粒子群-模拟退火混合算法在群控电梯中的应用

针对高层建筑电梯多、分布散、维修不及时等问题,提出了一个优化调度、报警维修及时的群控电梯系统;采用多目标优化方法建立数学模型,利用粒子群算法的概念简单、收敛速度快、易于实现的优点,同时引入模拟退火思想来克服粒子群算法易陷入局部最优的缺陷,对目标函数进行优化,PLC编程计算出参数,上位机调度计算,根据算法结果,优化电梯,合理调度;经过MATLAB仿真分析表明,该系统节省了平均候梯时间、平均乘梯时间和系统能耗,缩短了故障时间和维修时间,具有较大的应用前景。     

多目标粒子群优化算法在电梯群控系统中的应用

利用多目标粒子群优化算法对电梯群控系统进行优化,建立电梯群控系统响应呼梯信号的综合评价目标函数,并对电梯群控系统的性能指标进行评估,从而确定最佳派梯方案.     

基于粒子群算法的智能电梯群控系统调度

电梯群控系统(Elevator Group Control System,EGCS)调度是一个多输入、多输出的复杂优化问题,属于NP难问题.为解决EGCS调度优化,提出了一种基于粒子群优化算法(Particle Swarm Optimization,PSO)的电梯调度策略.算法中,每个粒子代表一种派梯方案,系统首先随机初始化若干解,然后以候梯时间最短、乘梯时间最少、电梯能耗最低为主控目标,来实现电梯群控系统的调度优化.仿真对比结果表明了算法的有效性.     

混合电梯群控系统建模及新型优化调度策略*

为了简化电梯系统建模问题的复杂性,国内外学者一直将电梯系统作为离散事件动态系统来分析,然而实质上电梯群控系统是一种典型的混合系统,包含了连续状态和离散状态以及复杂的人为逻辑策略。针对这一情况,打破此传统分析方法,将电梯作为混合动态系统进行分析,以细胞自动机理论为基础,加入多种连续速度曲线,建立了完整的混合电梯群控模型。仿真结果表明该模型结构简单,具有较强适应能力和可扩展性。同时,针对粒子群算法容易陷入局部最小值的缺陷,对其加以改进,提出一种新型的调度策略,并应用到混合电梯群控系统模型中,进行优化派梯。仿真     

基于RPSO的分布式电梯群控系统调度算法的优化

为了获取电梯群控系统调度问题的全局优化解,必须要找到一种具有全局优化功能的智能算法。对电梯群控系统不同的客流模型及控制机制进行了分析,提出了一种实时粒子群算法,用来优化电梯群控系统的动态调度问题。仿真结果表明,该算法不仅可以有效地调度分布式电梯群控系统,并且在电梯忙碌或者超载情况下,实现了对任务进行再分派的功能。基于RPS()算法的分布式电梯群控系统可以使乘客平均候梯时间减少一半,使乘客的电梯使用时间减少三分之一。     

基于ABC-SA混合算法的群控电梯优化调度

为解决电梯群控系统（Elevator group control system,EGCS）时间和能耗性能不理想的问题,提出一种基于改进人工蜂群的电梯群控多目标优化调度算法。首先,针对EGCS控制目标复杂性,建立具有多评价指标的群控电梯调度模型,依据该模型的适应度值进行合理派梯选择;其次,引入模拟退火准则优化基本人工蜂群算法结构以解决算法易陷入局部最优解的问题,使用混合改进的人工蜂群算法进行多目标优化调度。仿真结果表明,所提算法在侯梯时间、乘梯时间和停靠次数三个性能指标上对比基本人工蜂群算法均有所提高,有效说明该方法在求解柔性多目标群控电梯优化调度时具有一定的优越性。     

电梯群控系统的最优调度仿真

在电梯群控节能优化问题的研究中,电梯群控调度是一个开放、动态、复杂系统的多目标优化问题。但是目前大多数群控系统都采用了乘客最少候梯时间的原则来派梯,并没有从电梯的能源消耗等综合因素来调度电梯,从而降低了电梯群控系统的调度性能。并且传统的调度方法在全局收敛性上不能得到很好的满足。为此提出一种蚁群算法的电梯群控系统来进行最佳电梯调度,利用乘客的候梯时间、电梯耗能和电梯拥挤度作为算法的变量数据,并且建立多目标评价函数的蚁群优化模型的控制器,通过蚁群算法进行仿真,验证了蚁群算法对电梯群控得到良好效果,并解决了电梯群控制器对电梯调度单一和全局快速收敛性的问题,为提高电梯群控调度性能提供了参考。     

丁醇汽油发动机仿真与优化研究

为了改善汽油机燃用丁醇-汽油混合燃料后带来的发动机性能下降的问题,采用改进的多目标粒子群算法对燃烧影响因素进行了优化.首先建立了丁醇汽油发动机整机模型,并对比实验数据验证了模型的可靠性;然后提出了一种适应丁醇汽油混合燃料的改进多目标粒子群算法;随后以发动机的配气相位、空燃比、点火提前角等参数为设计变量,综合发动机燃油消耗率和扭矩作为目标函数,应用改进的多目标粒子群算法进行了优化.结果表明改进的多目标粒子群算法能快速找到优化结果,优化后的发动机在燃用丁醇汽油时性能得到较大的提高.     

基于混合粒子群算法的项目调度

针对以工期最短为优化目标的资源约束项目调度问题进行研究,在建立数学模型的基础上,提出一种混合粒子群算法求解该问题。新算法重新定义了粒子的位置更新方式,使其适合于求解工期优化调度类离散问题,加快收敛速度,获得最佳调度方案。在工程项目调度实例中的应用仿真,验证了算法的有效性。     

求解job-shop调度问题的量子粒子群优化算法

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,提出将量子粒子群优化算法用于求解作业车间调度问题.求解时,将每个调度按照一定的规则编码为一个矩阵,并以此矩阵作为算法中的粒子;然后根据调度目标确定目标函数,并按照量子粒子群优化算法的进化规则在调度空间内搜索最优解.仿真实例结果证明,该算法具有良好的全局收敛性能和快捷的收敛速度,调度效果优于遗传算法和粒子群优化算法.