JP2555834B2 - 群管理エレベータの制御方法 - Google Patents
群管理エレベータの制御方法Info
- Publication number
- JP2555834B2 JP2555834B2 JP4154343A JP15434392A JP2555834B2 JP 2555834 B2 JP2555834 B2 JP 2555834B2 JP 4154343 A JP4154343 A JP 4154343A JP 15434392 A JP15434392 A JP 15434392A JP 2555834 B2 JP2555834 B2 JP 2555834B2
- Authority
- JP
- Japan
- Prior art keywords
- call
- allocation
- virtual
- calls
- fitness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Elevator Control (AREA)
Description
【０００１】
【産業上の利用分野】この発明は群管理エレベータの制
御方法に係り、特に将来発生すると予測される呼びの影
響をも考慮できるようにしたホール呼び割当の制御方法
に関する。
御方法に係り、特に将来発生すると予測される呼びの影
響をも考慮できるようにしたホール呼び割当の制御方法
に関する。
【０００２】
【従来の技術】現在の群管理エレベータは、乗場呼びを
選択された特定のかごにだけ与える呼び割当制御方式が
主流であるが、この呼び割当て制御方式として、従来か
らの評価関数による呼び割当制御に加え、最近では、例
えば特開平１−１９７２８７号「エレベータの群管理制
御方法」のようにファジー理論を用いた呼び割当制御
や、或いは特開平１−２７５３８１号「エレベータの群
管理装置」のように、ニューラルネットを用いた呼び割
当制御など種々の方式が提案されている。
選択された特定のかごにだけ与える呼び割当制御方式が
主流であるが、この呼び割当て制御方式として、従来か
らの評価関数による呼び割当制御に加え、最近では、例
えば特開平１−１９７２８７号「エレベータの群管理制
御方法」のようにファジー理論を用いた呼び割当制御
や、或いは特開平１−２７５３８１号「エレベータの群
管理装置」のように、ニューラルネットを用いた呼び割
当制御など種々の方式が提案されている。
【０００３】
【発明が解決しようとする課題】ところで、ホール呼び
をかごに対して適切に割当てるためには、呼びが発生し
た時点の諸状況の他に次の２つの要因を考慮する必要が
ある。 １．現在の割当が、今まで発生し、未だサービスされて
いない呼びに与える影響。 ２．現在の割当が将来の呼びに与える影響、及び将来の
呼び発生が今までに割当した未応答呼びに与える影響。 この中で、上記１はシミュレーションによって把握でき
るが、上記２については客が確率的に発生するために正
確な予測はできない。このため、従来の種々の呼び割当
制御においても、上記２の影響すなわち、現在の割当が
将来の呼びに与える影響と将来の呼び発生が割当済の未
応答呼びに与える影響の両方の影響を十分に考慮した割
当を行うことは非常に困難であった。
をかごに対して適切に割当てるためには、呼びが発生し
た時点の諸状況の他に次の２つの要因を考慮する必要が
ある。 １．現在の割当が、今まで発生し、未だサービスされて
いない呼びに与える影響。 ２．現在の割当が将来の呼びに与える影響、及び将来の
呼び発生が今までに割当した未応答呼びに与える影響。 この中で、上記１はシミュレーションによって把握でき
るが、上記２については客が確率的に発生するために正
確な予測はできない。このため、従来の種々の呼び割当
制御においても、上記２の影響すなわち、現在の割当が
将来の呼びに与える影響と将来の呼び発生が割当済の未
応答呼びに与える影響の両方の影響を十分に考慮した割
当を行うことは非常に困難であった。
【０００４】
【課題を解決するための手段】そこで本発明は上記問題
点を解決するため、新規ホール呼びを仮に割当てそれを
評価する際、仮想呼びを導入して最適割当解を求め、そ
