葛 雙，付保川，許馨尹

(蘇州科技大學(xué)電子與信息工程學(xué)院，江蘇蘇州 215009)

0 引言

室內(nèi)環(huán)境對(duì)人體的舒適度有著決定性作用，經(jīng)濟(jì)發(fā)展和生活水平不斷提高使得室內(nèi)環(huán)境問題日益突出［1］。據(jù)國(guó)內(nèi)外學(xué)者研究發(fā)現(xiàn)，若室內(nèi)環(huán)境質(zhì)量得以改善，其室內(nèi)工作人員的效率將提高15%～20%［2］。而在室內(nèi)環(huán)境中，室內(nèi)的熱濕環(huán)境、光環(huán)境和空氣品質(zhì)對(duì)人的影響尤為突出。因此通過對(duì)室內(nèi)設(shè)備進(jìn)行調(diào)節(jié)控制提高室內(nèi)熱濕環(huán)境、光環(huán)境和空氣品質(zhì)也就意味著提高了在室人員的舒適度。

環(huán)境舒適度的控制優(yōu)化研究，Diouns AI等學(xué)者利用一種新的算法Fuzzy－PD用來控制建筑內(nèi)的有關(guān)設(shè)備并提高室內(nèi)舒適度，通過仿真實(shí)驗(yàn)表明該算法較傳統(tǒng)的模糊算法性更好［3］。FJ Lin等學(xué)者結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)，利用該方法對(duì)系統(tǒng)輸入的參數(shù)進(jìn)行跟蹤并對(duì)該系統(tǒng)進(jìn)行控制［4］。段永培等通過改進(jìn)粒子群算法尋解被控系統(tǒng)的最佳參數(shù)，實(shí)現(xiàn)動(dòng)態(tài)舒適度的最優(yōu)控制［5］。劉運(yùn)城將模糊規(guī)則與雙線性控制算法相結(jié)合對(duì)室內(nèi)溫度進(jìn)行控制，實(shí)驗(yàn)結(jié)果表明該算法的魯棒性和穩(wěn)定性較好［6］。除以上方法外，強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)算法也逐漸用于智能控制領(lǐng)域，Cho S H提出了一種對(duì)建筑暖通空調(diào)進(jìn)行控制基于強(qiáng)化學(xué)習(xí)的控制器的可能性，并對(duì)其進(jìn)行了理論分析［7］;Dalamagkids K等學(xué)者則通過對(duì)強(qiáng)化學(xué)習(xí)算法改進(jìn)，提出了一種基于遞歸最小乘法的強(qiáng)化學(xué)習(xí)控制器用于建筑設(shè)備的控制［8］;Bielskis等學(xué)者提出一種基于強(qiáng)化學(xué)習(xí)的室內(nèi)照明控制器，該算法可自動(dòng)調(diào)節(jié)照明系統(tǒng)從而優(yōu)化室內(nèi)光環(huán)境的同時(shí)減少照明能耗［9］;Li等學(xué)者提出一種能在線學(xué)習(xí)最優(yōu)控制策略的多網(wǎng)絡(luò)Q學(xué)習(xí)方法用于建筑節(jié)能，實(shí)驗(yàn)表明該算法的收斂速度比未改進(jìn)的Q學(xué)習(xí)算法快［10］。綜上可看出，越來越多的學(xué)者注重室內(nèi)環(huán)境的質(zhì)量，運(yùn)用在建筑設(shè)備的控制技術(shù)手段也層出不窮。

在研究控制建筑內(nèi)相關(guān)系統(tǒng)時(shí)，常見的方法如模糊控制、PID控制［11-12］等，這些傳統(tǒng)方法在控制較為復(fù)雜的系統(tǒng)或多個(gè)被控對(duì)象時(shí)存在收斂速度慢或者收斂性能較差等缺點(diǎn)。本文提出了一種基于同策蒙特卡羅 (On－policy Monte Carlo，OMC)算法的控制器，用于控制建筑內(nèi)的相關(guān)設(shè)備，在提供室內(nèi)人員最基本環(huán)境需求的同時(shí)提高室內(nèi)環(huán)境舒適度。蒙特卡羅算法是強(qiáng)化學(xué)習(xí)里的一種算法，通過狀態(tài)和動(dòng)作得到獎(jiǎng)賞值從而評(píng)估策略的好壞［13-14］。

