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。