の最適割当解からその仮割当が仮想呼びに与える影響
と、仮想呼びが未応答呼びに与える影響とを仮割当毎に
評価できるようにしたものである。すなわち本発明の特
徴とするところは、新規ホール呼びに対して仮割当を行
うとともに、客発生確率に従って作成した複数組の仮想
呼びに対してそれぞれ最適割当解を求め、次にこの最適
割当解から求めた未応答呼びに対する評価と仮想呼びに
対する評価のそれぞれに加重係数をかけて加算すること
により各仮割当毎の評価値を算出し、その評価値の最も
良い仮割当を実際の割当とするようにした点にある。
点を解決するため、新規ホール呼びを仮に割当てそれを
評価する際、仮想呼びを導入して最適割当解を求め、そ
の最適割当解からその仮割当が仮想呼びに与える影響
と、仮想呼びが未応答呼びに与える影響とを仮割当毎に
評価できるようにしたものである。すなわち本発明の特
徴とするところは、新規ホール呼びに対して仮割当を行
うとともに、客発生確率に従って作成した複数組の仮想
呼びに対してそれぞれ最適割当解を求め、次にこの最適
割当解から求めた未応答呼びに対する評価と仮想呼びに
対する評価のそれぞれに加重係数をかけて加算すること
により各仮割当毎の評価値を算出し、その評価値の最も
良い仮割当を実際の割当とするようにした点にある。
【０００５】更に仮想呼びを導入するに当たっては、Ge
netic Algorithm ( 遺伝的アルゴリズム、以下ＧＡと略
す）等のいわゆる組合せ最適化問題の解法を用いること
ができる構成とし、また、仮割当が仮想呼びに与える影
響と仮想呼びが未応答の呼びに与える影響の度合いを適
切に設定するための加重係数を導入し、この加重係数の
最適化についてもＧＡ法等を適用できるようにしたもの
である。
netic Algorithm ( 遺伝的アルゴリズム、以下ＧＡと略
す）等のいわゆる組合せ最適化問題の解法を用いること
ができる構成とし、また、仮割当が仮想呼びに与える影
響と仮想呼びが未応答の呼びに与える影響の度合いを適
切に設定するための加重係数を導入し、この加重係数の
最適化についてもＧＡ法等を適用できるようにしたもの
である。
【０００６】
【作用】本発明では新規ホール呼びを割当てる際、新規
ホール呼びに対して仮割当を行うとともに仮想呼びを発
生させ、この仮想呼びに対する最適割当解をＧＡ法等に
より求める。そしてその最適割当解からその仮割当が仮
想呼びすなわち将来の呼びに与える影響と仮想呼びすな
わち将来の呼び発生が未応答呼びに与える影響とを評価
する。更にその際、両者の影響の度合いを適切に設定す
るための加重係数を導入し、この加重係数は予めオフラ
インで最適値を求めることができる。
ホール呼びに対して仮割当を行うとともに仮想呼びを発
生させ、この仮想呼びに対する最適割当解をＧＡ法等に
より求める。そしてその最適割当解からその仮割当が仮
想呼びすなわち将来の呼びに与える影響と仮想呼びすな
わち将来の呼び発生が未応答呼びに与える影響とを評価
する。更にその際、両者の影響の度合いを適切に設定す
るための加重係数を導入し、この加重係数は予めオフラ
インで最適値を求めることができる。
【０００７】
【実施例】以下、本発明の一実施例を図面に基いて説明
する。図１は、本発明による呼び割当のプロセスの概念
を示すフローチャートである。まず、新規ホール呼びが
発生すると（手順１）、１号機へ仮割当てする（手順
２）。次に既知の客発生確率に従ってｋ個の仮想呼びを
ｎ通り作成する（手順３）。そしてそれぞれの仮想呼び
の一組に対して現時点の状態（かご位置，運転方向等）
から、例えばＧＡ法を用いて最適割当解を求める（手順
４）。次にこのｎ通りの仮想呼びに対するそれぞれの最
適割当解から、１号機への仮割当が将来の呼びに及ぼす
影響及び、将来の呼び発生が現時点の未応答呼びに及ぼ
す影響を推定、すなわちその仮割当の評価値として表わ
す（手順５）。上記手順２〜５を各号機について行い、
各号機への仮割当の評価値を比較し、評価値の最も良い
仮割当を実際の割当とする（手順６）。
する。図１は、本発明による呼び割当のプロセスの概念
を示すフローチャートである。まず、新規ホール呼びが
