| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·电梯群控系统研究的意义 | 第9页 |
| ·电梯控制系统的发展与现状 | 第9-12页 |
| ·遗传算法 | 第12-16页 |
| ·遗传算法的发展 | 第12-13页 |
| ·遗传算法的工作原理及操作步骤 | 第13-16页 |
| ·本文研究问题及内容安排 | 第16-18页 |
| ·课题的提出 | 第16-17页 |
| ·本课题研究内容 | 第17页 |
| ·本课题研究目标 | 第17-18页 |
| 第二章 电梯群控系统的构成 | 第18-22页 |
| ·电梯群控系统的工作原理 | 第18页 |
| ·电梯群控系统的硬件结构 | 第18-19页 |
| ·电梯群控系统的软件结构 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 电梯群控系统性能指标分析和目标函数的确定 | 第22-31页 |
| ·电梯群控系统的性能指标 | 第22-25页 |
| ·时间指标 | 第22-23页 |
| ·能耗指标 | 第23-24页 |
| ·乘客信息参数 | 第24页 |
| ·乘客的忍耐力指标 | 第24-25页 |
| ·电梯群控系统派梯过程中变化因素 | 第25-28页 |
| ·电梯群控系统目标函数的确定 | 第28-30页 |
| ·控制目标的提出 | 第28-29页 |
| ·评价函数的建立 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 电梯群控系统交通流模式识别 | 第31-45页 |
| ·基于遗传算法的模糊神经网络的交通流模式识别 | 第31-39页 |
| ·正规化模糊神经网络简介 | 第33-35页 |
| ·应用基于遗传算法的正规化模糊神经网络识别电梯交通模式 | 第35-38页 |
| ·网络测试 | 第38-39页 |
| ·免疫规划K-均值聚类算法识别电梯群控交通流模式 | 第39-43页 |
| ·免疫规划K-均值聚类算法 | 第40-41页 |
| ·免疫规划K-均值聚类算法识别交通流模式 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 基于遗传算法的层间交通模式下派梯算法 | 第45-57页 |
| ·自适应正交局部搜索算子的混合遗传算法 | 第47-48页 |
| ·自适应正交局部搜索算子 | 第47页 |
| ·算法描述 | 第47-48页 |
| ·遗传算法在层间交换模式下的应用 | 第48-56页 |
| ·个体的编码 | 第48-50页 |
| ·群体设定 | 第50页 |
| ·适应度函数的设计 | 第50-53页 |
| ·遗传操作 | 第53-55页 |
| ·派梯算法流程 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 电梯群控系统的仿真 | 第57-69页 |
| ·电梯群控虚拟环境的建立 | 第57-60页 |
| ·电梯群控虚拟仿真环境的总体要求以及基本功能 | 第57-58页 |
| ·电梯群控虚拟仿真环境的外部条件 | 第58页 |
| ·电梯群控虚拟仿真环境的组成 | 第58-60页 |
| ·仿真实验 | 第60-68页 |
| ·交通流模式识别 | 第61-65页 |
| ·派梯算法仿真实验 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的学术论文 | 第75-76页 |
| 攻读学位期间取得的专利 | 第76-77页 |
| 致谢 | 第77页 |