基于強化學習算法的電梯動態(tài)調(diào)度策略的研究.pdf

1、由于電梯群組系統(tǒng)重要的實際意義，電梯群組的調(diào)度問題得到廣泛關注。電梯系統(tǒng)是一類在連續(xù)時間和空間中運行的離散事件動態(tài)系統(tǒng)(DEDS)，為探索解決問題的有效方法，首先對DEDS調(diào)度方法進行研究。在總結DEDS調(diào)度方法及應用領域的基礎上，將其歸類為傳統(tǒng)方法、智能方法和強化學習方法。 強化學習作為動態(tài)規(guī)劃的近似算法起源于人工智能領域，隨著強化學習的數(shù)學基礎取得突破性進展，逐漸引起人工智能、控制理論和運籌學等領域的研究興趣。論文研究了強化

2、學習原理及發(fā)展歷史，分析了其框架背景及其避免了在狀態(tài)空間中做耗盡式搜索而導致的不可計算問題的特點以及環(huán)境模型不再是計算要素的特點，并建立強化學習基本模型。另外，論文根據(jù)不同的框架背景對強化學習方法做了分類性研究和典型算法闡述，建立了研究強化學習方法解決實際問題的一般步驟，這對后續(xù)研究起指導性意義。 強化學習方法作為在與環(huán)境的交互過程中學習最優(yōu)策略的方法，適合于求解電梯群組調(diào)度這種大規(guī)模動態(tài)優(yōu)化問題。論文在詳細分析電梯群組調(diào)度領域

3、特點的基礎上，總結出電梯群組調(diào)度的三大難點，即問題狀態(tài)空間大、系統(tǒng)運行過程伴隨極大的不確定性和重派梯導致的大計算量。以馬爾可夫決策過程(MDP)為背景，模型化電梯群組調(diào)度問題，根據(jù)領域特點定義模型各要素。論文運用隨機行為選擇策略和前饋神經(jīng)網(wǎng)絡分別解決強化學習在應用中所存在的探索問題和值函數(shù)的泛化問題。并將兩者與Q-learning的值迭代算法結合，共同構成基于強化學習的電梯群組調(diào)度算法。 論文設計了開放的、松耦合的算法軟件結構，