発生すると（手順１）、１号機へ仮割当てする（手順
２）。次に既知の客発生確率に従ってｋ個の仮想呼びを
ｎ通り作成する（手順３）。そしてそれぞれの仮想呼び
の一組に対して現時点の状態（かご位置，運転方向等）
から、例えばＧＡ法を用いて最適割当解を求める（手順
４）。次にこのｎ通りの仮想呼びに対するそれぞれの最
適割当解から、１号機への仮割当が将来の呼びに及ぼす
影響及び、将来の呼び発生が現時点の未応答呼びに及ぼ
す影響を推定、すなわちその仮割当の評価値として表わ
す（手順５）。上記手順２〜５を各号機について行い、
各号機への仮割当の評価値を比較し、評価値の最も良い
仮割当を実際の割当とする（手順６）。
【０００８】上記手順５における評価値の演算を図式化
したのが図２である。図２に示すようにＴ1 〜Ｔ(2k+2)
は上記ｎ通りの仮想呼びに対するそれぞれの最適割当解
から求められる値で、それぞれ Ｔ1 ：未応答呼びの平均待時間のｎ通りにおける平均値 Ｔ2 ：未応答呼びの最大待時間のｎ通りにおける平均値 Ｔ3 ：各組における１番目の仮想呼びｎ個の平均待時間 Ｔ4 ：各組における１番目の仮想呼びｎ個の最大待時間 Ｔ5 ：各組における２番目の仮想呼びｎ個の平均待時間 Ｔ6 ：各組における２番目の仮想呼びｎ個の最大待時間・・・・ Ｔ2k+2：各組におけるｋ番目の仮想呼びｎ個の最大
待時間 であり、Ｗ1 〜Ｗ(2k+2)のそれぞれをＴ1 〜Ｔ(2k+2)に
対する加重係数とすると、その仮割当に対する評価値
は、 評価値＝Ｔ1 ×Ｗ1 ＋Ｔ2 ×Ｗ2 ＋・・・・＋Ｔ(2k+2)×Ｗ(2k+2) で与えられる。そしてこの評価値を各仮割当毎に算出
し、その中で評価値の最もよい仮割当を実際の割当とす
る。
したのが図２である。図２に示すようにＴ1 〜Ｔ(2k+2)
は上記ｎ通りの仮想呼びに対するそれぞれの最適割当解
から求められる値で、それぞれ Ｔ1 ：未応答呼びの平均待時間のｎ通りにおける平均値 Ｔ2 ：未応答呼びの最大待時間のｎ通りにおける平均値 Ｔ3 ：各組における１番目の仮想呼びｎ個の平均待時間 Ｔ4 ：各組における１番目の仮想呼びｎ個の最大待時間 Ｔ5 ：各組における２番目の仮想呼びｎ個の平均待時間 Ｔ6 ：各組における２番目の仮想呼びｎ個の最大待時間・・・・ Ｔ2k+2：各組におけるｋ番目の仮想呼びｎ個の最大
待時間 であり、Ｗ1 〜Ｗ(2k+2)のそれぞれをＴ1 〜Ｔ(2k+2)に
対する加重係数とすると、その仮割当に対する評価値
は、 評価値＝Ｔ1 ×Ｗ1 ＋Ｔ2 ×Ｗ2 ＋・・・・＋Ｔ(2k+2)×Ｗ(2k+2) で与えられる。そしてこの評価値を各仮割当毎に算出
し、その中で評価値の最もよい仮割当を実際の割当とす
る。
【０００９】次に図３，及び図４により、本発明におけ
る呼び割当ての動作例について説明する。まず図３にお
いて、新規ホール呼びが発生すると（ステップ１０）、
１号機に対して仮割当を行う（ステップ１１）。そして
その後のエレベータシステムの将来の動きをシミュレー
トし、評価するのであるが、将来の呼び発生はこの時点
では正確には分からないので、ここではこの時点以後の
呼発生をランダムに想定する。すなわち、この時点での
呼びがサービスされるまでの時間を含む期間にｋ個の仮
想呼びを発生させてシミュレーションを行い、更にこの
仮想呼び発生をｎ回（ｎ通り）繰り返す（ステップ１
２）。ただしこの仮想呼びの発生は実際の乗客発生と統
計的に一緒になるようにする。すなわち、このｋ個を１
組としたｎ通りの仮想呼びの合計が実際の呼び発生確率
と一致するようにする。
る呼び割当ての動作例について説明する。まず図３にお
いて、新規ホール呼びが発生すると（ステップ１０）、
１号機に対して仮割当を行う（ステップ１１）。そして
その後のエレベータシステムの将来の動きをシミュレー
トし、評価するのであるが、将来の呼び発生はこの時点
では正確には分からないので、ここではこの時点以後の
呼発生をランダムに想定する。すなわち、この時点での
呼びがサービスされるまでの時間を含む期間にｋ個の仮
想呼びを発生させてシミュレーションを行い、更にこの
仮想呼び発生をｎ回（ｎ通り）繰り返す（ステップ１