1 基于同策蒙特卡羅算法的優(yōu)化控制

強(qiáng)化學(xué)習(xí)就是學(xué)習(xí)如何將場(chǎng)景映射到動(dòng)作，以獲取最大數(shù)值獎(jiǎng)賞信號(hào)［15］。強(qiáng)化學(xué)習(xí)解決問題的過程簡(jiǎn)單說就是一個(gè)智能體 (Agent)采取行動(dòng) (Action)從而改變自身狀態(tài) (State)獲得回報(bào)值 (Reward)并與環(huán)境 (Environment)不斷的發(fā)生交互的一個(gè)過程。強(qiáng)化學(xué)習(xí)包括多種不同的算法，是否需要模型是區(qū)別這些算法的一種重要特征，其中同策蒙特卡羅方法是一種不需要模型僅需要經(jīng)驗(yàn)的算法——從與環(huán)境在線或模擬交互中獲得狀態(tài)、動(dòng)作和回報(bào)。

影響室內(nèi)舒適度的因素主要有室內(nèi)的熱濕環(huán)境、光環(huán)境和室內(nèi)空氣質(zhì)量。需要考慮的狀態(tài)因素有:室內(nèi)溫度，二氧化碳濃度、相對(duì)濕度和照度。室內(nèi)溫度需要空調(diào)設(shè)備對(duì)其進(jìn)行調(diào)節(jié)控制;二氧化碳濃度通過通風(fēng)系統(tǒng)進(jìn)行控制;濕度的改變需通過加濕器和除濕器;調(diào)節(jié)照度需通過照明設(shè)備進(jìn)行控制。所以動(dòng)作因素有:空調(diào)系統(tǒng)、通風(fēng)系統(tǒng)、加濕器、除濕器和照明系統(tǒng)這幾個(gè)設(shè)備的運(yùn)行情況。

改善室內(nèi)環(huán)境舒適度需從室內(nèi)的熱濕環(huán)境、光環(huán)境和空氣質(zhì)量等因素進(jìn)行分析。室內(nèi)的熱濕環(huán)境中干球溫度和相對(duì)濕度對(duì)人舒適度影響最為突出;室內(nèi)光環(huán)境取決于室內(nèi)照度情況;而室內(nèi)空氣質(zhì)量二氧化碳濃度對(duì)人舒適度的影響比重最大。對(duì)于Agent，假設(shè)外部環(huán)境為一個(gè)獨(dú)立的只包含溫濕度、照度、二氧化碳濃度這4個(gè)參數(shù)的普通辦公室。故涉及到的參數(shù)有:室內(nèi)溫度T(℃)，設(shè)定范圍為［Tmin，Tmax］，Tmin是設(shè)定的最小溫度值，Tmax是設(shè)定的最大溫度值;室內(nèi)相對(duì)濕度h(HR)(相對(duì)濕度是用百分比表示的，為了簡(jiǎn)化參數(shù)本文中直接用整數(shù)表示)設(shè)定范圍為［hmin，hmax］，hmin是最小值，hmax是設(shè)定的最大值;室內(nèi)照度I(Lx)，范圍為 ［Imin，Imax］;室內(nèi)二氧化碳濃度 ρco2(ppm)，設(shè)定范圍為 ［ρmin，ρmax］。若這些參數(shù)的值都超過上述設(shè)定的最大值，人將感覺不舒適。為了滿足人對(duì)環(huán)境舒適度的要求，各個(gè)參數(shù)都需設(shè)置一個(gè)舒適值并保證該設(shè)定值都在給定的范圍內(nèi)。

