Reinforcement learning approaches on elevator group control problem
Asansör grup kontrol problemi üzerine pekiştirmeli öğrenme yaklaşımları
- Tez No: 929502
- Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN YILDIRIM, DOÇ. DR. AHMET ONAT
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Asansörler, gökdelenlerin işlevselliğinde kritik bir rol oynamaktadır. Gökdelen sayısının artmasıyla birlikte, verimli asansör sistemlerine olan ihtiyaç da artmak- tadır. Geleneksel tek asansörlü trafik kontrol sistemleri, yüksek binalar için yeter- siz kalmakta ve bu durum, çoklu asansör trafik kontrol sistemlerinin gerekliliğini göstermektedir. Bu sistemler, her birinde bir veya daha fazla asansör kabini bu- lunan birden fazla şaft içerir. Etkili asansör grup kontrolü stratejileri, asansörlerin yolcu bekleme sürelerini en aza indirmek için birlikte çalışmasını sağlamak açısından faydalıdır. Bu tez, asansör grup kontrol sistemlerinin performansını artırmak için pekiştirmeli öğrenme metodlarının uygulanmasını incelemektedir. Asansör kabinlerinin zaman- laması, bilinen optimal bir çözümün olmadığı, NP-Zor bir problem olduğu için, öğrenme temelli bir yaklaşım, sezgisel yöntemlere alternatif olarak umut verici bir çözüm sunmaktadır. Bu çalışmada, yolcu çağrılarını en uygun asansör kabinine dinamik olarak atayarak yolcu bekleme sürelerini azaltmayı ve genel sistem ver- imliliğini artırmayı amaçlayan iki derin Q-ağı (DQN) tekniği önerilmektedir.
Özet (Çeviri)
Elevators play a crucial role in the functionality of skyscrapers. As the number of skyscrapers increases, so does the demand for efficient elevator systems. Traditional single lift traffic control systems are inadequate for high-rise buildings, leading to the adoption of multiple lift traffic control systems. These systems feature multiple shafts, each containing one or more elevator cars. Effective elevator group con- trol (EGC) strategies are essential to ensure elevators work together to minimize passenger waiting times. This thesis explores the application of reinforcement learning (RL) to enhance the performance of elevator group control systems (EGCS). Given the NP-hard nature of scheduling elevator cars, where no known optimal solution exists, a learning-based approach offers a promising alternative to heuristic methods. This thesis proposes two deep Q-network (DQN) techniques that enable the EGCS to dynamically assign passenger calls to the most suitable elevator car, aiming to reduce passenger waiting times and improve overall system efficiency.
Benzer Tezler
- Missile evasion maneuver generation with model-free deep reinforcement learning
Modelden bağımsız derin pekiştirmeli öğrenme ile füzeden kaçınma manevraları
MUHAMMED MURAT ÖZBEK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Beyin tümörü ameliyatlarında beyin mr görüntülerinin derin öğrenme modelleri ve us görüntülerinden faydalanarak yeniden üretilmesi
Estimating the shape of the removed tumor for detection of residual area in brain tumor surgeries and generating mri images with deep learning
AYŞE GÜL EKER
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU
DOÇ. DR. TOLGA TURAN DÜNDAR
- Drone ile drone takibi için dağıtık derin takviyeli öğrenme yaklaşımları
Distributed deep reinforcement learning approaches for drone tracking with drone
ZİYA TAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Explorations on inverse reinforcement learning for the analysis of motor control and cognitive decision making mechanisms of the brain
Motor kontrol ve beynin bilişsel karar verme mekanizmalarını analiz etmek üzere tersine pekiştirmeli öğrenme ile keşifler
EMİR ARDİTİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ERHAN ÖZTOP
DR. ÖĞR. ÜYESİ REYHAN AYDOĞAN
DOÇ. DR. EMRE UĞUR