２）。ただしこの仮想呼びの発生は実際の乗客発生と統
計的に一緒になるようにする。すなわち、このｋ個を１
組としたｎ通りの仮想呼びの合計が実際の呼び発生確率
と一致するようにする。
【００１０】次に上記ｎ通りの各仮想呼びにおいて、そ
れぞれが最適に割当てられた場合の評価を基準とするの
で、仮想呼びの各組に対する最適割当解を例えばＧＡ法
（後述）を用いて行う（ステップ１３）。そしてｎ通り
の仮想呼びに対する各最適割当解から、新規ホール呼び
を１号機に仮割当した場合の、未応答呼び及び仮想呼び
の待時間がｎ個求まるので前述の図２で説明した評価式
を用いて評価値を算出する（ステップ１４）。同様にし
て２号機以下についてもステップ１１〜１４を繰り返
し、全号機について評価値の演算を終了すると（ステッ
プ１５）、各仮割当の評価値を比較し、その中で最もよ
い仮割当を実際の割当として選択すると（ステップ１
６）終了する。
れぞれが最適に割当てられた場合の評価を基準とするの
で、仮想呼びの各組に対する最適割当解を例えばＧＡ法
（後述）を用いて行う（ステップ１３）。そしてｎ通り
の仮想呼びに対する各最適割当解から、新規ホール呼び
を１号機に仮割当した場合の、未応答呼び及び仮想呼び
の待時間がｎ個求まるので前述の図２で説明した評価式
を用いて評価値を算出する（ステップ１４）。同様にし
て２号機以下についてもステップ１１〜１４を繰り返
し、全号機について評価値の演算を終了すると（ステッ
プ１５）、各仮割当の評価値を比較し、その中で最もよ
い仮割当を実際の割当として選択すると（ステップ１
６）終了する。
【００１１】次に図３のステップ１３に示したＧＡを用
いた仮想呼びの最適割当について説明する。ＧＡについ
ては周知であり、例えばＣＱ出版社発行の雑誌「インタ
ーフェース」の1992年２月号Ｐ108 〜123 などに紹介さ
れているが以下に簡単に説明する。 １．ＧＡの概要 ＧＡは1975年にHolland によって提案された。一言でい
えば、ＧＡは生物の適者生存の選択法則と遺伝のメカニ
ズムを模した探索アルゴリズムである。自然界の生物の
進化において、世代（generation）を形成している個体
（individual) の集合（個体群population）の中で、環
境への適応度（fitness)の高い個体が次世代により多く
生き残る、また、交配及び突然変異を起こしながら、次
の世代を形成していく現象がある。ＧＡは最適問題の目
的関数を適応度に、解の候補を個体にそれぞれ対応し、
交配（crossover), 変異（mutation）など演算子を利用
することによって、計算を行う。
いた仮想呼びの最適割当について説明する。ＧＡについ
ては周知であり、例えばＣＱ出版社発行の雑誌「インタ
ーフェース」の1992年２月号Ｐ108 〜123 などに紹介さ
れているが以下に簡単に説明する。 １．ＧＡの概要 ＧＡは1975年にHolland によって提案された。一言でい
えば、ＧＡは生物の適者生存の選択法則と遺伝のメカニ
ズムを模した探索アルゴリズムである。自然界の生物の
進化において、世代（generation）を形成している個体
（individual) の集合（個体群population）の中で、環
境への適応度（fitness)の高い個体が次世代により多く
生き残る、また、交配及び突然変異を起こしながら、次
の世代を形成していく現象がある。ＧＡは最適問題の目
的関数を適応度に、解の候補を個体にそれぞれ対応し、
交配（crossover), 変異（mutation）など演算子を利用
することによって、計算を行う。
【００１２】２．ＧＡの基本構成 ＧＡは個体を記号列で表す表現の部分、個体の適応度を
計算する評価の部分、そして新しい個体を作り出す演算
の部分から構成される。 ３．ＧＡにおける個体の表現 自然界での個体を特徴づけているものは、遺伝子が一定
の順序に排列している染色体である。ＧＡでは有限固定
長の記号列を染色体に、個々の記号を遺伝子にそれぞれ
対応させる。そしてこの記号列で個体を表現し、その適
応度を計算することになる。記号列は、 ０ ０ １ ０ １ ０ １ のように０／１の記号から構成されることが多いが、他
