基于蚁群算法的电梯群控系统节能策略的优化研究

电梯群控系统的目标是分配电梯服务以满足各层客户的呼叫需求,属典型的组合优化问题,而蚁群算法常用于解决离散组合优化问题．其良好的全局优化能力与快速收敛特性适合于电梯群控．然而当前的调度算法主要集中在减少乘客的等待和乘坐时间上,却忽略了电梯群的耗能问题．为实现节能的目标,建立了能量目标函数和电梯群控系统的蚁群模型,并给出了优化方案和收敛的算法．模拟结果证明了算法的有效性．     

基于蚁群算法的电梯群控系统控制器设计

随着社会的进步,电梯数量的不断上升,如何让电梯的运行变得更加有效成了一个亟待解决的课题。基于CAN总线和蚁群算法,将建筑物的楼层、电梯总体数量、乘客等候的时间以及电梯的载荷等重要指标融为一体,提出了一种新的针对电梯控制的操作系统,为下一步深入研究对电梯的控制打下良好的基础。     

电梯群控系统调度算法的研究

本文主要介绍了基于专家系统的算法,基于模糊控制的算法,基于神经网络系统算法以及遗传算法在电梯群控系统中的应用.     

基于CANBUS的电梯群控系统的算法与实现

为了满足高层建筑和智能化建筑的需要,在研究电梯群控系统运行特点的基础上,提出了多目标的电梯群控系统算法.采用最优化理论的分析方法,分析电梯群控模型及调度策略,以及最大限度地降低系统能耗的群控系统,并基于CAN总线的技术特点,给出了群控系统的实现方案,对电梯群控理论的研究有一定的促进作用.     

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。     

一类电梯群控系统多目标优化调度策略

针对高层建筑时变的交通状况, 提出一种基于改进的遗传算法的电梯群优化调度策略. 通过将传统的遗传算法进行改造, 采用了最优个体保存策略, 以避免传统遗传算法的早熟现象, 得到全局最优个体, 克服了传统遗传算法的固有弱点,同时加快了传统遗传算法的收敛速度, 进而获取电梯群控调度的优化解,算例及仿真结果表明了该方法的有效性.     

基于能耗分析器的电梯群控仿真平台

电梯群控系统是现代楼宇系统中不可或缺的组成部分,其核心是群控调度算法.调度算法性能的验证与评价需要一个仿真平台来实现.而现有的电梯群控仿真平台并没有考虑各算法的节能性能.本文对电梯能耗进行了分析建模,建立了基于能耗分析器的电梯群控仿真平台,该平台可准确计算各算法的能耗并以表格、曲线等多种形式表示,评价各算法的节能效果,为设计面向节能的调度算法提供支持.     

基于SVM的电梯群控系统交通流模式识别

针对电梯群控调度中的交通流模式识别问题,提出了一种基于多值分类支持向量机的电梯交通流模式识别方法．文中介绍了电梯交通流模式识别的设计流程,并建立了相应的电梯交通流模式识别器．结果表明,基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式．通过对比试验,证明了该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,具有一定的实用价值.     

基于模糊控制的群控电梯调度算法研究

在分析模糊综合评判决策的数学基础上,针对大多数的群控系统采用单一评价指标的厅层呼叫方式来调度电梯,建立了多目标模糊控制的数学模型。对电梯群控系统的输入量进行分析计算,选择合适的隶属函数,提出了基于多个评价指标的模糊综合评判群控算法。在不同的交通模式下对评价指标赋予不同的权重,并对综合评价函数进行计算,通过模糊推理得到合适的派梯结果,达到使乘客满意并节约能耗的目的。对所提出的群控算法进行了仿真分析。     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次.针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解.应用实例与算法比较验证了优化模型与求解算法的有效性.     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

基于蚁群算法的FMS工艺路线的优化配置

柔性制造系统在工业发展中的作用越来越大,而如何使柔性制造系统发挥最大的功效则是现阶段面临的一个主要问题。文章基于蚁群思想,提出了一种融合网格法的蚁群算法来求解柔性制造系统工艺路线优化配置的方法。算例结果证明,该算法能使系统设备工作负荷达到均衡,从而提高系统工作效率。     

基于蚁群算法的船舶过闸计划优化模型

针对船舶过闸计划生成的难题,提出了基于蚁群算法的船舶过闸计划生成方案,建立了船舶过闸排档问题的优化模型(包括目标函数和约束条件),给出了基于蚁群算法的船舶排档问题求解算法和船舶过闸排档计划生成的蚁群算法的构造过程,包括信息素策略、概率转移策略、约束条件的处理和算法步骤.依据该算法并结合三峡南线船闸的实际调度数据,给出了实验结果,证明船舶过闸计划生成方案是有效的.     

基于非等值初始量蚁群算法的矩形优化排料

为提高矩形排料的板材利用率并节约求解时间,提出了非等值初始量蚁群算法,并应用于矩形优化排料问题。在蚁群算法初始信息素量赋值过程中引入矩形面积和长宽比因素以增大各矩形初始信息素的差别,加快算法收敛速度;同时对传统蚁群算法的信息素更新规则作适当改变,以便于信息素快速更新,缩短求解时间。采用改进的最低水平线法作为排料方法,能充分利用已产生的闲置区域,减少板材浪费。对比实验的结果表明,与传统蚁群算法和其他几种典型算法相比,本文算法能进一步提高板材利用率,且求解时间较短。     

基于蚁群算法的粗糙集知识约简

给出了一种新的粗糙集知识约简方法,即结合粗糙集理论的依赖度定义,先给出知识约简转化定理,然后运用一种改进型蚁群算法,采用局部和全局搜索相结合的方法,对知识表达系统进行约简.同时,在适值函数中引入罚函数,从而保证所求的约简在包含最少而非零个属性的基础上有较大的依赖度.通过Matlab计算实例可看出,本文算法对求解知识约简问题快速有效.