基于改進粒子群優化算法的電梯群控方案設計

孟凡勝　王育青　李強懿　牛小民　張廣來

摘 要： 由于電梯本身所具有的多目標性、不確定性和非線性，使得在電梯群調度控制方面容易出現候梯時間較長、能量消耗較大等問題。為了減輕這些問題對電梯群控制的影響，提出了一種基于改進粒子群算法的電梯群控方案。仿真結果表明：以權值優化改進粒子群算法加快了控制過程的收斂速度，使得平均到達時間、平均擁擠度、電梯的啟停次數都有了很大的改善，滿足了智能大廈電梯群控系統的需要。

關鍵詞： 粒子群； 優化算法； 電梯； 群控； 方案設計

中圖分類號：TP273 文獻標志碼：A 文章編號：1006-8228（2015）08-42-02

Design of elevator group control scheme based on improved particle swarm optimization algorithm

Meng Fansheng1， Wang Yuqing1， Li Qiangyi1，2， Niu Xiaomin2， Zhang Guanglai2

（1. Quality and Safety Environmental Protection Division in Qinghai Oilfield Community Management Center， Dunhuang， Gansu 736202， China； 2. Henan Hanwei Electronics Co.，Ltd.）

Abstract： Due to elevator inherent of multi-objective， uncertainty and nonlinear， so in the elevator group scheduling control prone to the problems such as wait for a long time， large energy consumption etc. In order to reduce the impact of these problems to elevator group control， this paper puts forward a kind of elevator group control scheme based on improved particle swarm algorithm. The simulation results show that the weight optimized improved particle swarm algorithm accelerates the convergence speed of the control process， making the average arrival time， average crowded degree， elevator start-stop times to have a lot of improvement， and has met the demands of the intelligent building elevator group control system.

Key words： particle swarm； optimized algorithm； elevator； group control； scheme design

0 引言

隨著高層建筑和智能化建筑不斷出現，人們對電梯服務質量提出越來越高的要求[1-3]。單臺電梯往往不能滿足建筑內的交通要求，需要合理安裝多臺電梯。安裝在一起的多臺電梯要求其單臺電梯的控制系統之間相互聯動，且具有監控系統，但僅用這種方式不能適應客流量的急劇變化，無法改善在某段時間內必然出現的長時間侯梯現象[4-6]。為解決這些問題，多臺電梯的優化調度系統，即電梯群控系統應運而生[7-9]。但是由于粒子群算法容易陷入局部最優而造成實際的候梯時間偏長、能量消耗大等缺點[10-12]。本文采用慣性權重優化的粒子群算法對電梯群控進行優化，以候梯時間、乘梯時間、能量消耗和擁擠度作為呼梯信號的綜合評價指標，建立了系統的綜合評價函數，仿真試驗表明采用該算法能夠提高系統的效率。

1 粒子群算法

粒子群算法的數學模型如下：

Vid=ω×Vid+C1×r1（Pid-Xid）+C2×r2（Pgd-Xid）

Xid=Xid+Vid ⑴

式⑴中，d=1，2，…，D，D代表第d維搜索空間；i=l，2，…，m，m是該群體中粒子的總數；Vid為迭代粒子i飛行速度矢量的第d維分量；Pid為粒子i個體最好位置（PBest）的第d維分量；Pgd為群體最好位置（GBest）的第d維分量；c1、c2為權重因子；r1、r2是兩個在[0， 1]范圍內變化的隨機數；ω為慣性權重函數[13-15]。

2 權重系數

電梯群控系統的目標是縮短乘客平均侯梯時間和平均乘梯時間，降低電梯運行消耗、提高電梯運行效率和服務質量[6]。第i部電梯響應第j個層站呼梯信號的綜合評價函數可采用如下形式：

F（i，j）=w1f1（i，j）+w2f2（i，j）+w3f3（i，j）+w4f4（i，j） ⑵

式⑵中，F（i，j）代表第i部電梯響應第j個層站呼梯信號綜合評價函數，綜合評價值最大的電梯為該呼梯信號的響應電梯。f1，f2，f3，f4分別是候梯時間的評價函數、乘梯時間的評價值、能量消耗的評價值和梯內擁擠度的評價值。w1，w2，w3，w4分別是各評價值對應的權重系數，且w1+w2+w3+w4=1。對w的不同選擇，體現了在各種客流交通狀況下各因素的不同側重。如客流高峰時以減少候梯、乘梯時間為主，可增大f1，f2的權值；可增大f3權重系數w1，w2，在電梯空閑時以減少能量消耗的權重系數w3。

3 改進粒子群算法

由于標準粒子群在尋找最優時容易陷入局部最優，從而使得控制難度增加。為了解決這種問題提出了基于慣性權重的改進粒子群算法。表達式為：

⑶

式⑶中，h為當前迭代次數，H為總迭代次數。ω的變化影響了上一代速度對當前代速度的控制。通過調節ω的取值可控制算法在全局和局部尋優能力。ω的值越大，全局尋優的能力就越強，局部尋優的能力就越弱。

在大多數的控制方案中，為了控制方便就將慣性權重取值為常數，但后來仿真發現，把它轉換成動態的，能夠比固態具有更好的尋優結果。動態慣性權值可以在搜索過程中線性變化，亦可動態改變。

4 本文方案設計

Step 1：初始化粒子群及每個粒子的速度：設定粒子的最大速度Vmax和最小速度Vmin，在區間[Vmin，Vmax]內隨機產生每個粒子的速度，設置初始慣性權值ω，學習因子c1和c2，種群規模和迭代次數等。

