基于蚁群控制算法的电梯调度策略及节能研究

基于蚁群控制算法的电梯调度策略及节能研究

陈健王葛

浙江省特种设备检验研究院浙江杭州310000

摘要：随着当前社会经济和城市建设的飞速发展，高层建筑已成为现代城市的标志。电梯是高层建筑不可或缺的垂直交通工具，为提高大楼的输送效率以及人们工作、生活的效率，电梯群控技术越来越被广泛应用。目前人工智能控制已广泛应用到电梯群控中，包括蚁群算法、模糊控制、神经网络、遗传算法等。其中，蚁群算法是电梯群控领域的一种主流算法，其依据自然界的蚂蚁觅食时寻找路径的方式进行模拟而得出的一种仿生算法。蚁群算法系统是正反馈机制，其算法具有较强的鲁棒性，对离散组合优化问题的求解具有突出的优势。本文分析了基于蚁群控制算法的电梯调度策略及节能。

关键词：蚁群控制算法；电梯调度策略；节能；

电梯群控系统指安装在建筑物内的3台或者3台以上的一组电梯作为一个有机整体，使用一个自动控制系统调度每一台电梯的运行，当前大部分电梯调度算法忽略了系统的耗能，当前的研究集中于单通道优化来减少不必要的能耗，如无传动牵引和能量反馈技术，没有注意减少群控调度的能耗。

1系统分析

电梯调度是研究如何将大楼中的乘客快速、高效地运送到目的楼层的过程,对于配置多部电梯的大楼,一般采用群控调度方法,其核心是群控算法,目前以群控方式调度的电梯日趋普遍,研究了一些比较优秀的算法,如分区算法、强化学习算法以及各种智能算法,提高了电梯调度效率,但各自假设条件存在差异,有些要求有视频识别各层请求的乘客人数,有的要求将乘客分类等,表明电梯群控算法要和实际运行要求相适应。电梯群控的调度可以认为是一个组合优化问题,即动态地将各层楼乘客的服务请求,在一定调度目标下合理分配到各电梯服务队列中。由于蚁群算法对离散组合优化问题的求解有突出的优势,其良好的全局优化能力、较快的收敛速度可以较好地应用到电梯群控调度算法中。我们采用仿生学的优化算法—蚁群算法来解决这个离散组合优化问题，蚁群算法适于解决离散组合优化问题，其良好的全局优化能力与快速收敛能力适于电梯群控调度。

2电梯群控系统多目标优化数学模型

2.1优化目标。电梯群控系统多目标优化模型的构建。根据以上的多目标优化理论，建立电梯群控系统的多目标优化数学模型，如下所述：一是决策变量。电梯群控系统的决策变量主要由以下几部分组成：呼梯信号i的楼层；电梯k当前所在楼层；呼梯信号i的乘梯方向。二是目标函数。综合考虑电梯群控系统的非线性，随机性的特点，乘客的心理和生理的要求，以及能源节约等问题，本文中主要考虑了三个优化目标：乘梯时间（AWT），长候梯率（LWP），系统能量消耗（RNC）。本文采用加权组合方法获取多目标优化函数：，其中：i＝1，2，3…m，表示有m个呼梯；k＝1，2…n，n为电梯总部数；Tik，Pik，Rik分别表示第k部电梯去响应第i个呼梯的候梯时间，长候梯率和电梯运行量；λ为加权系数，且λ1＋λ2＋λ3＝1，根据目标函数的侧重点不同，可以适当调整三者的大小；Jik为第k部电梯去响应第i个呼梯的预估评价值。