の表現法も考えられる。ＧＡを実際の問題に応用する
際、最初の問題はどのようにして記号列を用いてコーデ
ィングするかということである。
計算する評価の部分、そして新しい個体を作り出す演算
の部分から構成される。 ３．ＧＡにおける個体の表現 自然界での個体を特徴づけているものは、遺伝子が一定
の順序に排列している染色体である。ＧＡでは有限固定
長の記号列を染色体に、個々の記号を遺伝子にそれぞれ
対応させる。そしてこの記号列で個体を表現し、その適
応度を計算することになる。記号列は、 ０ ０ １ ０ １ ０ １ のように０／１の記号から構成されることが多いが、他
の表現法も考えられる。ＧＡを実際の問題に応用する
際、最初の問題はどのようにして記号列を用いてコーデ
ィングするかということである。
【００１３】４．適応度の計算 各個体の適応度は個体自身の構造によって決まる。ＧＡ
では適応度の最大化をはかる。このため、必要に応じ
て、最適化問題の目的関数をこの適応度にマッピングす
る必要がある。また、適応度は非負である。例えば、関
数ｆ(x) ＝ｘ2 ；ｘ＜10の最小点を求める問題の場合、
適応度 fitness ＝ 100−ｘ2 と定義することができる。
では適応度の最大化をはかる。このため、必要に応じ
て、最適化問題の目的関数をこの適応度にマッピングす
る必要がある。また、適応度は非負である。例えば、関
数ｆ(x) ＝ｘ2 ；ｘ＜10の最小点を求める問題の場合、
適応度 fitness ＝ 100−ｘ2 と定義することができる。
【００１４】５．遺伝演算子の実現 ＧＡの計算は、個体群の中の個体の世代交替によって実
現される。世代更新に伴い、個体群の中の個体も徐々に
進化し、適応度が高くなって行く。その際、次の世代を
決定するのが、遺伝演算子である。以下に、代表的なも
のを列挙する。Reproduction 個体の生き残りを実現す
る演算子で、適応度に応じて個体を増減させる。一般的
に、個体の増加率はその適応度と平均適応度の比率と等
しい。例えば、世代ｔの個体群Ｐ(t) 中の各個体ｘにつ
いてその適合度fitness(x)を計算し、個体ｘの数をfitn
ess(x)に比例させて次世代の個体群Ｐ(t＋1)を構成す
る。Crossover 交配に対応するもので、個体群Ｐ(t)
の中の個体（記号列）を二つずつ組み合わせて、それら
のランダムに選ばれた桁以後を相互に入れ換える。Muta
tion 突然変異に対応する演算子で、記号列の一部分を
確率的に変更する。
現される。世代更新に伴い、個体群の中の個体も徐々に
進化し、適応度が高くなって行く。その際、次の世代を
決定するのが、遺伝演算子である。以下に、代表的なも
のを列挙する。Reproduction 個体の生き残りを実現す
る演算子で、適応度に応じて個体を増減させる。一般的
に、個体の増加率はその適応度と平均適応度の比率と等
しい。例えば、世代ｔの個体群Ｐ(t) 中の各個体ｘにつ
いてその適合度fitness(x)を計算し、個体ｘの数をfitn
ess(x)に比例させて次世代の個体群Ｐ(t＋1)を構成す
る。Crossover 交配に対応するもので、個体群Ｐ(t)
の中の個体（記号列）を二つずつ組み合わせて、それら
のランダムに選ばれた桁以後を相互に入れ換える。Muta
tion 突然変異に対応する演算子で、記号列の一部分を
確率的に変更する。
【００１５】６．ＧＡのパラメータ 遺伝アルゴリズムを実現するに当たって、パラメータ： Ng ：計算終了までの世代数、 Np ：個体群のサイズ、 Pc ：crossover を行う確率、 Pm ：mutationを行う確率、 の値をあらかじめ設定する必要がある。 ７．計算の手順 遺伝アルゴリズムによる計算の全体的手順を以下に示
す。 パラメータを設定 P(0)をランダムに生成 ｔ＝０から Ng まで〜を繰り返す 各個体のfitness を計算する fitness に従ってReproduct を行う Crossover を行う Mutation を行う
す。 パラメータを設定 P(0)をランダムに生成 ｔ＝０から Ng まで〜を繰り返す 各個体のfitness を計算する fitness に従ってReproduct を行う Crossover を行う Mutation を行う
