Çoklu Asansörler için bir Genetik Algoritma Önerisi, Kullanımın Yoğun Olduğu Öğle Yemeği Saatleri için Analiz ve Simulasyonu

Pablo Cortes*, J. Larraneta, L. Onieva

11 Kasım 2003'te yayınlandı. (Science Direct)* Sevilla Üniversitesi

Mustafa Tanyerİleri Sistem Simulasyonu

05.01.2016

Özet

İşyeri Asansörleri için bir GA önerilmiş,

Universal kontrol algoritması (THV) ile Arena kullanılarak sonuçları karşılaştırılmış,

Önerilen GA'nın bekleme zamanını kısalttığı görülmüştür.

GirişŞehir Merkezlerinde arsa fiyatlarının artması ile

yüksek binalar inşa edilmektedir.Bu binalarda senkronize çoklu asansör

sistemleri kullanılmaktadır.Asansör sistemi algoritmalarının temel amaçları

vardır:Ortalama sistem bekleme süresi, en uzun bekleme süresi, kuyruk büyüklüğü ve enerji kullanımı minimizasyonuSistem Bekleme Zamanı = Asansörü bekleme

süresi + Asansörle yolculuk süresi

Asansör VarsayımlarıBir çağrıya yalnız 1 asansör gitmektedir.Bir seferde asansör kapasitesi kadar kişi

taşınabilmektedir.Asansör bir katta sadece o kattan çağrıldıysa

durmaktadır.Asansörün hareket yönündeki kattan gelen

çağrıya öncelik verilir.Asansör önce binen yolcusunu indirmeden

yönünü değiştiremez.

Mevcut AlgoritmalarIF-ELSE temelli algoritmalar

University of Manchester Institute of Science and Technology tarafından önerilen THV algoritması. İlk Asansör algoritmalarındanAsansör çağrısına, aynı yönlü hareket eden en yakın asansörü

gönderiyor.Şu anda daha iyi sonuç veren dinamik programlama & Yapay

sinir ağı algoritmaları kullanılıyor.Genetik algoritma önerileri de var fakat kullanımı yok.

SİMULASYON MODELİARENA v. 5.0 kullanılmış

Animation ControlPassenger Elevator Zone

Animasyon BölümüModüller ve attributeleri ve İstatistikler:

Arrive: Yolcu gelişleri Yolcu geliş süresi dağılımı Time_Arrival: Yolcu varış zamanı Origin: Yolcunun asansörü çağırdığı kat Destination: Yolcunun indiği kat

Depart: Yolcu çıkışları Yolcu çıkışını 1 artırır (counter) Time_System: Yolcunun sistemde geçirdiği süre (tally) Kuyruk bekleme süreleri

Kontrol Bölümüİçinde bulunan bütün entity'lerin özelliklerini taşıyan controller isminde asansör gibi bütün katları gezen bir entity bulunur.

Yolcu BölümüUpDown: Origin ve Destination attribute'lerinin durumuna göre, yukarı çıkan yolcular için 1, aşağı inenler için 2 tutar

Asansör Bölümüstate: Aldığı değere göre asansörün geçtiği katta

yapacağı aksiyonu belirler Waiting_for_Calls: Asansör boşaldı ise, son gelinen katta

beklerken Leaving_the_Lift: Asansörde yolcu varsa ve o katta inen-binen

yoksa Taking_Passengers:Asansör yolcu almak için bir katta

durduğunda (Time_Doors: Kapı açılması için geçen süre - delay, 2 sn)

Arrival_Evaluation (submodül): Asansörün bir katta yapacağı hareketin yönünü belirler (yukarı, aşağı, durma)

Level = LDX(Transporter ID, unit number) Asansörün bulunduğu katı döner

Asansör Bölümü (devam)

KONTROL ALGORİTMASIKromozomlar: 2 X Number_of_Floors - 2 boyutlu tek satırlı 2 dizi

Dizilerin ilk kat sayısı-1 elemanı yukarı yönlü, ikinci kat sayısı -1 elemanı ilgili kattan aşağı yönlü hareket taleplerini tutmaktadır. Bunu state kromozomuna depolar.

Binary dizide 0 olan konumlarda ilgili kattan ilgili yönde bir çağrı olmadığını gösterir. 1 olanlarda ise ilgili kattan ilgili yönde bir çağrı vardır.