2.2电梯群控调度的蚁群算法。蚁群算法是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法。在一蚂蚁(对应电梯的编号)寻找食物时,它们总能找到一条从巢穴(对应各电梯的初始状态楼层)经过众多节点(节点表示对应楼层的用户请求)到食物之间的最优路径(一组客户请求的服务任务分配给该电梯群走过的最短路程)。蚂蚁在寻找食物时会在路径上释放出一种特殊的信息素,以作为彼此通讯的信息,当它们碰到一个还没有走过的节点时,就依据模型约束条件,并按概率(概率决定于信息素和先验知识,我们先验知识以楼层之间距离为根据)挑选下一节点作为前行对象,同时释放出与路径长度成反比的信息素,即路径越长,释放的信息素浓度就越低。当后来的蚂蚁再次碰到这个节点的时候,选择信息素浓度较高路径的概率就会相对较大。最优路径上的信息素浓度越来越大,而其它的路径上信息素浓度却会随着时间的流逝而消减。蚂蚁的这种群体合作、正反馈和分布式计算等特点能够解决复杂的组合优化问题,而多电梯调度问题就是一种组合优化问题。计算各电梯的目标函数值及总体目标函数值,如果此次优化的目标函数值较之前为优,则将此次优化结果作为下一次优化的参照,同时进行该优化路径的信息素更新;反之,原来的分配策略继续保留,进行信息素挥发。

3电梯调度策略及节能分析

3.1蚁群优化算法概念简单，易于实现，收敛速度快，并且具有较好的寻优特性，但是经过若干次迭代后，失去了多样性，整个蚁群群表现出强烈的“趋同性”，收敛速度变慢，极易陷入局部最小，解的精度较差。模拟退火在进行优化时先确定初始温度，随机选择一个初始状态并考察该状态的目标函数值；对当前状态附加一小扰动，并计算新状态的目标函数值；以概率1接受较好点，以某种概率Pr接受较差点，直到系统冷却。模拟退火方法在初始温度足够高、温度下降足够慢的条件下，能以概率1收敛到全局最优值。它以某种概率接受较差点，增加了粒子的多样性，避免陷入局部最优，因此模拟退火的解具有质量高、初值鲁棒性强等优点。根据蚁群群算法与模拟退火算法具有互补性的优缺点，得出蚁群群－模拟退火混合优化算法，利用算法的易实现性、快速收敛性以及模拟退火算法的概率突跳特征，增加群体的多样性，通过两种算法的协同搜索，有效地克服了蚁群算法的早熟现象，既提高了最优解的质量，又保证了较快的收敛速度。

3.2基于蚁群－模拟退火混合算法的派梯策略。步骤1根据乘客的呼梯信号和电梯的当前状态，利用多目标优化函数分别计算出各个预估评价值，其中加权系数取值为λ1＝0．5，λ2＝0．3，λ3＝0．2。步骤2将这些预估评价值看作粒子群算法中的粒子，利用更新方程对其进行更新。本文中采用的更新方法为含有惯性权值的更新方程：，其中：Jik表示粒子的位置；vi为粒子的飞行速度，它使微粒保持运动惯性，使其具有扩展搜索空间的趋势，有助于新区域的搜索。步骤3判断是否达到迭代终止条件，若否，则转步骤2，若是，则进行全局搜索，选出最优评价值，确定目标层，进行派梯，更新各电梯状态，则仿真结束并输出仿真结果。将蚁群优化应用到电梯群控系统中，对于电梯群控调度的求解，根据其值大小决定某呼叫任务的分配方案，一次优化算法的步骤如下：第一步，确定呼梯信号所在层，本文中的层门呼梯信号包含该呼叫目标层，并以此目标层对应蚁群系统中的目标（食物）位置；第二步，求出该调度方案的目标函数值并与暂优方案进行比较，如果结果为更优则将此方案作为新的暂优方案，反正则保留原来的暂优方案；第三步，循环第三、四步过程若干次最终得到算法收敛的最优方案，确定为方案做为群控调度的分配方案。如在高峰期的等待时间有点长，但还是在可接受的范围内，这也是设置阈值的原因，目的是在没有太多时间损耗的情况下尽可能减少能耗。

采用蚁群算法解决电梯群控制的节能问题，首先建立能量目标函数，其次提出以节能为导向的蚁群算法，建立蚁群电梯模型，提出基于信息素和选择概率函数的收敛优化和已有的电梯群控算法相比，基于蚁群的算法在电梯群控中能有效地减少能耗。

参考文献：

[1]王兴成,杨冬梅.基于统计近似的电梯群控系统的智能算法[J].系统仿真学报,2015,13:99-101.

[2]赵硕,何鹏,唱江华.基于模糊控制的电梯群控系统的研究与设计[J].微计算机信息,2016,24:51-53.

[3]李士勇.蚁群算法及其应用[M].哈尔滨:哈尔滨工业大学出版社,2015.9.