.png){kind=icon}
返回
Optimization strategy for destination-oriented elevator scheduling based on evolutionary computation and neural networks
.png){kind=icon}
PRE
AI
DOI：10.1007/s11768-026-00331-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
开发高性能电梯群组控制系统（EGCS）仍然是电梯行业中的一个挑战性问题。为达到最优运输效率并减少乘客等待时间，本文提出了一种将进化计算与深度神经网络（DNNs）相结合的电梯群组优化调度策略。首先，引入总调度时间（ODT）作为确定具有预约呼叫的目的地导向电梯最优调度策略的方法。ODT被定义为电梯从当前位置到呼叫楼层再到目的楼层服务乘客呼叫所需的总时间。其次，设计并训练一个DNN来逼近期望的最优ODT成本函数，从而作为预测调度模型。此外，采用进化计算技术——包括粒子群优化、遗传算法和协方差矩阵自适应进化策略——来优化DNN参数，从而改善调度决策以减少乘客等待时间。最后，实验结果表明，优化的DNN在多样化乘客流量模式下始终优于传统的最近车方法（nearest car method）和ODT方法，显示出其在提升EGCS性能方面的显著优势。
Keyword:
Evolutionary computation
Deep neural networks
Elevator group control system
Destination scheduling
期刊
IF:
1.5
论文数:
56
被引数:
458
机构
引用论文
Recent advances in applying deep reinforcement learning for flow control: Perspectives and future directions.png)
PHYSICS OF FLUIDS
OAAI
PHYSICS OF FLUIDSIF4.3
OAAI分享收藏A Novel Sigmoid-Function-Based Adaptive Weighted Particle Swarm Optimizer一种基于Sigmoid函数的自适应加权粒子群优化算法
OAAI
OAAI分享收藏Modeling uncertain passenger arrivals in the elevator dispatching problem with destination control
PREAI
分享收藏
查看更多内容