2 算法框架建模

本文中的被控對(duì)象為空調(diào)、可調(diào)光的照明設(shè)備、通風(fēng)系統(tǒng)、加濕器和除濕器。環(huán)境狀態(tài)的改變需要通過被控對(duì)象的狀態(tài)的改變才能實(shí)現(xiàn)。被控對(duì)象即被控設(shè)備如空調(diào)系統(tǒng)、通風(fēng)系統(tǒng)等根據(jù)當(dāng)前的環(huán)境狀態(tài)對(duì)設(shè)備動(dòng)作進(jìn)行選取從而改變?cè)O(shè)備狀態(tài)，如圖1所示。

圖1 狀態(tài)更新示意圖

某一時(shí)刻的狀態(tài)如室內(nèi)溫濕度、CO2濃度和照度等;根據(jù)當(dāng)前時(shí)刻的環(huán)境狀態(tài)通過策略選擇器和動(dòng)作選擇器產(chǎn)生下一時(shí)刻的動(dòng)作，包括空調(diào)系統(tǒng)、通風(fēng)系統(tǒng)、照明系統(tǒng)、除濕器和加濕器等設(shè)備的動(dòng)作;再通過動(dòng)作執(zhí)行器對(duì)策略進(jìn)行評(píng)估改進(jìn)，直至判斷是否為最優(yōu)策略。其基本流程圖如圖2所示。

每個(gè)時(shí)間步t，agent都得到若干環(huán)境狀態(tài)st∈S，其中S是所有可能狀態(tài)的集合，在此基礎(chǔ)上根據(jù)策略(狀態(tài)到動(dòng)作的映射，s→a)選擇一個(gè)動(dòng)作at∈A(st)，其中A(st)是可選動(dòng)作的集合。一個(gè)時(shí)間步后，agent得到一個(gè)獎(jiǎng)賞值r←s×a，并得到下一個(gè)狀態(tài)st+1，根據(jù)獎(jiǎng)賞值進(jìn)行策略的評(píng)估與改進(jìn)。

圖2 算法框架流程圖

2.1 算法框架設(shè)計(jì)

算法中的關(guān)改變?cè)O(shè)備狀態(tài)的動(dòng)作a被建模為一個(gè)矩陣。水平維度是五維向量，用來表示各個(gè)不同設(shè)備的動(dòng)作。第一維AC(Air Conditioning)表示空調(diào)的動(dòng)作，可以用a1=［a10，a11，a12，a13，a14］ 的向量表示，共有 5種動(dòng)作:0表示關(guān)閉，1表示熱風(fēng) (小風(fēng))，2表示冷風(fēng) (小風(fēng))，3表示熱風(fēng) (大風(fēng))，4表示冷風(fēng) (大風(fēng))。第二維 VS(Ventilation system)表示通風(fēng)系統(tǒng)的動(dòng)作，通風(fēng)系統(tǒng)的動(dòng)作向量表示為 a2=［a20，a21，a22］，共3種動(dòng)作:0表示關(guān)閉，1表示小檔位，2表示大檔位。第三維H(Humidifier)表示加濕器的動(dòng)作a3=［a30，a31，a32］，共3種動(dòng)作:0表示關(guān)閉，1表示小檔，2表示大檔。第四維 DH(Dehumidifier)表示除濕機(jī)的動(dòng)作:0表示關(guān)閉，1表示小檔，2表示大擋;除濕器的動(dòng)作可用向量a4=［a40，a41，a42］表示。最后一位L(Light)表示燈的動(dòng)作，照明設(shè)備的動(dòng)作向量a5=［a50，a51，a52］表示:0表示關(guān)閉，1表示提高照度，2表示降低照度。