Step 2：計算每個粒子的適應度值，判斷算法是否達到最大迭代次數，或粒子的適應度值小于某個設定值，滿足條件則轉到Step 5，否則轉到Step 3。

Step 3：確定每個粒子的個體極值和全局極值。

Step 4：更新每個粒子的速度和位置：根據式（1）和式（2）更新粒子的速度和位置，并判斷更新后粒子的速度和位置是否在限定的范圍之內。

Step 5：算法迭代停止，輸出結果。

5 仿真分析

電梯的控制問題主要是解決客流量的問題，仿真環境參數設置：電梯數為5部，樓層高為20層，每層高為3m，總客流量為1000人，電梯額定速度為3m/s，額定加速度為1m/s2，電梯容量為15人，額定載重為1000kg，乘客的平均進出時間為2s，實驗中客流量設為1人/1s，系統仿真時間為1000s，仿真人數為1000人。

得出本文方案與粒子群算法在長時間候梯率、平均乘梯時間、平均擁擠度、起/停次數的仿真結果。如表1、表2、表3中所示。

表1 兩種算法在上高峰交通流下的仿真

[控制方式＼&長時間侯梯率＼&平均到達時間＼&平均擁擠度＼&起/停次數＼&粒子群算法＼&35%＼&36s＼&23%＼&55＼&本文方案＼&23%＼&21s＼&11%＼&36＼&]

表2 兩種算法在下高峰交通流下的仿真

[控制方式＼&長時間侯梯率＼&平均到達時間＼&平均擁擠度＼&起/停次數＼&粒子群算法＼&33%＼&39s＼&25%＼&50＼&本文方案＼&22%＼&23s＼&12%＼&33＼&]

表3 兩種算法在層間均衡交通流下的仿真

[控制方式＼&長時間侯梯率＼&平均到達時間＼&平均擁擠度＼&起/停次數＼&粒子群算法＼&21%＼&32s＼&28%＼&52＼&本文方案＼&12%＼&19s＼&15%＼&35＼&]

仿真結果表明：本文方案比粒子群算法長時間侯梯率、平均到達時間、平均擁擠度、起/停次數在三種交通模式下平均都有所改進。改進后的粒子群算法，保留了粒子群算法的全局多樣性，加快了收斂速度，在電梯群控系統應用中表現出一定的優越性。

6 結束語

本文用改進粒子群優化算法來研究電梯群控調度策略，提出了一種基于慣性權重的改進粒子群算法。該算法能夠很好解決一些具有復雜性、非線性變化的優化問題。仿真結果表明，改進粒子群算法加快了控制過程的收斂速度，使得長時間候梯率、平均到達時間、平均擁擠度、電梯的啟停次數都有了很大的改善。本文研究的重點是針對客運電梯載人的情況，仿真時只考慮人的進出而沒有考慮貨物的進出，而實際生產生活中會出現人貨共存的局面，因而在人貨共存的情況下該方案應用效果如何，還有待進一步研究。

參考文獻：

[1] Zhu Yan， Liu Yuemin. New Multi-objective Elevator Dispatching

Strategy Based on Clonal Selection Algorithm[J]. Journal of Data Acquisition and Processing，2012.27（3）： 353-357

[2] FU Li-jun， ZHOU Chong. Optimal Dispatch Control Simulation of

Elevator Group Control System[J]. Computer Simulation，2012.29（4）：263-267

[3] XU Yuge， SONG Yaling， LUO Fei， ZHAO Xiaocui. Novel particle

swarm optimization policy in destination registration elevator group control system[J]. Journal of Beijing Jiaotong University，2012.36（5）：134-138

[4] 李強懿.無線傳感器網絡節點部署算法的研究[D].河南科技大學，

2013：1-67

[5] WU Gui-fang， WU Sheng. A New Scheduling Strategy of Elevator

Group Control Based on Pdf Control[J]. Mathematics in Practice and Theory，2012.42（7）：148-154

[6] 李強懿，馬冬前，張聚偉.基于平衡距離的無線傳感器網絡節點部署

算法[J].電子技術應用，2013.39（4）：96-98

[7] ZHU Yan，LIU Yue-min. Elevator Group Control Policy with New

Destination Registration Based on Artificial Immune Algorithm[J]. Electric Drive，2012.42（9）：51-55

[8] 李強懿， 馬冬前， 張聚偉， 付主木. 基于證據理論的無線傳感器網絡

節點部署算法[J].計算機測量與控制，2013.21（6）：1715-1717

[9] SHEN Hui-yang，YANG Xiang-yu. Elevator Group Control

Strategy Based on Call Recognition and Shielding [J]. Electric Drive，2012.42（9）：56-60

[10] 白舸， 張海濤， 劉翠蘋， 李強懿. 基于遺傳模擬退火算法的WSN廣

播算法研究[J].計算機測量與控制，2013.21（11）：3053-3056

[11] LI Li， LI Hong-qi， WANG Chao， SUN Jing-ying， CUI Gang.

Research on Intelligent Optimal Dispatching Method in Eelevator Group Control Systems Based of PSO [J]. Computer Science，2012.39（11A）：331-333

[12] 賀學劍，李強懿，白舸，陳家新，李振東，郭淑香.無線傳感器網絡中覆

蓋空洞修復算法[J].微電子學與計算機，2013.30（12）：97-99

[13] ZHANG Yu-Yang， LIU Man-hua， HAN Tao. Elevator-Waiting

People Counting System Based on Mean Shift Segmentation and SVM Classification[J]. Optics and Precision Engineering，2013.21（4）：1079-1085

[14] 李強懿， 馬冬前， 張聚偉. 基于感知概率的無線傳感器網絡節點部

署算法[J].計算機測量與控制，2014.22（2）：643-645

[15] LI Xiao-qian， WANG Zhi-sheng， ZHEN Zi-yang. Application of

Cultural Algorithm in Elevator Group Control System [J]. Computer Simulation，2013.30（7）：300-303