| 第一章 绪 论 | 第11-21页 |
| 1.1 电梯群控系统概述 | 第11-13页 |
| 1.1.1 电梯群控系统的基本概念 | 第11-12页 |
| 1.1.2 电梯群控系统的性能评价 | 第12-13页 |
| 1.2 国内外电梯群控系统研究的现状 | 第13-19页 |
| 1.2.1 电梯的发展及国内外研究热点 | 第13-14页 |
| 1.2.2 电梯调度方法的综述 | 第14-17页 |
| 1.2.3 电梯高峰期调度方法的综述 | 第17-19页 |
| 1.3 课题提出与研究内容 | 第19-20页 |
| 1.3.1 课题的提出及研究的目的和意义 | 第19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.4 研究前景与展望 | 第20-21页 |
| 第二章 电梯交通流预测方法的研究 | 第21-34页 |
| 2.1 电梯交通流的预测 | 第21-24页 |
| 2.1.1 电梯交通流的基本概念 | 第21-22页 |
| 2.1.2 电梯交通流的预测方法 | 第22-24页 |
| 2.2 预测交通流神经网络模型的建立 | 第24-30页 |
| 2.2.1 神经网络结构的确定 | 第24-26页 |
| 2.2.2 改进BP神经网络学习算法 | 第26-30页 |
| 2.3 网络的训练及预测过程的实现 | 第30-32页 |
| 2.4 小结 | 第32-34页 |
| 第三章 模糊神经网络的电梯交通模式识别 | 第34-58页 |
| 3.1 电梯群控系统的交通模式识别 | 第34-37页 |
| 3.1.1 电梯交通模式识别的提出 | 第34-35页 |
| 3.1.2 电梯交通模式识别的研究方法 | 第35-36页 |
| 3.1.3 电梯交通模式识别特征提取 | 第36-37页 |
| 3.2 电梯交通模式识别的模糊神经网络 | 第37-44页 |
| 3.2.1 电梯交通模式识别的模糊神经网络结构 | 第37-39页 |
| 3.2.2 电梯交通模式识别的模糊神经网络的学习 | 第39-44页 |
| 3.3 电梯交通模式识别的模糊神经网络的实现 | 第44-53页 |
| 3.3.1 模糊神经网络的集成开发环境 | 第44-45页 |
| 3.3.2 电梯交通模式识别的模糊神经网络的确定 | 第45-48页 |
| 3.3.3 电梯交通模式识别的模糊神经网络的训练 | 第48-53页 |
| 3.4 电梯交通模式识别的模糊神经网络的应用 | 第53-57页 |
| 3.5 小结 | 第57-58页 |
| 第四章 智能电梯空闲及高峰期调度方法的研究 | 第58-69页 |
| 4.1 电梯交通流概率仿真模型的空闲期调度方法的研究 | 第58-62页 |
| 4.1.1 电梯交通流概率仿真模型 | 第58-59页 |
| 4.1.2 空闲期调度方法的实现 | 第59-62页 |
| 4.2 高峰期动态分区调度方法的研究 | 第62-68页 |
| 4.2.1 动态分区调度方法的基本思想 | 第62-63页 |
| 4.2.2 采用搜索法求解动态分区的优化问题 | 第63-65页 |
| 4.2.3 采用动态规划求解动态分区方法的研究 | 第65-68页 |
| 4.3 小结 | 第68-69页 |
| 第五章 基于马尔科夫决策过程的上高峰调度方法的研究 | 第69-111页 |
| 5.1 上高峰电梯调度马尔科夫决策过程 | 第69-76页 |
| 5.1.1 电梯上高峰排队模型 | 第69-70页 |
| 5.1.2 电梯上高峰马尔可夫决策过程(Markov Decision Processes, MDP) | 第70-76页 |
| 5.2 上高峰电梯调度动态规划方程 | 第76-80页 |
| 5.3 上高峰电梯优化策略结构 | 第80-87页 |
| 5.3.1 最优值函数的特性 | 第81-82页 |
| 5.3.2 最优调度策略的结构 | 第82-87页 |
| 5.4 上高峰电梯调度的阈值策略的最优性 | 第87-88页 |
| 5.5 附录 | 第88-110页 |
| 5.5.1 附录A(定理1－3的证明) | 第88-94页 |
| 5.5.2 附录B(引理5.1－5.5的证明) | 第94-103页 |
| 5.5.3 附录C(推论5.1－5.26的证明) | 第103-110页 |
| 5.5 小结 | 第110-111页 |
| 第六章 智能电梯随机层间调度方法的研究 | 第111-122页 |
| 6.1 遗传算法 | 第111-113页 |
| 6.1.1 遗传算法的基本特征 | 第111页 |
| 6.1.2 遗传算法操作 | 第111-113页 |
| 6.2 基于遗传算法的电梯群控多目标调度方法的研究 | 第113-121页 |
| 6.2.1 电梯多目标优化调度策略 | 第113-114页 |
| 6.2.2 基于遗传算法的多目标电梯调度方法的研究 | 第114-119页 |
| 6.2.3 仿真结果分析 | 第119-121页 |
| 6.3 小结 | 第121-122页 |
| 第七章 智能多模式电梯群控方法的研究 | 第122-135页 |
| 7.1 智能多模式电梯群控系统结构 | 第122-124页 |
| 7.2 智能多模式电梯群控调度方法的数据融合 | 第124-129页 |
| 7.2.1 电梯群控数据融合的结构 | 第124-127页 |
| 7.2.2 GFNN网络的建立与学习 | 第127-129页 |
| 7.3 智能多模式电梯群控调度方法的研究 | 第129-134页 |
| 7.3.1 问题的提出 | 第129-130页 |
| 7.3.2 小生境遗传算法 | 第130-131页 |
| 7.3.3 智能多模式电梯调度方法 | 第131-132页 |
| 7.3.4 智能多模式电梯群控调度方法的仿真 | 第132-134页 |
| 7.4 小结 | 第134-135页 |
| 第八章 建立电梯群控虚拟仿真环境 | 第135-147页 |
| 8.1 电梯群控虚拟仿真环境的功能 | 第135-137页 |
| 8.2 电梯群控虚拟仿真环境的总体方案 | 第137-138页 |
| 8.3 电梯群控虚拟仿真环境的实现 | 第138-146页 |
| 8.3.1 建立电梯群控虚拟仿真环境的基本考虑 | 第138-139页 |
| 8.3.2 电梯群控虚拟仿真环境的具体实现 | 第139-146页 |
| 8.4 小结 | 第146-147页 |
| 参考文献 | 第147-155页 |
| 发表的论文和参加科研情况说明 | 第155-157页 |
| 致 谢 | 第157页 |