OMC中的環(huán)境狀態(tài)s=［Tt，ht，ρt，It］這幾個(gè)參數(shù)組成，見式 (1)到式 (5)。

在式 (1)中，Ts是設(shè)置的最舒適溫度，Tmax是在范圍內(nèi)的最大值。

hs為設(shè)室內(nèi)最合適的相對(duì)濕度為，如式 (2)所示，分母表示取值范圍的最大值hmax減去最適濕度值hs的差。

設(shè)在這間獨(dú)立的普通辦公室內(nèi)，照度參考平面及其高度為0.75 m水平面，Is表示的是設(shè)置的室內(nèi)最佳照度，Imax是設(shè)定的最大照度值，照度若超過Imax人眼會(huì)感覺不舒適，在式 (3)中，分母表示兩者之差。

在式 (4)中，ρs是設(shè)定的目標(biāo)值，是室外CO2濃度可以達(dá)到的最低水平;ρmax是設(shè)定的最大值，若超出該值舒適感則會(huì)消失。

r值是系統(tǒng)最終的評(píng)估標(biāo)準(zhǔn)。在本文中，r的值被控制在［－1，0］之間，式 (5)表示各個(gè)參數(shù)在不同權(quán)重下獎(jiǎng)賞值的疊加。在式 (1)至 (4)中，各個(gè)參數(shù)的取值偏離設(shè)定值越大，r值就越接近－1(越小)，反之越大;所以式(5)中用負(fù)號(hào)來表示。這里的權(quán)重 w=［0．6，0．1，0．1，0．2］是通過多次實(shí)驗(yàn)得到的，這確保了r值在 ［－1，0］之間，并能使系統(tǒng)保持良好的性能。

本算法中狀態(tài)轉(zhuǎn)移函數(shù)如式 (6)到 (10)。式 (6)表示的是溫度隨時(shí)間的變化，但在空調(diào)運(yùn)行時(shí)，打開通風(fēng)系統(tǒng)會(huì)影響室內(nèi)溫度，所以在等式中表現(xiàn)通風(fēng)系統(tǒng)對(duì)溫度的影響是加入一個(gè)弱化參數(shù)0.2。Tc表示的是溫度變化率，它與空調(diào)產(chǎn)生的風(fēng)的強(qiáng)弱有關(guān)，見式 (7)。式 (8)、(9)、(10)分別表示的是濕度、CO2濃度和照度的狀態(tài)轉(zhuǎn)移函數(shù)。

2.2 控制算法

算法流程:

1)初始化r=0，動(dòng)作a

2)對(duì)于每個(gè)情節(jié)，初始化狀態(tài)

3)根據(jù)狀態(tài)轉(zhuǎn)移函數(shù)確定下一時(shí)刻的狀態(tài)s'

4)根據(jù)式1)至5)更新r值

5)對(duì)情節(jié)中的每個(gè)狀態(tài)s:

6)重復(fù)每個(gè)情節(jié)，直至s滿足終止條件

在強(qiáng)化學(xué)習(xí)里這個(gè)問題沒有確定的終止條件，所以為了方便實(shí)驗(yàn)，需設(shè)置確定的情節(jié)數(shù)，并置每個(gè)情節(jié)有N個(gè)單位時(shí)間步數(shù)，當(dāng)t+1=N時(shí)，結(jié)束運(yùn)行一個(gè)情節(jié)。

3 仿真結(jié)果分析

3.1 仿真步驟

本文中使用了OMC算法優(yōu)化室內(nèi)環(huán)境舒適度，控制室內(nèi)的相關(guān)設(shè)備。為了驗(yàn)證該算法的有效性，在Python2.7環(huán)境中做了仿真實(shí)驗(yàn)，具體步驟如下:

