background image

 

 

508 

 

T

min   

. .    

,

,

1, ,

x

i

c x

s t

Ax

b l

x

u

x

Z i

k

 

    " Î

=

L

≤ ≤

 

(1) 

式中,

n

c

Π,表示目标函数系数矩阵;

n

x

Π,表

示 决 策 变 量 , 决 策 变 量 的 前

个 值 取 整 数 ;

,

n

n

l

u

Î

Î

R

分别表示 取值的下、上界;

m n

A

´

ΠR

m

b

Π,表示约束函数的系数矩阵。  不失一般性,

对式

(1)中的参数不确定集做如下假设: 
假设 1

    是不确定参数。令

i

表示矩阵 的第

行元素中不确定性系数集,即首先确定 的第 

中有哪几列元素是不确定的,将这些列的系数构造成
一个集合。令

ij

a

% 表示矩阵 的第 行中不确定元素, 

i

j J

Î

,  定 义

ij

a

% 为 对 称 有 界 的 随 机 变 量 , 则

ˆ

ˆ

[

,

]

ij

ij

ij

ij

ij

a

a

a a

a

Î

-

+

%

ij

为标称量,  ˆ

ij

为扰动量。 

假设 2

    为不确定参数。与不确定参数 类似,

也可以给出

不确定元素的取值区间[ ,

]

j

j

j

c c

d

+

,即

j

表示不确定元素的标称值,

j

表示不确定元素相

对其标称值

j

的偏差。 

2.2  鲁棒离散优化问题的模型转化 (Model  Trans-

formation of RDO) 

定理 1

    考虑一个不确定线性离散优化问题(P): 

 

T

( ) min   

. .    

,  

,

,

1, ,

x

i

P

c x

s t

Ax

b l

x

u

x

Z i

k

 

      

 

  " Î

=

L

≤ ≤

  (2) 

各变量的定义符合定义

1 和假设 1, 2。则该问题

的鲁棒对等式

(P

*

)可表示成如下的优化问题

[6]

 

 

0

0

0

0

0

0

*

T

{ |

,| |

}

{

{ }|

,

,

\ }

( )  min  

max

|

|

         . .

max

ˆ

ˆ

|

| (

)

|

|

,

1

i

i

i

i

i

i

i

i

i

i

i

i

j

j

x

S S

J S

j S

ij

j

S

t S

J S

t J S

j

ij

j

i

i

it

t

i

j S

i

i

P

c x

d x

s t

a x

a x

a

x

b

l

x

u

x

Z

i

Í

G

Î

Í

= G

Î

ê ú

ë û

Î

"

ì

ü

+

í

ý

î

þ

 

  

+

ì

ü

            

+ G - G

ê ú

í

ý

ë û

î

þ

                

Π" =

å

å

å

U

≤ ≤

, , k

K

  (3) 

其中,目标函数中,

0

{ |

0}

j

J

j d

=

>

0

表示 内不

确 定 元 素 的 个 数 ,

0

0

[0,

]

J

G

Î

。 约 束 条 件 中 ,

ˆ

{ |

0}

i

ij

J

j a

=

>

i

表 示 不 确 定 元 素 的 个 数 ,

[0,

]

i

i

J

G

Î

i

G

ê ú

ë û 表示小于

i

G 的最大整数。 

定理 2

    RDO 模型转化定理。公式(3)所示的不

确定

RDO 问题,等价于下述确定性混合整数规划问

[6]

 

0

T

0

0

0

min

. .

i

j

j J

x

ij

j

i

i

ij

i

j

j J

c x z

p

s t

a x

z

p

b

i

G

G

Î

Î

    

+

+

     

+

+

    "

å

å

å

 

     

 

0

0

0

ˆ

0,

,

0

,

0,

0

1, ,

j

j

j

i

ij

ij

j

i

j

j

j

j

j

j

i

ij

j

i

i

z

p

d y

j J

z

p

a y

i

j J

y

x

y

j

l

x

u

j
i j J

p

i j

y

z

i

k

x

Z

+

" Î

+

" ¹

Î

-

"

 

"  
"

Î

 

" "

 

 

  =

Π 

K

 

(4) 

式中,

y z p

, , 为松弛变量。 

Bertsimas 理论最大的特点是鲁棒对等式的转化

不增加问题的求解复杂度,使得该理论更容易应用到
实际问题中。由于鲁棒对等式的等价式

(4)中引入了松

弛变量

, ,

y z p ,且取值是连续的,因此鲁棒离散优化

的对等问题是一个混合整数规划。

 

3  电梯群控调度问题的鲁棒离散优化模型

(RDO  Model  of  Elevator  Group  Scheduling 
Problem) 

针对第一节所述的电梯群控调度中存在的不确

定性问题,本文将电梯群控调度建模为一个不确定优
化问题。考虑当前和未来交通流状况,把交通流作为
不确定因素,结合

RDO 理论,确定其决策变量、不

确定参数集、目标函数以及约束函数,从而建立电梯
群控调度问题的

RDO 模型,继而进行模型转化。 

3.1  电 梯 群 控 鲁 棒 离 散 优 化 模 型 的 建 立   (RDO 

Model Setup) 

3.1.1   

模型变量与参数定义(Variable List of Model) 

为便于模型表达,按

4 部梯 16 层楼的电梯群控

系统配置,定义如下变量、参数:

 

m:  楼层数,  取

16

m

=

n:  电梯部数,  取

4

n

= ; 

Ui

: 当 前 时 刻 第 层 上 外 呼 乘 客 数 标 称 值 ,

1, 2, ,

1

i

m

=

-

L

ˆ

Ui

: 当 前 时 刻 第 层 上 外 呼 乘 客 扰 动 值 , 

ˆ

0,  

1, 2, ,

1

Ui

p

i

m

>

=

-

L

Dj

: 当 前 时 刻 第 层 下 外 呼 乘 客 数 标 称 值 ,

2,3, ,

j

m

=

L ; 

ˆ

Dj

: 当 前 时 刻 第 层 下 外 呼 乘 客 数 扰 动 值 ,

ˆ

0,  

2,3, ,

Dj

p

j

m

>

=

L ; 

Ui

:第 层上外呼数(不确定参数)

1, 2, ,

1

i

m

=

-

L

[

]

1

2

1

U

U

U

Um

P

P

P

P

-

=

L

:  

Dj

P

层下外呼数(不确定参数)

2,3, ,

j

m

=

L ; 

[

]

2

3

D

D

D

Dm

P

P

P

P

=

L

,

1, ,

1; 

1, , ;

1
0

Ui k

x

i

m

k

n

k

i

k

i

ìï

= í

ïî

=

-

=

L

L

,表示派第 部电梯响应第 层上外呼

,表示不派第 部梯响应第 层上外呼