人工智能优化算法主要是模拟自然界的原理而产生的,目前的许多研究成果显示了其应用价值和经济价值的潜力。本文在深入研究了人工智能优化算法在优化领域的算法实现的同时,还提供了人工智能优化算法的应用基础,建立基于细胞自动机的混合电梯群控系统的模型。以下依次列出本文主要的创新工作,具体如下： 1)电梯群控系统是一个复杂的非线性、随机的系统,是典型的离散事件系统。本文分析了基于细胞自动机的离散事件系统中结合了电梯运行的速度曲线和位移的连续系统的混合电梯群控系统模型,为人工智能优化算法提供了应用的基础。 2)在分析和研究了人工智能优化算法的特点之后,提出把人工免疫优化算法应用于混合电梯群控系统中,利用人工免疫优化算法的抗体多样性和克隆选择算子来保证优化搜索的效果。在相同的仿真条件下,与传统的遗传算法的应用效果进行比较,更好地满足乘客的需求。 3)基于粒子群优化算法模型简单、收敛速度快的优点和全局收敛性能差的缺点,提出人工免疫优化算法和粒子群优化算法相结合的人工免疫粒子群优化算法。由于人工免疫粒子群优化算法结合了两种算法的优点,弥补了各自的不足,所以在优化领域显示出更好的优化效果。两个互相弥补不足而发挥各自优势的算法相结合,是人工智能算法的一个研究方向。 4)目的层预约的电梯群控系统是一个发展的方向。为了体现目的层预约的梯群控系统的特点,本文把人工免疫粒子群优化算法分别应用于目的层预约的混合电梯群控系统和常规的混合电梯群控系统的派梯策略中,比较系统运行的效果。这种新的电梯群控系统模型能够收集更多的乘客信息,更准确地进行电梯运行的预测,提高了电梯系统的服务质量,也存在一些不足需要进一步的改进。