Populasyon büyüklüğü 20 seçilmiştir.

UYGUNLUK (FITNESS) FONKSİYONUUygunluk fonksiyonu mevcut çağrıların

tamamına cevap vermek için gereken süreyi verir.

Katlara yolcu gelişleri rasgele olduğundan ve gidecekleri katlar bilinmediğinden yaklaşık değer alır.

Uygunluk fonksiyonu asansörün gidiş yönüne göre farklı hesaplanmaktadır.

Asansör dururken veya yukarı çıkarken:P1: Mevcut asansörün bulunduğu katP2: Yukarı çıkacak yolcu alınacak en üst katP3: Yukarı çıkacak yolcu alınacak en alt katP4: P1'den aşağıda yukarı çıkacak yolcu alınacak en üst kat

Asansör aşağı inerken:P1: Mevcut asansörün bulunduğu katP2: Aşağı inecek yolcu alınacak en alt katP3: Aşağı inecek yolcu alınacak en üst katP4: P1'den yukarıda aşağı inecek yolcu alınacak en alt kat

Gecikmeler (Delays)Toplam süreç zamanını doğru hesaplamak

için göz önünde bulundurulan gecikmeler:Katta duracak asansörün yavaşlaması

2snKapıların açılması

2snYolcu iniş/binişleri

5snKapıların kapanması

2snAsansörün tekrar harekete geçmesi

2sn

Kabullenme: Katlar arasında son hız yol alma 5 sn

GA OperatörleriÇaprazlama (Crossover)

Uniform Crossover Operator: 2 kromozomu rasgele seçer, aynı genleri tutar, farklı her geni çaprazlama olasılığına göre çaprazlar

Mutasyon (Mutation)Kromozomdan 2'li gen seçer, mutasyon olasılığına göre 01

seçtiyse 10; 10 seçtiyse 01 yapar.Değişim Kuralı (Replacement Rule)q x (1-q)i değişim olasılığı ile uygunluk fonksiyonunda en iyi

değeri veren i. kromozom populasyondan atılmaktadır.

Testlerde %85 çaprazlama, %15 mutasyon, q=%60 değişim olasılığı kullanılmıştır.

Her run için en az 20 iterasyon yapılmıştır.

SİMULASYON SONUÇLARIDeney Koşulları:

Deneyde 12 katlı bir iş merkezi simule edilmiştir. 7. ve 12. kat hariç her katta 30 çalışan vardır. İdari birim olan 7. katta 60 çalışan vardır. Yönetim birimi olan 12. katta 15 çalışan vardır. Toplam 375 çalışan, tamamı asansörü kullanacak. Binada her biri 20 kişi kapasiteli 2 asansör vardır. Çalışanlar merdivenleri kullanmamaktadır. Replikasyon sayısı: 20

Katlar arası ulaşım olasılıkları:Zemin kattan:7.kata: %1512. kata %4Diğer katlara %9

Diğer katlardan:

Zemin kata %95Diğer katlara %5 (toplam)

Yolcu Gelişleri:

Saat 14:00-16:10 arası (lunchpeak - gerçek bir binadan alınma)

ALGORİTMALARIN KIYASLANMASIÜretilen algoritma THV Algoritması ile

kıyaslanmıştır.

Kriterler: Sistem bekleme zamanları

Asansör bekleme kuyruk uzunlukları

Asansör meşguliyet oranları

Sistem Bekleme Zamanları

14:50 civarı bekleme zamanındaki artış, 14:00 - 15:00 arası yemek çıkış izni olan çalışanların yığılmasından kaynaklanıyor.

15:20'den sonraki düzenli artış ise çalışanların yemekten dönüşte zemin katta yığılmalarından kaynaklı.

Asansör Bekleme Kuyruk Uzunlukları

GACHA'da THV algoritmasına göre alt kat kuyruklarında önemli iyileşme var (1. kat hariç)

Asansör Meşguliyet Oranları

SONUÇAsansör sistemleri için önerilen GACHA

algoritması sık kullanılan THV ile kıyaslanmış,

Sistem bekleme zamanları ve kuyruk uzunluklarında daha iyi sonuçlar elde edilmiştir.

Ortalama bekleme süresi 3 dk 15 sn'den 2 dk 30 sn'ye inmiştir.