步驟1:建立獎(jiǎng)賞函數(shù)如公式 (1)～(5)、狀態(tài)轉(zhuǎn)移函數(shù)如公式 (6)～(10)。

步驟2:初始化動(dòng)作值函數(shù)Q(st，at)、學(xué)習(xí)率α和折扣率γ。其中，s是狀態(tài)參數(shù)，由室內(nèi)溫度Tt、室內(nèi)二氧化碳濃度ρt、室內(nèi)照度It、室內(nèi)濕度Ht和實(shí)時(shí)能耗Et;a是動(dòng)作參數(shù)，由空調(diào)系統(tǒng)動(dòng)作、照明系統(tǒng)動(dòng)作、加濕器和除濕器動(dòng)作和通風(fēng)系統(tǒng)動(dòng)作構(gòu)成。學(xué)習(xí)率和折扣率根據(jù)經(jīng)驗(yàn)得到:α=0.1，γ=0.9。

步驟3:對(duì)于每個(gè)情節(jié)，設(shè)置情節(jié)的參數(shù)包括N=4 000個(gè)單位時(shí)間步，令t=0，也就是使各個(gè)狀態(tài)和動(dòng)作性參數(shù)保持初始狀態(tài)。

步驟4:在每個(gè)情節(jié)中每個(gè)時(shí)間步的運(yùn)行包括對(duì)當(dāng)前狀態(tài)st，計(jì)算出在該時(shí)刻下動(dòng)作因素at;當(dāng)采取這個(gè)時(shí)刻的動(dòng)作時(shí)，根據(jù)建立的狀態(tài)轉(zhuǎn)移函數(shù)計(jì)算該狀態(tài)的轉(zhuǎn)移情況，得出下一刻相應(yīng)的狀態(tài)st+1; 然后根據(jù)上述建立的獎(jiǎng)賞函數(shù)公式，計(jì)算出在當(dāng)前狀態(tài)st和動(dòng)作at下的獎(jiǎng)賞值rt。

步驟5:判斷終止條件，如下:

對(duì)觀察所有狀態(tài)因素下的動(dòng)作值函數(shù)的值判斷是否是預(yù)設(shè)值，若不滿足則返回到步驟3進(jìn)行新的情節(jié)的運(yùn)行，若滿足則結(jié)束循環(huán)。

3.2 實(shí)驗(yàn)結(jié)果分析

本章節(jié)主要驗(yàn)證了同策蒙特卡洛控制算法的有效性并將該算法與PID控制和模糊控制的收斂性能進(jìn)行了比較。在本文中，設(shè)置了200個(gè)情節(jié)。并將每個(gè)情節(jié)的步數(shù)設(shè)置為4 000步。

參考實(shí)際情況，各個(gè)參數(shù)設(shè)定的范圍為:室內(nèi)溫度T(℃)，設(shè)定范圍為 ［0，40］;室內(nèi)濕度 h(HR)，設(shè)定范圍為 ［0，100］;室內(nèi)照度I(Lx)，設(shè)定范圍為 ［0，800］;室內(nèi)二氧化碳濃度ρ(ppm)，設(shè)定范圍為 ［200，1 000］。設(shè)定滿足室內(nèi)舒適度時(shí)各個(gè)參數(shù)值為:溫度25℃、濕度50 HR、CO2濃度300 ppm、照度300 lx。本文做了多組實(shí)驗(yàn)，選取其中兩組實(shí)驗(yàn)說明該算法的收斂性能。實(shí)驗(yàn)a各個(gè)參數(shù)設(shè)置的初始狀態(tài)為sa=［35，70，700，100］，實(shí)驗(yàn)b的初始狀態(tài)為sb=［10，20，850，600］。實(shí)驗(yàn)數(shù)據(jù)如圖3、圖4、圖5、圖6、圖7、圖8所示。

室內(nèi)熱濕環(huán)境是影響室內(nèi)舒適度的一個(gè)重要影響因素，圖3和4分別表示隨著步數(shù)的增加，在不同控制算法下室內(nèi)溫度和濕度的變化情況。

