摘要：電梯是高層建筑中垂直運(yùn)行的常見交通工具。為了提高多臺電梯運(yùn)行效率和服務(wù)質(zhì)量，采用優(yōu)質(zhì)的電梯群控系統(tǒng)，統(tǒng)一管理多臺電梯運(yùn)行是一個(gè)值得研究的問題。本文介紹了電梯群控系統(tǒng)中的一種控制算法即遺傳算法，通過四臺電梯的調(diào)度為背景，建立相應(yīng)的適應(yīng)度函數(shù)，采用遺傳算法實(shí)現(xiàn)電梯調(diào)度方案。仿真實(shí)驗(yàn)表明這種電梯調(diào)度方法是有效的。 關(guān)鍵詞: 電梯群控系統(tǒng); 遺傳算法; 適應(yīng)度函數(shù) [align=center]Design of Remote Elevator Monitory System ZHANG Jin-yang Chen Fei （Xinjiang Uygur Autonomous Region special equipment examination research institute，830000） 張金楊 陳飛 （新疆維吾爾自治區(qū)特種設(shè)備檢驗(yàn)研究院，830006）[/align] Abstract: The elevator is in the high-rise construction the vertical movement common transportation vehicle. In order to raise many elevator operating efficiency and the grade of service, uses the high quality elevator group control system, the global administration many elevators movement is the question which is worth studying. This article introduced in the elevator group control system‘s one kind of control algorithm is the genetic algorithm, through four elevator‘s dispatches is the background, establishes the corresponding sufficiency function, and uses the genetic algorithm to realize the elevator dispatch plan. The simulation experiment indicated that this elevator dispatch method is effective. Key words: elevator group control system; genetic algorithm; sufficiency function 1 引言 電梯作為垂直方向的交通工具，目前已經(jīng)得到了廣泛的運(yùn)用。由于高層建筑日益增多，高層大樓往往需要幾臺甚至幾十臺電梯來滿足乘客的需要。增加電梯數(shù)量雖然可以在一定程度上提高電梯的運(yùn)行效率，但電梯高效運(yùn)行的關(guān)鍵還在對客流的調(diào)度能力上。自電梯問世以來，從單梯運(yùn)行到雙梯并聯(lián)運(yùn)行，再到電梯群控系統(tǒng)運(yùn)行，已逐漸形成了電梯的交通配置理論。隨著電梯需求量的越來越大，電梯群調(diào)度系統(tǒng)的分析、設(shè)計(jì)、調(diào)度算法等問題也隨之越來越突出。而且由于系統(tǒng)本身具有隨機(jī)性和非線性、控制目標(biāo)多樣性，調(diào)度系統(tǒng)變得十分龐大，調(diào)度算法也越來越復(fù)雜。這就需要我們采用智能控制技術(shù)對電梯群控系統(tǒng)進(jìn)行有效地改進(jìn)和發(fā)展。 調(diào)度方法是電梯群控系統(tǒng)的核心，它直接影響到各臺電梯的運(yùn)行和電梯系統(tǒng)服務(wù)的優(yōu)劣。隨著人工智能理論的蓬勃發(fā)展，目前已產(chǎn)生了多種智能電梯調(diào)度方法，如基于模糊模型的電梯調(diào)度方法、基于專家的電梯調(diào)度方法、基于神經(jīng)網(wǎng)絡(luò)的電梯調(diào)度方法和基于遺傳算法的電梯調(diào)度方法。目前我國大多數(shù)是利用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)解決群控調(diào)度問題，而關(guān)于遺傳算法應(yīng)用到電梯群控理論是現(xiàn)在研究熱點(diǎn)。由于遺傳算法在搜索最優(yōu)解時(shí)具有搜索不依賴于梯度信息，在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程，算法簡單、通用、魯棒性強(qiáng)，適用于并行分布處理等特點(diǎn)，使它在電梯群控理論方面具有很大的應(yīng)用前景。 2 電梯群控系統(tǒng)遺傳算法操作 本算法將目標(biāo)優(yōu)化過程中搜索空間的參數(shù)或解轉(zhuǎn)化成遺傳空間中的染色體，一定數(shù)量的染色體構(gòu)成初始種群。根據(jù)目標(biāo)優(yōu)化函數(shù)構(gòu)建適應(yīng)度函數(shù)，同時(shí)計(jì)算每一個(gè)染色體的適應(yīng)度函數(shù)值，然后根據(jù)適應(yīng)度函數(shù)值進(jìn)行選擇染色體，按照一定的概率進(jìn)行交叉和變異操作，產(chǎn)生新的染色體，形成下一代種群，繼續(xù)上述操作，直到搜索到最優(yōu)解或者進(jìn)化足夠多的代數(shù)。 考慮到電梯群控制系統(tǒng)的實(shí)時(shí)性，在每次調(diào)用遺傳算法進(jìn)行搜索時(shí)，只在有限時(shí)間內(nèi)進(jìn)行若千次搜索，而不是每次都求得收斂值。