遗传算法在电梯设计中的应用现状

遗传算法在电梯中的应用现状摘要：随着我国社会各个行业的不断向前发展，高层建筑和智能化建筑的逐渐出 现并不断更新换代，电梯作为垂直运输工具，受到了人们越来越多的青睐，与此 同时，对电梯的要求也越来越高，遗传算法作为电梯控制所运用的算法，必须不 断进行优化与调整，这样才能真正提高电梯的工作效率，本文结合实际，从遗传 算法的基本思想与特点、遗传算法的产生和发展、遗传算法在电梯中的应用现状 等几个方面进行了具体的剖析，并提出了一些自身的看法与建议。小清新：遗传算法电梯控制 应用现状 智能建筑一、定义和综述（一）遗传算法的定义与核心思想遗传算法开始于代表问题潜在解集的一个种群，这个种群中的每个个体叫做 染色体，每个种群都是由一定数量基因编码的染色体组成的，每一条染色体都是 某个特征的实体。染色体是多个基因的集合，它是遗传物质最主要的载体，染色 体的内部表现也就是基因型是某种基因组合，这种基因组合控制着个体形状的外 部表现，比如人们的眼睛是蓝色还是黑色，就是由染色体中控制着眼睛颜色特征 的某种基因组合来决定的。所以我们不难看出，在一开始需要实现从表现型到基 因型的映射（即编码工作）。但是鉴于仿照基因编码的工作异常复杂，人们通常 要对其进行简化，例如二进制码。在初代种群产生后，便开始依照优胜劣汰、适 者生存的原则，逐代的进行演变与进化，不断的产生更好的近似解。在这个过程 中，根据问题域中个体的适应度好坏还对个体进行挑选，而且借助自然遗传学的 遗传算子进行组合交叉与变异，最后产生出代表新解集的种群。这个过程和自然 进化是非常相似的，进化后的种群比进化前的种群对环境的适应能力要强很多， 其最后一代种群中的最优个体经过解码，可以作为问题近似最优解。遗传算法运 用了自然进化模型，如选择、交叉、变异等。在计算开始时，一定数目N个个 体（父个体1、父个体2、父个体3、父个体4）即种群随机地初始化，并计算 每个个体的适应度，第一代即初始代便产生了。如果不满足优化准则，开始产生 新一代的计算，为了产生下一代，按照适应度选择个体，父代要求基因重组和基 因交叉来产生子代。所有的子代按一定概率进行变异，然后子代的适应度又被重 新计算，子代被插入到种群中将父代取而代之，构成新的代（子个体1、子个体2、 子个体3、子个体4）。这一过程循环进行，直到最终满足优化准则。（二）遗传算法的特点我们知道，传统的优化方法主要有三种：启发式算法、枚举法与搜索算法。 由于问题的的种类不同以及问题规模的不断发展，这三种优化方法的问题便明显 地凸显了出来，这就要求人们必须找到一种能够以有限的代价来解决搜索和优化 的通用方法，而遗传算法正是人们找到的解决搜索与优化的有效途径，它和传统 的优化方法相比有着很大的区别，这些区别主要表现在以下几个方面：（1）自组 织、自适应和自学习性（智能性）。应用遗传算法求解问题时，在编码方案、适应 度函数及遗传算子确定后。算法将利用进化过程中获得信息自行组织搜索。由于 自然选择的一般原则为“优胜劣汰，适者生存”，这就使得适应度高的个体获得 了较高的生存概率。一般情况下，适应度大的个体的有着更加适应环境的基因结 构，再通过基因重组和基因突变等遗传操作，就可能产生对环境适应能力更好的 后代。进化算法的这种自组织、自适应特征，使它同时具有自学习能力，遗传算 法具有发现环境特征和规律变化的能力。因此，利用遗传算法的方法，我们可以 解决那些复杂的非结构化问题。（2）遗传算法本质并行性。遗传算法按并行方式 搜索一个种群数目的点，而不是单点。它的并行性表现在两个方面，一是遗传算 法是内在并行的，即遗传算法本身非常适合大规模并行。最简单的并行方式是让 几百甚至数千台计算机各自进行独立种群的演化计算。运行过程中甚至不进行任 何通信，等到运算结束时才通信比较，选取最佳个体。这种并行处理方式对并行 系统结构没有什么限制和要求。二是遗传算法的内含并行性。由于遗传算法采取 种群的方式组织搜索，因而可同时搜索解区间内的多个区域，并相互交流信息。 使用这种搜索方式，虽然每次只执行与种群规模n成比例的计算，但实质上已 进行了大约O（n3）次有效搜索，这就使遗传算法能以较少的计算获得较大的收 法 .rw.o二、遗传算法的产生和发展现状1950年，部分科学家开始探讨如何将科学、进化的思想发展为工程问题的 优化工具，这就是最早遗传算法的雏形阶段。后人称为“人工进化系统”研究。 到1960年初，德国柏林工业大学的一些做风洞实验的学者在不经意发现使用生 物变异的理念可以很容易的改变参数值，这就解决了用一般常用的方法很难优化 设计中所描述物体形状的参数的世界难题，到1965年，位串编码技术上述研究 的基础上又运用而生，这种编码方式的重点是将交叉操作和变异操作能够作为主 要的遗传操作；科研人员提出的这编码方式不仅可以适用于交叉操作还可以适用 变异操作当中去5。到1973年，世界遗传算法技术已经可以充分的运用到实际 当中较好的解决建模问题，如今，在科研人员在不懈努力下，遗传算法已经发展 的很成熟了。