圖3是兩組溫度收斂變化實(shí)驗(yàn)圖，由圖3(a)可知，OMC方法在1 800步左右收斂到設(shè)定的參數(shù)值即25℃，并能保持在這個(gè)值，具有良好的精度和穩(wěn)定性;而實(shí)驗(yàn)b改變了初始狀態(tài)值，大約在2 200步達(dá)到收斂預(yù)設(shè)值，其收斂的效果和實(shí)驗(yàn)1是一樣的。相比較而言，在兩組實(shí)驗(yàn)中PID算法和模糊算法雖然在達(dá)到預(yù)設(shè)值前有更平滑的下降或上升趨勢(shì)，但是PID算法在收斂后的穩(wěn)定性較差，在設(shè)定的溫度值上下浮動(dòng);而模糊算法的穩(wěn)定性較好但收斂精度較差，并不能完全收斂到預(yù)設(shè)值。實(shí)驗(yàn)表明，OMC比PID算法和模糊算法具有更好的穩(wěn)定性和收斂精度。圖4是兩組室內(nèi)濕度收斂實(shí)驗(yàn)圖。圖4(a)大約在1 000步達(dá)到收斂效果，因改變了濕度的初始設(shè)定值，圖4(b)大約在1 600步收斂到設(shè)定的最適濕度值50 HR;從圖4中可以看出PID在實(shí)驗(yàn) (a)和實(shí)驗(yàn) (b)中大約分別在1 200和1 800步達(dá)到預(yù)設(shè)的舒適值，但并不能穩(wěn)定在預(yù)設(shè)的舒適值;模糊算法分別大約在1 200步和1 600步開始收斂，但其收斂精度不高。實(shí)驗(yàn)結(jié)果表明:OMC方法的性能優(yōu)于PID和模糊控制，能給室內(nèi)提供良好舒適的熱濕環(huán)境。

圖3 室內(nèi)溫度收斂

圖4 室內(nèi)濕度收斂

圖5表示的是隨著步數(shù)的增加，室內(nèi)CO2濃度在不同算法控制下的變化情況。通過CO2濃度的不同顯示了室內(nèi)空氣質(zhì)量的品質(zhì)的高低。

圖5是CO2濃度的變化圖。兩個(gè)實(shí)驗(yàn)的區(qū)別在于實(shí)驗(yàn)(a)設(shè)定的初始狀態(tài)值不同，實(shí)驗(yàn) (a)中設(shè)定的初始值比實(shí)驗(yàn) (b)的設(shè)定的值要低一些。圖5(a)中OMC大約在1 000步收斂，圖5(b)大約在1 400步達(dá)到收斂效果。PID在圖5(a)中大約在1 200步收斂，圖5(b)在1 600步收斂;Fuzzy在實(shí)驗(yàn) (a)中1 000步左右開始收斂，在實(shí)驗(yàn)(b)中1 600步左右收斂。將OMC算法與這兩種算法相比較，這兩種算法的收斂速度和精度都差于OMC。實(shí)驗(yàn)結(jié)果表明:OMC方法在保證擁有良好的室內(nèi)空氣環(huán)境同時(shí)能在更短的時(shí)間內(nèi)對(duì)通風(fēng)系統(tǒng)進(jìn)行調(diào)節(jié)控制，提高室內(nèi)空氣品質(zhì)。

室內(nèi)的光環(huán)境對(duì)在室人員的舒適感也有較大影響，圖6表示的是隨著步數(shù)的增加，室內(nèi)照度在不同控制算法下的變化情況圖。

