基于人工免疫算法的电梯交通动态分区计算

提出了一种用人工免疫算法实现电梯高峰客流期间动态分区计算的新方法,文中阐述了人工免疫系统的原理,深入剖析了电梯交通的动态分区模型,设计了动态分区模型的人工免疫算法,该算法具有快速收敛性,能够较快地找到电梯交通的最优分区或者次最优分区,有利于提高电梯交通动态分区的实时性,仿真结果表明了该算法的实用性。     

基于人工免疫聚类算法的电梯交通流分析

采用人工免疫聚类算法对某大楼一周内的电梯交通流进行了分析．利用人工免疫算法的免疫激励和免疫抑制机制，对电梯交通的5分钟原始客流数据进行压缩，得到了特点鲜明的电梯交通流人工免疫记忆数据集．以最小支撑树为工具，采用最短距离法对记忆数据集进行分类，所得结果清晰地体现了电梯交通流的实际特性．该算法为电梯群的控制与调度提供了有力的理论支持．     

人工免疫算法在电梯客流时段划分的应用

基于人工免疫数据聚类分析算法在电梯客流交通时段自动划分中的具体应用和分析.实例分析表明,该算法可以有效减少聚类数据的冗余信息,特别适合于解决分级聚类等传统方法不适应的大数据量聚类问题,对解决电梯客流交通时段的自动划分等数据聚类问题是可行的和有效的.     

基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.     

一种集成智能的电梯群控技术

针对当前出现的多种电梯群控算法的不足,本文简要介绍了基于人工智能（Artificial Intelligence）的思想及其集成控制方法,以满足电梯客流动态随机性的要求。这种集成控制可对电梯交通模式进行识别和智能预测,从而大大减少乘客候梯时间和能量消耗．并设计了程序仿真电梯调度方法。     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.     

用改进的人工免疫算法设计时滞滤波器系统

为了改善闭环系统的动态性能,设计了含有时滞滤波器的闭环系统.首先,描述了一类含时滞滤波器的闭环系统的数学模型;其次,提出了用改进的人工免疫算法优化闭环系统参数的方法;最后,进行了仿真.仿真结果表明,用改进的人工免疫算法寻找最优闭环系统,与基本的遗传算法相比,闭环系统有更好动态性能.     

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.     

网络化运营的城市轨道交通枢纽站衔接调度研究

针对目前城市轨道交通初步网络化运营换乘时间费用较长的问题,从换乘等待时间费用最小角度出发,对城市轨道交通各线路在客流低、中及高峰时期发车时间进行优化,建立城市轨道交通枢纽站衔接调度优化模型,并设计遗传算法对该模型进行求解,通过多次仿真运算,结果分析表明该模型及算法的有效性和实用性.     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

基于人工免疫和FARIMA模型的流量预测方法研究

针对Internet迅速发展而造成的网络拥塞现象,基于人工免疫算法与FARIMA模型提出了一种新的流量预测方法PAIF(Prediction method based on Artificial Immune and FA-RIMA).该方法首先利用人工免疫算法建立了预测策略,并结合FARIMA模型预测结果进行融合,以此提高预测精度.其次,以实际数据进行仿真实验,深入研究了影响PAIF预测误差的因素,同时对比分析了单独使用FARIMA模型的情况.实验结果表明,PPAIF具有较好的适应性.     

电梯乘客O-D矩阵推算问题的遗传算法

根据电梯交通实测数据,依据极大熵原理,建立了乘客O-D矩阵推算模型.为了求解此模型,提出了一种有效的遗传算法.结合该问题的特定领域知识,设计了乘客O-D矩阵推算问题的矩阵编码方法,根据该编码的初始化方法能保证初始种群的可行性.针对矩阵编码提出了特殊交叉算子和变异算子,以保证生成有效的新个体.通过计算实例验证了该求解算法的有效性.     

基于电梯交通实测数据的乘客O-D矩阵推算

针对简要的统计数据建立电梯交通模型的不足,提出了基于电梯交通实测数据的O-D矩阵推算方法.该方法是将极大熵原理应用于电梯交通,建立极大熵模型,并根据整数推定算法产生乘客O-D矩阵,最后给出了计算实例.     

基于广义离散事件动态系统的多路口智能交通流量控制

在传统意义上的离散事件动态系统中事件定义的基础上,提出了广义离散事件动态系统的思想.通过对事件属性划分的动态调节,使事件的辨识条理化.对公路交通中的多路口流量建模,并进行了分析.基于广义离散事件动态系统的调度思想,利用人工代谢算法对交通流量进行了控制分析.分析结果表明:广义离散事件动态系统能对系统的状态进行进一步的细化.人工代谢算法与该系统相配合,通过代谢算子的调节能较快地实现整个系统负荷均衡,能对流量的变化进行自适应调节.