现在的很多所谓的“遗传算法”其实跟最初提出的遗传算法已经有很大区别， 因为它们采用非常不同的遗传基因表达方式，对特殊算子、交叉和变异算子的引 用，以及对再生和选择方法的采用都大有不同，但是它们与最初的提出的算法的 共同点在于其灵感都来源于自然中的进化的思想。这些众多的遗传算法在各个领 域都取得了巨大的成功，特别是在机器学习、过程控制、经济预测、工程优化等 领域，它的已引起了数学、物理学、化学、生物学、计算机科学、社会科学、经 济学以及工程应用等领域专家的极大兴趣。本文主要把遗传算法作为电梯群控的 调度方法进行寻优。三、遗传算法在电梯中应用现状根据建筑物内人群流动量，计算出合理的变化量并选择最佳调度配置方案来 对该建筑物多部电梯进行合理调配，这是电梯群控系统的主要目的。但在实际工 作中，影响电梯群控系统合理调配的因素很多，归纳起来主要有以下三个方面， 第一，“非线性、不确定性、外界扰动性、各信息来源完整性”是电梯群控系统 的独有特点，很显然，电梯的群控系统内部结构很复杂。第二，电梯群控系统 中所配置的派梯方案有很种，例如：电梯群控制器如果可以协调m部电梯，能够 分配到n个楼层，哪么就应该有mn种派梯方法。最后，电梯系统管理者能够主 观调配系统配置。这个因素是多种因素中最不确定的，遇到电梯繁忙时，管理者 往往都希望能够最大程度减少候梯平均时间或者节省能耗，所以，结合上述群控 系统存在的诸多不确定因素，应将遗传算法充分的应用到电梯的群控系统当中 去。（一）遗传算法在电梯群控系统中的应用现状遗传算法在当今社会中的电梯群控系统里面发挥了特有的优势。电梯群控系 统是一个复杂的体系，遗传算法根据并行操作的原则，操作其目标函数和对参数 的编码，除系统本身之外，模拟人脑的辩证逻辑思维能力，根据环境自主学习， 使问题简化。在当前的电梯群控中，遗传算法应用较为普遍，主要针对以下情况：（1）电梯群控系统不确定性和不准确性因素较多。这些不确定因素导致派梯系 统无法适应环境的变化。遗传算法针对于此，有力地克服其弊端，模拟人脑对环 境及时作出反应，在最优的基因的组合上形成最优派梯方案。（2）与传统的寻优 方法不同的是，遗传算法在电梯实际运行规律的基础上建立数学模型，确定目标 函数，只需要对参数编码进行操作；变过去的确定性原则为概率转变原则，通过 优胜劣汰方法选择系统最优的派梯。（3）该课题研究的电梯系统是一个非常复杂 的系统，我们用遗传算法作为电梯调度算法，只需要系统的目标函数，以及各个 限制条件。对目标函数没有严格的要求，不需要函数连续，也不需要函数可微。（二）遗传算法优化调度程序设计现状由于电梯群控系统需要在运用遗传算法搜索时搜到最优解，可是新的呼梯信 号随时都有可能产生，其外在的状况在不断发生着变化，当前时刻搜索得最优分 配方案，当新的呼梯信号在这个过程中出现时，最优方案也会随之发生改变，电 梯群控制系统会每隔一段时间，重新运用遗传算法进行搜索，为所有未被响应的 层站呼梯信号分配服务电梯，使得电梯调度的状态尽可能达到最佳。避免了因条 件变故而导致原先分配不合理的现象产生。由于过去一直是派梯算法在分派呼梯 时以逐个分派的形式出现，一个层站呼梯信号被分配给某台电梯后决定了分配关 系的诞生。后续新的层站呼梯信号产生时，之前的呼梯信号分配不会有任何改变。 但新的层站呼梯信号和轿内指令信号持续出现，导致原先的优化条件存在被破坏 的隐患，再加上上下乘客人数零散的随机性、轿门开启状态过长等不确定因素， 原来对开关门时间的预测与该梯实际停靠后发生的开关门时间可能不一样，故原 来的分配关系需根据新的条件修正。采用遗传算法优化调度方法时，在调度算法 的运行过程中，遗传算法重新对所有未被响应的层站呼梯信号进行分配方案的搜 索，能根据电梯新的状态来调整原来的分配方法，在多个层站呼梯时采用最好的 派梯方法。总结：电梯设计中采用的遗传算法目前已经演变成一个交叉学科，涉及多个知识领 域，即要结合多种智控技术，又要将各个智控技术自身的神经网络、专家系统、 模糊控制等多方面的因素有机结合，整个设计在整体化的同时，也需要对各个子 系统进行模块化的设计。可以说，电梯控制智能化，根据各种不同控制功能的设 计模块化，是当今的潮流，也是以后将长时间维持的一个发展趋势。文章来源 海内论坛 :www.hnlt.org参考文献：1傅武军，朱昌明，叶庆泰.多目标遗传算法在电梯主动导轮系统集成优化设计中的应用J.振动工程学报.2006,06:227-231.2 何万里，李桂芝,钱伟懿.改进的遗传算法在电梯群控中应用J.渤海大学学 报.2007,03:46-50.3 何万里，钱伟懿.遗传算法与模糊方法相结合在电梯群控中的应用J.沈阳航 空工业学院学报.2007,06:93-96.4 何万里.基于改进的遗传算法优化电梯群控J.才智.2011,16:334.5 席平原，李贵三，胡恒银，申屠留芳.应用遗传算法和神经网络的工程电梯传动 机构模糊优化设计J.工程设计学报.2005,10:273-275.6 吕增及.改进型遗传算法在群控电梯中的应用M.内蒙古工业大学.2007.