hm to better together, give full play to their respective advantages and for solving the problem of elevator group control more effectively. Study on algorithm of elevator group control system. Elevator group control dispatching algorithm genetic algorithm is introduced on using genetic algorithms to optimize traffic patterns and dispatch rules, lift scheduling rules of evolution, to changes in the environment.
This article not only study the application of Ant Colony algorithm in elevator group control problems, is more involved in this type of multi-objective optimization of Ant Colony algorithm provides an important opportunity. Identified in this paper the application of multiobjective optimization method and model of bipartite graphs, you can expand the scope of application of Ant Colony algorithm, such as economic scheduling, timetabling problem, hydro-electric power on the issue of deployment of multi-objective optimization for a class of.
Keywords: Elevator group control；Ant colony genetic algorithm；Genetic algorithm ；Bipartite graph；Multi-Objective optimization
目 录
目 录 1
第一章 绪论 1
1.1 研究与背景与意义 1
1.2 国内外研究现状 2
1.2.1 国外研究现状 2
1.2.2 国内研究现状 4
1.3 问题的提出 5
1.4 本文研究内容 6
第二章 相关算法概述 8
2.1 蚁群算法 8
2.1.1 蚁群算法的基本原理 8
2.1.2 蚁群算法的数学描述 9
2.1.3 蚁群算法的实验分析和参数选择原则 11
2.1.4 蚁群算法用于求解电梯群控问题 17
2.1.5 蚁群算法的优缺点 18
2.2 遗传算法 20
2.2.1 遗传算法的基本原理 20
2.2.2 遗传算法的基本模型 21
2.2.4 遗传算法的优缺点 22
2.3 电梯群控调度算法 24
2.3.1 TSP问题 24
2.3.2 电梯群控的多目标优化 26
2.3.3 电梯的交通模式 27
2.3.4 电梯群控性能指标评价函数 28
第三章 基于蚁群遗传算法的电梯群控制器设计 34
3.1 电梯群控问题分析 34
3.1.1 电梯群控系统多元性分析 34
3.1.2 电梯群控调度方法 35
3.1.3 电梯运行规则分析 35
3.2 电梯群控多目标策略分析 37
3.2.1 多目标优化问题 37
3.2.2 决策变量 38
3.2.3 多目标函数的选择 39
3.2.4 约束条件 42
3.3 基于蚁群遗传算法的电梯群控制算法设计 42
3.3.1 蚁群遗传算法中求解多目标函数 42
3.3.2 蚁群算法中参数α、β、ρ组合对基本蚁群算法性能影响 44
3.3.3 遗传算法优化基本蚁群算法 45
3.3.4 蚁群遗传算法的步骤 46
3.3.4.1 初始化种群 46
3.3.4.2 状态转移规则设置 46
3.3.4.3 交义算子的设计 47
3.3.4.4 算法流程 47
3.3.4.5 算法框架 49
第四章 基于蚁群遗传算法的电梯群控系统设计及仿真 52
4.1 系统软件设计 52
4.1.1 软件开发环境
