E NERGY P LUS 與基因演算法結合

(Chromosome)、適存值(Fitness Value)、世代数(Generation)、交叉率(Crossover Rate)、

突变率(Mutation Rate)。

1. 基因

需要更多運算成本，消耗時間亦會變長。若染色體數目越少，則反之。因此確定合

一並且產生新一代的族群。新族群會執行適存值運算重複之前的步驟直至滿足終 止條件輸出結果為止。

圖 3.7 基因演算法流程

3.4.2 結合控制策略

控制策略由自然通風、空調預冷和儲冰控制。基因演算法的主要目的是對工作 時間段內之冷卻負荷最佳化。故此階段只考慮自然通風和空調預冷這兩種控制策 略。

在本研究中自然通風與空調預冷只考慮有或無這兩種狀態。當有自然通風時，

窗戶都將被設置為完全開啟狀態。當無自然通風時，窗戶都將被設置為完全關閉狀 態。窗戶不同的開啟程度不在本研究之討論範圍。當有空調預冷時，空調開啟將室 溫穩定到設定之預冷溫度。當無空調預冷時，空調不運作對室溫變化無影響。設定 空調預冷溫度值的最佳化不在本研究探討之範圍。

Hu[23]等人在研究中將最佳化決策過程的頻率設定為每小時一次，即將一天劃 分成24 個時段，每個時間段一小時，以應對自然通風和空氣流動的非線性和瞬時 性。本研究認同細分時間段可以提高預測控制效果的觀點，但考慮到過多的基因數

目會使得最佳化過程消耗更多時間，且除了工作時間外建築通常處於無人使用狀

適存值= Electricity Fee_𝑚𝑎𝑥− Electricity Fee (3.2)

Electricity Fee_𝑚𝑎𝑥：當前族群中電費之最大值 Electricity Fee：當前個體之電費

電費越低，適存值越高，繁衍下一代的幾率越高。選擇是對於優秀個體之繼承，

Rudolph[28]證明了標準基因演算法 (CGA, Canonical Genetic Algorithm)無法 僅依靠選擇、交叉和變異獲得全局最佳解。因為基因演算法若採用比例選擇法雖然 高適存值之個體被選擇的概率較大，但並非百分之百被選擇，所以會產生高適存值 之個體無法被保留的可能性。交叉與突變亦會改變原有染色體，可能導致當前族群 中的最佳個體在下一代中丟失。為了防止上述情況發生，使得基因演算法能夠收斂 到全局最佳解。需要引入精英保留策略。

體保留下來，無需選擇、交叉、突變就可以直接複製進入下一代族群中。因此本研 究中的系統會自動保存歷代以來最佳個體。若當前世代最佳個體優於歷代最佳個 體，則歷代最佳個體會被當代最佳個體替換。若歷代最佳個體優於當前世代最佳個 體，系統會將最佳個體放入下一代中。

除此以外，本研究當前世代最差個體會被歷代最佳個體替換，再計算個體被選 擇之概率，進行選擇、交叉、突變產生下一代。此举并非属於精英保留策略之范畴，

但本研究期望借此使得優良基因有更多改良之機會。加入精英保留策略後的流程 如圖 3.8 所示。

圖 3.8 含精英保留策略的基因演算法結合 EnergyPlus