1. 研究目的与意义
随着我国经济的高速发展，购买商品房的人逐年增多，导致高层建筑的电梯调度形成一个问题。由于需求量的增加，电梯的上下路线和调度算法也变得越来越复杂。高层建筑的调度算法和上下电梯分配不合适会花费用户大量时间，同时长时间等待电梯、相比室外视野狭隘及相对封闭的环境，会导致用户耐心下降产生烦躁情绪。因此，目前急需一个高层建筑中电梯调度算法，帮助用户快速的安排电梯的上下调度，并且竟可能短的缩短用户等待的时间。虽然目前电梯的调度算法已经比较成熟，但是还是可以不断地改进以加以完善。
本课题拟完成高层建筑中电梯调度算法的研究与实现 ，以解决高层建筑电梯调度难的问题。高层建筑电梯调度算法，以求在不同的情况下满足电梯调度的需要。该电梯调度算法有如下几个评判标准：1.用户排队等待电梯时间。2.电梯运行时乘客在其中等待的时间。3.电梯将全部用户运送至指定楼层所花费的总时间。
2. 课题关键问题和重难点
高层建筑的电梯调度算法的关键问题就是如何平衡各楼层之间的用户等待时间和尽可能的减少已经在电梯里用户的等待时间，但这也恰恰是难点所在，要使得所有人的等待时间最短就得牺牲一些楼层用户的等待时间。
本课题的关键：
1.预测用户的承梯意图
3. 国内外研究现状（文献综述）
1.电梯调度环境
楼宇电梯调度'是一个复杂的过程，调度算法的设计复杂性一般取决于调度环境的复杂性，当调度电梯数量越多楼宇楼层越高时，从众多调度策略中选择最优调度策略这本质上类似一个NP完全问题。当前随着认知智能技术的发展，探索更加智能的调度算法，让调度算法更具多环境适应性、调度高效性和低能耗性成为新的研究热点。
目前电梯调度算法往往基于特定需求方面进行建模，例如基于最短等待时间的算法（先来先服务算法、扫描算法和LOOK 算法等），这类算法往往以满足各楼层用户需求为目的，但在多梯复杂环境下建模往往困难且缺乏适应性，特别是在人流高峰阶段的复杂环境之下，整个电梯群控效率较低[1]。同时基于算法进行最优解搜索也是研究点之一，如刘桂雄等通过引入统计方法提出了以节能优先的电梯调度算法[2]，仲惠琳根据客流量变化同时引入启发式算法提出了基于神经网络的电梯调度重规划算法[3]，郎曼等基于现有算法控制参数多和计算较复杂特性提出了采用人工蜂群算法的电梯群控系统1。刘清等针对传统的电梯群控系统的问题，提出一种模糊控制结合神经网络算法的电梯群控系统来进行优化调度[5]。刘剑等提出了基于FastR-CNN的多轿厢电电梯调度算法设计需要考虑用户体验、电梯能耗和空载情况等多个目标，上述文献的调度算法往往基于特定环境建模，存在很难平衡多个调度目标的问题。因此，本文提出了基于A3C 的电梯调度算法，利用强化学习自主智能学习的优点，让调度算法在电梯和环境地不断交互中学习得到使调度目标收益最大化的调度策略[7]。同时对调度环境、电梯行为和调度目标3个方面进行统一建模，这极大方便模型在新调度环境和新目标下的低成本部署。本文基于开源LiftSim 电梯调度仿真环境[⑧]进行了相关实验，实验结果表明 A3C 算法运用于群组电梯环境下进行电梯调度具有建模便捷、多环境移植适应性强、调度效率高和有效平衡多个调度目标的优势。
4. 研究方案
1.系统功能结构
系统总体功能结构如图1所示
5. 工作计划
2022-2022-1学期：
第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