這樣雖然每次得到的不是最優(yōu)值，但考慮到電梯群控制系統(tǒng)的隨機(jī)性，最優(yōu)值并沒有太大的意義，因?yàn)樾聦诱竞籼菪盘栯S時(shí)產(chǎn)生，其它外部條件也可能隨時(shí)變化，即使在當(dāng)前時(shí)刻搜索得最優(yōu)分配方案，在新的條件下很可能不再是最優(yōu)方案。當(dāng)系統(tǒng)沒有新的層站梯信號產(chǎn)生時(shí)，梯群控制系統(tǒng)每隔一定的時(shí)間，就根據(jù)當(dāng)前系統(tǒng)狀態(tài)，重新調(diào)用遺傳算法進(jìn)行搜索，為所有未被響應(yīng)的層站呼梯信號分配服務(wù)梯。遺傳算法操作總流程圖如圖1所示。 [align=center] 圖1遺傳算法操作總流程圖[/align] 本設(shè)計(jì)中染色體采用整數(shù)二進(jìn)制編碼，編碼的對象為電梯編號，電梯數(shù)為4臺，因此對電梯1-4編碼分別為:00, 01, 10, 11。電梯系統(tǒng)的每一個(gè)未分配外呼信號對應(yīng)一個(gè)2位的二進(jìn)制數(shù)表達(dá)，表示該外呼信號由編碼值對應(yīng)的電梯前往響應(yīng)。染色體長度為當(dāng)前未被響應(yīng)的層站呼梯信號個(gè)數(shù)的2倍，即采用了變長染色體，長度隨層站呼梯信號個(gè)數(shù)變化。這樣做有兩個(gè)優(yōu)點(diǎn):一是不必一直取較長染色體，減少計(jì)算量;二是不會產(chǎn)生無效解。在每次優(yōu)化時(shí)，如果有M個(gè)未被響應(yīng)的層站呼梯信號，染色體就用一個(gè)長度為2m的整數(shù)碼串來表示。一個(gè)染色體表示群控系統(tǒng)對當(dāng)前外呼信號的一種派梯方案。 以4臺15層站電梯為例，用一個(gè)數(shù)組C[0...27]記錄分配的層站呼梯信號編號，將1至14層上呼分別記為0-13, 2至15層下呼分別記為14—27。 如果C[0]至C[5]的值分別為1, 6, 12, 18, 19, 26，具體表示為2層、7層、13層有上呼，6層、7層、14層有下呼，對應(yīng)于編碼為341232的染色體。 3 適應(yīng)度函數(shù)設(shè)計(jì) 遺傳算法在搜索進(jìn)化過程中一般不需要其它外部信息，僅用評價(jià)函數(shù)值來評價(jià)個(gè)體或解的優(yōu)劣，并作為以后遺傳操作的依據(jù)。要注意的是評價(jià)函數(shù)和適應(yīng)度函數(shù)不是一個(gè)概念。評價(jià)函數(shù)指的是優(yōu)化問題的目標(biāo)函數(shù)，用遺傳算法進(jìn)行優(yōu)化的過程就是對評價(jià)函數(shù)求極值的問題。而適應(yīng)度函數(shù)是為了便于比較個(gè)體的大小及選擇、交叉、變異操作而將評價(jià)函數(shù)作映射而成的函數(shù)。適應(yīng)度函數(shù)值稱為適應(yīng)度（fitness），適應(yīng)度函數(shù)表明個(gè)體對環(huán)境適應(yīng)能力的強(qiáng)弱，遺傳算法在進(jìn)化搜索中依靠適應(yīng)度函數(shù)值的大小來區(qū)分每個(gè)個(gè)體的優(yōu)劣，適應(yīng)度值大的個(gè)體將有更多的機(jī)會繁衍下一代。適應(yīng)度函數(shù)評估是選擇操作的依據(jù)，在具體應(yīng)用中，適應(yīng)度函數(shù)的設(shè)計(jì)須結(jié)合求解問題的要求。一般情況下，可以由求解問題的目標(biāo)函數(shù)派生得到。 本文以4臺電梯群控為研究對象,則構(gòu)造適應(yīng)度函數(shù): （3）式中a決定了選擇的強(qiáng)制性，a越小，原有適應(yīng)度較高的個(gè)體的新適應(yīng)度就越與其它個(gè)體的新適應(yīng)度相差較大，亦就增加了選擇該個(gè)體的強(qiáng)制性。 4 遺傳算法派梯仿真 為測試群控算法的性能，采用MATLAB實(shí)現(xiàn)基于遺傳算法的電梯群控系統(tǒng)派梯的虛擬仿真，仿真實(shí)驗(yàn)中設(shè)定群控系統(tǒng)電梯配置參數(shù)如下:群控系統(tǒng)為4臺15層站電梯，速度為2米/秒，加速度1. 5米/秒2，開門時(shí)間1. 5秒，關(guān)門時(shí)間3秒，建筑物樓層高度為3米。為了測試派梯算法需要，隨機(jī)產(chǎn)生繁重層間交通流，以下仿真是在此系統(tǒng)參數(shù)和交通流下進(jìn)行的。 [align=center] 圖2基于遺傳算法派梯算法電梯運(yùn)行曲線圖[/align] 從圖2中可以看出在多數(shù)情況下各部電梯在各樓層間的分布比較均勻，未發(fā)生聚群現(xiàn)象，上行和下行電梯數(shù)較均勻，這種交通模式下是合理的。 5 結(jié) 語 本文提出了基于遺傳算法的電梯群控系統(tǒng)的調(diào)度方法,可以對多臺電梯服務(wù)系的進(jìn)行優(yōu)化派梯,以提高系統(tǒng)的整體服務(wù)性能，從而獲得較優(yōu)的派梯結(jié)果。 參考文獻(xiàn) 1、周明，孫樹棟.遺傳算法原理及應(yīng)用[M] .北京:國防工業(yè)出版社，2003. 2、Atsuya Fujino, Toshimitsu Tobita, et al. An elevator group control system with floor-attribute control method and system optimization using genetic algorithms[J]. IEEE Trans. On IndustrialElectronics,1997,44（4）:1502-1507. 3、王小平，曹立明.遺傳算法[M].西安:西安交通大學(xué)出版社，2005. 聯(lián)系電話：0991-5853331轉(zhuǎn)8308 地址：烏魯木齊市長江路棉花街9號 單位：新疆特種設(shè)備檢驗(yàn)研究院