3.2遗传算法优化神经罱结权值的过程
神经网络控制瞎由一个多层前向网络构成.为
了用遗传算法学习整定前向网络的连接权,首先将
阿络各连接权编码构成二进制字符串形式…,下面
蛤出相关步骤:
”随机产生一组二进制字符串.每一个串表示
阿络连接权的一个集合,字符串与实际权值满足式
(9)戈幕.其中6圻是字符串所表示的二进制整数
值.IW~(ij.I).w响(ij,01为权的变化范围,
w(i,j.t)=%。(LJ,t)+≤芝f¨o(f小★)一%舢J.t)l(9)
o—l
2)通过运行网络来评价网络的性能,由式(10)
的概率值来评价选择孵络个体。
只=∥/∑爿
(IoJ
其中上‘为二进制码袁示的个体i的适度值
3)对选择网络预先确定的概率僮P…P进行
空叉、变异遗传算法,产生下一代阿络。
4)重复(2 J、(3)阿步操作.直到附络被遗传
算法优化.并达到所要求的性能为Jh;遗传算法最
终能搜索到满足要求的权值为止.这是因为突然变
异赋予丁遗传算法全局收敛性能。固2给垲了iJiI练
权值的流程。
f
开蚰
7结啦
圈2投值训练ii{c程圈
Fig 2
Rowcbarz
ofconnect=d weight training
4程序设计与仿真分析
本设计使用面向对象的编程语言Visual
Basic
编制.屯梯群棺系统的仿真程序由三大部分组成,
分别包括:程序初始化;客流产生设置;电梯运行
仿真,模拟运行主羿猫如图3所示。此外还有建筑
物和电梯参数设置、客流产生初值殴置、电梯初始
停梯设置和模拟运行结果四个辅助界面与之连接。
魁3模拟运行界面
Fig 3
Dynamic
simulative experimental model
模拟运行环境的参数设置:楼层数N=14.电梯
台数m=4。颓定载荷w=1000kg(15人).电梯额定速度
v=1
7m/s.乘客到达人数设为70人,开门时间为
2
5s。关门时问为4s.加减速度为2rots2,乘客出入电
梯时间为I
2s。交通{氚分巾设定为:基站到其它楼
层30%;其它楼层到基站30%;再层之同40%。
在上述相同的交通流初始设置下.分别用混台
算法和神经网络进行模拟运行.图5和圈6示出了
模拟仿真运行的结果,通过仿真结果可以看出采用
混台算法的照长候梯时间鞍神经网络明最减少.这
是由J一引入了碴传算法对投值进行搜索,明显加快
了训练权值的速度.并且消除了不能实理全局最优
的弊端。但是小于其算洼复杂.平均候梯时间要比
单独用遗传算法.神经网络蟹相对长一些.但从平
均轿腥容量来看.明显比采用单一算法要小.增加
了乘客的舒适度。总的束说.这种混台算法对于电
梯进行调度珏是有效和可行的。