圖5 CO2濃度收斂

圖6 室內(nèi)照度收斂

圖6是控制照度的變化曲線圖，由圖可知OMC方法在第一組實(shí)驗(yàn)中的收斂步數(shù)大約為1 000，在第二組實(shí)驗(yàn)中的收斂步數(shù)大約為1 400步。使用PID算法，圖6(a)顯示在1 200步左右收斂，圖6(b)在1 500步左右收斂并在300 lx左右波動(dòng);通過Fuzzy控制照明系統(tǒng)，如圖所示，實(shí)驗(yàn)(a)在1 200左右開始收斂，實(shí)驗(yàn) (b)在1 600左右收斂且收斂值與預(yù)設(shè)值有一定偏差。實(shí)驗(yàn)結(jié)果表明實(shí)驗(yàn)OMC算法進(jìn)行控制，更能提供室內(nèi)良好的光環(huán)境。比較兩組實(shí)驗(yàn)中各個(gè)參數(shù)使用OMC方法的收斂曲線圖，室溫的收斂時(shí)間最長(zhǎng)，其原因可能與通風(fēng)系統(tǒng)和室內(nèi)濕度環(huán)境有關(guān)。更多參數(shù)和動(dòng)作的加入意味著需要更復(fù)雜的控制過程和收斂步驟。從上述幾組圖中，對(duì)比OMC方法和PID、Fuzzy算法，發(fā)現(xiàn)OMC方法的收斂速度與精度更好。

圖7是本實(shí)驗(yàn)中200個(gè)情節(jié)的獎(jiǎng)賞值的收斂變化圖。實(shí)驗(yàn) (a)在前50個(gè)情節(jié)，回報(bào)收斂的波動(dòng)較大，振動(dòng)幅度大于2 000，在此期間agent處在試錯(cuò)階段;經(jīng)過前60個(gè)情節(jié)的學(xué)習(xí)，回報(bào)值漸漸穩(wěn)定在－7 000左右。實(shí)驗(yàn) (b)是第二組實(shí)驗(yàn)過程中的回報(bào)收斂圖，大約經(jīng)過100個(gè)情節(jié)的學(xué)習(xí)，回報(bào)值漸漸穩(wěn)定在－1 300左右。

圖7 200個(gè)情節(jié)的回報(bào)值變化

圖8 200個(gè)情節(jié)的收斂步數(shù)

圖8是收斂步數(shù)圖，表示的是200個(gè)情節(jié)中每個(gè)情節(jié)的收斂步數(shù)的變化情況。從第一個(gè)圖中看出，在一開始的幾個(gè)情節(jié)里，收斂步數(shù)維持在初設(shè)值并沒有發(fā)生變化，之后情節(jié)的收斂步才開始改變。從圖中可看出，收斂步數(shù)發(fā)生較大變化大約在3～60個(gè)情節(jié)之間，說明OMC在這個(gè)階段處于學(xué)習(xí)階段;大約在60～90個(gè)情節(jié)之后，系統(tǒng)的震蕩幅度較小，此時(shí)OMC處于調(diào)整階段;在90個(gè)情節(jié)之后OMC收斂在1 400步左右，說明系統(tǒng)找到最優(yōu)策略。圖8(b)在70個(gè)情節(jié)前震蕩幅度較大，在70～110個(gè)情節(jié)期間震蕩較小，在110個(gè)情節(jié)后達(dá)到收斂，大約在1 600步左右。

4 結(jié)束語(yǔ)

為了提高人在室內(nèi)的舒適感，采用基于同策蒙特卡羅算法控制辦公室內(nèi)的空調(diào)系統(tǒng)、加濕器、照明系統(tǒng)和通分系統(tǒng)等設(shè)備，并對(duì)這些設(shè)備進(jìn)行了簡(jiǎn)單的模型構(gòu)建。對(duì)輸入的溫濕度、照度和二氧化碳濃度等參數(shù)進(jìn)行智能調(diào)整，進(jìn)而將各個(gè)參數(shù)值控制在設(shè)定的最適值以優(yōu)化室內(nèi)舒適度。本文基于構(gòu)造的模型進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明:(1)該方法在不同參數(shù)設(shè)置下都能達(dá)到良好的收斂性和穩(wěn)定性，能很好的改善室內(nèi)環(huán)境舒適度;(2)在控制建筑設(shè)備等方面，和PID算法和模糊控制方法進(jìn)行比較，發(fā)現(xiàn)該算法具有收斂速度較快、魯棒性好、精度較高等優(yōu)勢(shì)。