雷 剑

（南华大学 电气工程学院，湖南 衡阳 421000）

0 引 言

电梯群控系统，通常是指在高层建筑内集中收集呼梯信号并管理调度3台以上电梯的运行控制系统。目前电梯群控系统中，大多采用并联或者全集选的调度方法。这些方法依托于候梯时间等单目标优化方法，不能很好的同时解决候梯时间和运行效率的问题。20世纪90年代，基于BP神经网络的电梯群控技术已经成熟运用到实际应用中，取得了很好的成绩［1］。但传统BP神经网络还存在一些缺陷，如收敛速度不理想［2］，难以脱离局部极值。由于BP神经网络本身的结构和特性，网络模型效果最优的隐含层神经元个数无法确定［3］，学习率以及激活函数的选择都会对神经网络的学习精度产生较大的影响。

电梯群控系统是一个存在多目的性、不确定性、非线性以及扰动性的复杂系统，同时包含着若干部电梯以及不同楼层之间的呼梯信号的庞大数据，这些都是传统电梯群控算法难以高效率、低能耗解决的问题。Adam（adaptive moment estimation，自适应矩估计）算法不仅适合解决含大规模数据和参数的优化问题，而且收敛速度更快、效果更好，能够更好的实现电梯调度分配，提高系统的整体性能。

1 电梯群控系统模型

1.1 多目标优化评价函数表达式建立

函数表达式选用了一种综合评价函数，作为某一楼层对某一台电梯呼梯的依据。通过满意度评价函数来弥补原本单目标优化电梯群控的不足。评价函数满意度的大小表示了电梯的呼梯次序。……