同的权重，以此来优化派梯。本文把ＷＴ、ＰＬ、ＲＮＣ

的规则映射到神经网络中，利用网络的学习功能选

择最佳合适的电梯。

２性能指标评价函数

评价电梯群控系统性能的指标有多种…，本文

基于满足乘客候梯和乘梯过程中心理和生理需要，

减少电梯群控系统在运行中的能源消耗，重点考虑

了以下三个优化指标：

２．１候梯时间

位于某一楼层的乘客从按下外呼信号起，到电

梯到达该楼层响应呼梯信号的这段时间称为候梯时

间，可以通过该电梯的速度、开关门时间、进出乘

客数、内指令信号状态和已分配的外呼信号状态来

预估计。设胛表示第ｋ台电梯响应所分配外呼信

号时的乘客候梯时间，因此电梯ｋ响应所分配的外

呼信号产生的候梯时间评价函数为：

ｆ（ｗｒ）＝ｅｍ０００７７一

（１）

３

神经网络与遗传算法的融合

神经网络用于群控系统，采用多层神经网络模

型门】，当采用ＢＰ算法时，由于需要提供训练信息对

网络进行训练，对象电梯群控这样的时变系统训练

难以达到理想精度。此外，由于ＢＰ算法采用梯度法

难免出现局部极小问题，为此本文采用遗传算法学

习神经网络的连接权，能有效地克服上述缺点。

３．Ｉ

算法基本结构

本算法基于ＢＰ神经网络结构“１，将网络分为４

层：输入层、逻辑推理层、单输出层、总输出层即

评价函数层。每个神经元直接接受前一层神经元的

输出。层站呼唤分配部分把新的层站信号分配给合

适的电梯，在分配时要考虑乘客所在楼层以及电梯

运行状态等信息。贝ｗＴ）、ｆ（ｅｔ）、ｆ（ＲＮＣ）的计算需用

到最新呼叫的候梯时间（嬲ｒ）、此时的轿内容量

（ＣＶ）、呼梯信号所在楼层到电梯的距离（ＣＤ）这

些参数，相互间网络关系如图Ｉ所示。

２．２轿内乘客数

这是对乘客舒适度的评价函数．在派梯时，当两

台电梯有相同的候梯时间时，这时要考虑的则是轿

内乘客数，轿内乘客数不仅决定了候梯时间，而且

更大程度上反映了乘客的舒适度，定义轿内乘客少

的评价函数为：

图Ｉ

混合算法网络结构图

ｆ（ＰＬ）＝ｅ－０．０１５ＰＬ２（‘’

（２）

其中Ｐｔ（ｉ）为第ｆ台电梯轿厢内人数。

２．３

运行次数∞１

运行次数即停站次数，直接决定了系统的能量

消耗，据统计在上、下班等客流高峰期间，响应一

个呼梯信号，停站平均不到一次，由此定义停站次

数少函数：

厂（ｍ旧＝ｅ－Ｏ．２舢２（‘’

（３）

其中彤眄（ｊ）为第ｆ台电梯的停站次数。

综合考虑以上三个评价指标提出总的评价函

数：

Ｆ＝％×厂（㈣＋呒×ｆ（ＰＬ）＋职×ｆ（ＲＮＣ）

（４）

其中，矾、％、％为加权因子，其值越大，表示

对相应因素重视程度越高，；根据侧重点不同取值。

Ｆｉｇ．１ Ｂｌｅｎｄｉｎｇ ａｌｇｏｒｉｔｈｍ Ｂａｓｉｃ ｓｔｒｕｃｔｕｒｅ

各层输入函数和输出函数选取如下：

输入层到推理层：

Ｍ（２）＝ＨＷＴｘｕＩ，＋ＣＶｘｕ２Ｉ＋ＣＤｘｕ３，（５）

推理层到单输出层：

４

／（哪＝∑Ｖ．／／Ｍ（２）

ｊ＝ｌ

４

ｆ（ＰＬ）＝∑％Ｍ（２）

ｊ＝ｌ

４

ｆ（ＲＮＣ）＝＞＂ｙｊｉＮｊ（２）

』＝ｌ

单输出层到评价函数层：

Ｆ＝彬×厂（阿７’）＋％×ｆ（ＰＬ）＋呢×ｆ（ＲＮＣ）

式中

ｕｊｒ－－输入层到逻辑推理层的加权阵

吩广一逻辑推理层到单输出层的加权阵

（６）