摘要：電梯是高層建筑中垂直運行的常見交通工具。為了提高多臺電梯運行效率和服務質量，采用優(yōu)質的電梯群控系統，統一管理多臺電梯運行是一個值得研究的問題。本文介紹了電梯群控系統中的一種控制算法即遺傳算法，通過四臺電梯的調度為背景，建立相應的適應度函數，采用遺傳算法實現電梯調度方案。仿真實驗表明這種電梯調度方法是有效的。 關鍵詞: 電梯群控系統; 遺傳算法; 適應度函數 [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)特種設備檢驗研究院，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，目前已經得到了廣泛的運用。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。增加電梯數量雖然可以在一定程度上提高電梯的運行效率，但電梯高效運行的關鍵還在對客流的調度能力上。自電梯問世以來，從單梯運行到雙梯并聯運行，再到電梯群控系統運行，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，電梯群調度系統的分析、設計、調度算法等問題也隨之越來越突出。而且由于系統本身具有隨機性和非線性、控制目標多樣性，調度系統變得十分龐大，調度算法也越來越復雜。這就需要我們采用智能控制技術對電梯群控系統進行有效地改進和發(fā)展。 調度方法是電梯群控系統的核心，它直接影響到各臺電梯的運行和電梯系統服務的優(yōu)劣。隨著人工智能理論的蓬勃發(fā)展，目前已產生了多種智能電梯調度方法，如基于模糊模型的電梯調度方法、基于專家的電梯調度方法、基于神經網絡的電梯調度方法和基于遺傳算法的電梯調度方法。目前我國大多數是利用模糊神經網絡技術解決群控調度問題，而關于遺傳算法應用到電梯群控理論是現在研究熱點。由于遺傳算法在搜索最優(yōu)解時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搜索空間的知識，并自適應地控制搜索過程，算法簡單、通用、魯棒性強，適用于并行分布處理等特點，使它在電梯群控理論方面具有很大的應用前景。 2 電梯群控系統遺傳算法操作 本算法將目標優(yōu)化過程中搜索空間的參數或解轉化成遺傳空間中的染色體，一定數量的染色體構成初始種群。根據目標優(yōu)化函數構建適應度函數，同時計算每一個染色體的適應度函數值，然后根據適應度函數值進行選擇染色體，按照一定的概率進行交叉和變異操作，產生新的染色體，形成下一代種群，繼續(xù)上述操作，直到搜索到最優(yōu)解或者進化足夠多的代數。 考慮到電梯群控制系統的實時性，在每次調用遺傳算法進行搜索時，只在有限時間內進行若千次搜索，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的隨機性，最優(yōu)值并沒有太大的意義，因為新層站呼梯信號隨時產生，其它外部條件也可能隨時變化，即使在當前時刻搜索得最優(yōu)分配方案，在新的條件下很可能不再是最優(yōu)方案。當系統沒有新的層站梯信號產生時，梯群控制系統每隔一定的時間，就根據當前系統狀態(tài)，重新調用遺傳算法進行搜索，為所有未被響應的層站呼梯信號分配服務梯。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] 本設計中染色體采用整數二進制編碼，編碼的對象為電梯編號，電梯數為4臺，因此對電梯1-4編碼分別為:00, 01, 10, 11。電梯系統的每一個未分配外呼信號對應一個2位的二進制數表達，表示該外呼信號由編碼值對應的電梯前往響應。染色體長度為當前未被響應的層站呼梯信號個數的2倍，即采用了變長染色體，長度隨層站呼梯信號個數變化。這樣做有兩個優(yōu)點:一是不必一直取較長染色體，減少計算量;二是不會產生無效解。在每次優(yōu)化時，如果有M個未被響應的層站呼梯信號，染色體就用一個長度為2m的整數碼串來表示。一個染色體表示群控系統對當前外呼信號的一種派梯方案。 以4臺15層站電梯為例，用一個數組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，對應于編碼為341232的染色體。 3 適應度函數設計 遺傳算法在搜索進化過程中一般不需要其它外部信息，僅用評價函數值來評價個體或解的優(yōu)劣，并作為以后遺傳操作的依據。要注意的是評價函數和適應度函數不是一個概念。評價函數指的是優(yōu)化問題的目標函數，用遺傳算法進行優(yōu)化的過程就是對評價函數求極值的問題。而適應度函數是為了便于比較個體的大小及選擇、交叉、變異操作而將評價函數作映射而成的函數。適應度函數值稱為適應度（fitness），適應度函數表明個體對環(huán)境適應能力的強弱，遺傳算法在進化搜索中依靠適應度函數值的大小來區(qū)分每個個體的優(yōu)劣，適應度值大的個體將有更多的機會繁衍下一代。適應度函數評估是選擇操作的依據，在具體應用中，適應度函數的設計須結合求解問題的要求。一般情況下，可以由求解問題的目標函數派生得到。 本文以4臺電梯群控為研究對象,則構造適應度函數: （3）式中a決定了選擇的強制性，a越小，原有適應度較高的個體的新適應度就越與其它個體的新適應度相差較大，亦就增加了選擇該個體的強制性。 4 遺傳算法派梯仿真 為測試群控算法的性能，采用MATLAB實現基于遺傳算法的電梯群控系統派梯的虛擬仿真，仿真實驗中設定群控系統電梯配置參數如下:群控系統為4臺15層站電梯，速度為2米/秒，加速度1. 5米/秒2，開門時間1. 5秒，關門時間3秒，建筑物樓層高度為3米。為了測試派梯算法需要，隨機產生繁重層間交通流，以下仿真是在此系統參數和交通流下進行的。 [align=center] 圖2基于遺傳算法派梯算法電梯運行曲線圖[/align] 從圖2中可以看出在多數情況下各部電梯在各樓層間的分布比較均勻，未發(fā)生聚群現象，上行和下行電梯數較均勻，這種交通模式下是合理的。 5 結 語 本文提出了基于遺傳算法的電梯群控系統的調度方法,可以對多臺電梯服務系的進行優(yōu)化派梯,以提高系統的整體服務性能，從而獲得較優(yōu)的派梯結果。 參考文獻 1、周明，孫樹棟.遺傳算法原理及應用[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:西安交通大學出版社，2005. 聯系電話：0991-5853331轉8308 地址：烏魯木齊市長江路棉花街9號 單位：新疆特種設備檢驗研究院