异
Ζ 同时在层间交通模式下用户对电梯的使用要求是多样的
,
不仅集中于减少平均等待时间
,
还可能要求
减少乘梯时间
,
减少轿厢内的拥挤度
,
而且某些重要楼层会提出比其它楼层优先服务的特殊服务要求
[ 8 ]
Ζ
本文针对上述问题提出了一种适用于繁重层间交通模式采用遗传算法优化派梯方案的多目标调度方
法
Ζ
2 多目标调度策略的提出
在繁重层间交通模式下
,
如果允许所有楼层都提出“要求比其它楼层更少的等待时间”等特殊服务要
求时必然会影响系统的性能
,
从而不能体现用户的特殊服务的优先权
Ζ 在本文所提出的派梯算法中只允许
部分楼层提出特殊要求
Ζ
为实现上述控制目标
,
以等待时间、轿厢内拥挤度、乘梯时间等优先服务要求
,
则对于电梯
i,
其响应所
有分派给它的呼梯的评价函数可以表达为
5
i
=
6
h
j
= 1
k
(j )
tw
gØ
f
tw
( tw
ij
,
∃
tw
ij
) +
6
h
j
= 1
k
(j )
tr
gØ
f
tr
( tr
ij
,
∃
tr
ij
) +
6
h
j
= 1
k
(j )
w r
f
w r
(w r
ij
)
(1)
式中
, 1
Φ
i
Φ
n, 0
Φ
j
Φ
h , n
为电梯部数
, h
为楼层高度
,
5
i
是派梯方案中分派给电梯
i
的呼梯的评价值
Ζ
k
(j )
tw
, k
(j )
tr
, k
(j )
w r
分别为楼层
j
等待时间权系数
,
乘梯时间权系数
,
拥挤度权系数
Ζ当楼层
j
为有等待时间特
殊要求的楼层时其值由用户确定
,
各控制目标的权系数体现各控制目标的相对重要性
Ζ
f
tw
, f
tr
, f
w r
分别为等待时间估算函数
,
乘梯时间估算函数
,
轿厢拥挤度估算函数
Ζ 对于当前的派梯方案
的评价函数为
5
e
= [
5
1
,
5
2
,
…
,
5
n
] =
6
n
i
= 1
5
i
(2)
3 基于遗传算法动态优化的电梯调度方法
为实现在多目标要求下动态优化派梯方案
,
实现电梯的多目标最优调度
,
采用基于遗传算法的动态优
化方法优化呼梯分配方案
Ζ 遗传算法是一种求解问题的高效并行全局搜索方法
,
在有多个呼梯的情况下可
搜索到最优派梯方案
,
而传统的派梯算法在分派呼梯时总是逐个分派
,
串行处理
,
不能满足实现多目标最
优调度的要求
Ζ 但是遗传算法的计算量较大
,
为保证采用遗传算法优化派梯的实时性
,
需要对遗传算法进
行速度测试
,
在启动遗传算法搜索最优派梯方案时每次在速度允许范围内进行若干代搜索即停止搜索
,
按
照最优个体派梯
,
这样虽然搜索到最优解的概率很小
,
但是当群控系统在遗传算法寻优结束并按照最优个
体派梯后
,
若有新的外呼梯产生
,
则重新搜索最优派梯方案
;
若没有新的呼梯产生
,
则派梯算法可在现有派
梯方案的基础上继续调用遗传算法搜索最优派梯方案
Ζ 在进行适用于优化电梯调度的遗传算法设计时主
要解决以下问题
Ζ
图
1
1)
编码 根据派梯算法需要采用整数编码
,
与二进制
编码相比采用整数编码能够直观表示呼梯的分配情况
,
便于
判断新产生的呼梯分配方案是否合理
,
同时在遗传操作中避
免非法电梯号的产生
,
简化了编码和译码环节
Ζ 外呼梯在染
色体中的排列顺序
,
采用按照空间顺序和呼梯方向排列、编
码
Ζ 设群控系统有
5
部电梯
,
电梯号
0- 4,
有
6
个外呼梯
,
染
色体如图所示
,
染色体长度为当前等待分配的外呼梯的个
数
Ζ
2)
初始群体生成 由于在初始群体生成时依据专家知
识产生一部分较优个体能够加快搜索
[ 9 ]
,
所以依据专家规则产生一部分个体
,
随机产生一部分个体作为初
始群体
Ζ
3)
适应度函数设计 遗传算法在进化搜索中是依靠适应度函数值的大小来区分每个个体的优劣的
,
0
3
1
系统工程理论与实践
2001
年
11
月
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.