基于強(qiáng)化學(xué)習(xí)算法的電梯動(dòng)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(shí)際意義，電梯群組的調(diào)度問題得到廣泛關(guān)注。電梯系統(tǒng)是一類在連續(xù)時(shí)間和空間中運(yùn)行的離散事件動(dòng)態(tài)系統(tǒng)(DEDS)，為探索解決問題的有效方法，首先對(duì)DEDS調(diào)度方法進(jìn)行研究。在總結(jié)DEDS調(diào)度方法及應(yīng)用領(lǐng)域的基礎(chǔ)上，將其歸類為傳統(tǒng)方法、智能方法和強(qiáng)化學(xué)習(xí)方法。 強(qiáng)化學(xué)習(xí)作為動(dòng)態(tài)規(guī)劃的近似算法起源于人工智能領(lǐng)域，隨著強(qiáng)化學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)取得突破性進(jìn)展，逐漸引起人工智能、控制理論和運(yùn)籌學(xué)等領(lǐng)域的研究興趣。論文研究了強(qiáng)化

2、學(xué)習(xí)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(dǎo)致的不可計(jì)算問題的特點(diǎn)以及環(huán)境模型不再是計(jì)算要素的特點(diǎn)，并建立強(qiáng)化學(xué)習(xí)基本模型。另外，論文根據(jù)不同的框架背景對(duì)強(qiáng)化學(xué)習(xí)方法做了分類性研究和典型算法闡述，建立了研究強(qiáng)化學(xué)習(xí)方法解決實(shí)際問題的一般步驟，這對(duì)后續(xù)研究起指導(dǎo)性意義。 強(qiáng)化學(xué)習(xí)方法作為在與環(huán)境的交互過程中學(xué)習(xí)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(dòng)態(tài)優(yōu)化問題。論文在詳細(xì)分析電梯群組調(diào)度領(lǐng)域

3、特點(diǎn)的基礎(chǔ)上，總結(jié)出電梯群組調(diào)度的三大難點(diǎn)，即問題狀態(tài)空間大、系統(tǒng)運(yùn)行過程伴隨極大的不確定性和重派梯導(dǎo)致的大計(jì)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(lǐng)域特點(diǎn)定義模型各要素。論文運(yùn)用隨機(jī)行為選擇策略和前饋神經(jīng)網(wǎng)絡(luò)分別解決強(qiáng)化學(xué)習(xí)在應(yīng)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(jié)合，共同構(gòu)成基于強(qiáng)化學(xué)習(xí)的電梯群組調(diào)度算法。 論文設(shè)計(jì)了開放的、松耦合的算法軟件結(jié)構(gòu)，