识的自适应电梯群控制策略

为获得更低的平均候梯时间和长候梯率,提出一种基于知识的自适应电梯群控制策略.该控制策略汇集了区域权重控制算法、电梯运行操作知识以及层站召唤再分配规则,基于自适应的长候梯时间阈值,对长候梯层站召唤执行再分配操作,凸现了电梯群控制策略对复杂电梯交通的自适应性.与经典THV算法、基于知识的区域权重控制算法、人工免疫动态优化算法比较,该方法能获得更低的平均候梯时间和长候梯率.同时,其自适应能力使得该控制策略更易于应用在实际电梯群控制系统中.     

基于多Agent的电梯智能群控系统

给出了基于Agent的多电梯智能群控系统结构,并对其中的状态协调Agent以及调度Agent进行了深入研究,在分析电梯乘客需求的随机性与周期性特点的基础上,给出了建立客流模板的学习算法.根据乘客的现实需求和预测得出的潜在需求对梯群预测调度,给出了选择客流模板的算法和基于乘客需求预测的最大引力派梯算法.该方法能够利用预测的乘客需求,尽量减小调度的滞后性,从而减少乘客的平均候梯时间及长时间等待率.仿真结果显示了该方法的优越性.     

基于FNN的电梯群控系统交通模式识别

对于电梯群控系统的调度来说,一个重要的问题就是电梯交通模式识别,针对实时变化的电梯交通流数据,提出了一种模糊神经网络的方法识别交通模式.实际数据测试结果表明,这种方法对于识别群控系统的各种交通模式来说是比较精确的,并且对于群控器的派梯可以起到很好的指导作用,从而提高电梯群控系统的服务性能.     

改进GA优化BP神经网络的电梯群控策略

在遗传算法优化BP神经网络的电梯群控系统基础上,利用遗传算法对候梯时间、乘梯时间、舒适度和运行能耗等评价函数进行搜索具有全局性的进化解,通过BP神经网络按照进化解权值进行寻优,从而获得全局最优解。为提高遗传算法的效率,在遗传操作过程中采用最优个体保存策略,同时采用了交叉率和变异率能够随适应度自动改变的自适应算法,提高了达到最优解的收敛速度。得出最优派梯方案,实现电梯的多目标优化调度。