【００１６】８．ＧＡによる呼びの割当 確定的な呼び（固定の呼び）に対して最適なエレベータ
を割当てる場合も上記と同様の手順でＧＡにより解を求
めることができる。その場合、各呼びを遺伝子に対応さ
せて呼びの数と同じ長さの個体をランダムに作成し、初
期個体群を構成するが、その記号列は０／１ではなく、
次の２通りが考えられる。 かご番号による直接構成法 この方法はかご番号直接構成法と言い、各個体(individ
ual)の各遺伝子（geneは呼びに対応し、図５のように各
呼びに割り当てられたかご番号が遺伝子として表現され
る。 順位付け関数による間接構成法 この方法は順位付け構成法と言い、この方法でも個体の
各遺伝子は呼びに対応する。ただし、各遺伝子にはかご
番号ではなく、順位付け関数によって各かごに付けられ
た順位数（最高順位が０）が記入される。例えば、図６
の個体の第６呼びには最高順位０のかごを割当てること
を意味する。順位数の最大値（最低順位値）Ｍは適宜定
めるものとする。
を割当てる場合も上記と同様の手順でＧＡにより解を求
めることができる。その場合、各呼びを遺伝子に対応さ
せて呼びの数と同じ長さの個体をランダムに作成し、初
期個体群を構成するが、その記号列は０／１ではなく、
次の２通りが考えられる。 かご番号による直接構成法 この方法はかご番号直接構成法と言い、各個体(individ
ual)の各遺伝子（geneは呼びに対応し、図５のように各
呼びに割り当てられたかご番号が遺伝子として表現され
る。 順位付け関数による間接構成法 この方法は順位付け構成法と言い、この方法でも個体の
各遺伝子は呼びに対応する。ただし、各遺伝子にはかご
番号ではなく、順位付け関数によって各かごに付けられ
た順位数（最高順位が０）が記入される。例えば、図６
の個体の第６呼びには最高順位０のかごを割当てること
を意味する。順位数の最大値（最低順位値）Ｍは適宜定
めるものとする。
【００１７】ここでいう順位付け関数とは、ある時刻に
おけるエレベータ群の運行状況に基づいてある特定の評
価基準に従って各かごを評価し、順位付けを行うための
関数である。評価を行うにはシミュレーションなどを実
行することになる。順位付け関数を用いる間接構成法
は、かご番号による直接構成法と比べて以下のような利
点を持つ。 (イ) かご番号に依存しないため、かご番号に対する対称
性を持つ。すなわち、状態が同じであれば、かご番号が
違っても順位が同じである。 (ロ) より柔軟なコーディング法が導入できる。例えば、
実際の割当法の中で使われている評価関数を順位付け関
数として導入し、ＧＡと組み合わせて解を求めることが
できる。この場合、探索空間を縮小するために、ある程
度以上良い候補個体のみを残すようにコーディングする
こともできる。 (ハ) 複数の評価関数による順位付けも可能である。 そして上記，の何れかを用いて個体を構成し、目的
関数として例えば平均待時間と最大待時間の和を考え、
これの最小化を図ることで最適割当解をを求めることが
できる。
おけるエレベータ群の運行状況に基づいてある特定の評
価基準に従って各かごを評価し、順位付けを行うための
関数である。評価を行うにはシミュレーションなどを実
行することになる。順位付け関数を用いる間接構成法
は、かご番号による直接構成法と比べて以下のような利
点を持つ。 (イ) かご番号に依存しないため、かご番号に対する対称
性を持つ。すなわち、状態が同じであれば、かご番号が
違っても順位が同じである。 (ロ) より柔軟なコーディング法が導入できる。例えば、
実際の割当法の中で使われている評価関数を順位付け関
数として導入し、ＧＡと組み合わせて解を求めることが
できる。この場合、探索空間を縮小するために、ある程
度以上良い候補個体のみを残すようにコーディングする
こともできる。 (ハ) 複数の評価関数による順位付けも可能である。 そして上記，の何れかを用いて個体を構成し、目的
関数として例えば平均待時間と最大待時間の和を考え、
これの最小化を図ることで最適割当解をを求めることが
できる。
【００１８】９．ＧＡの特徴 ＧＡによる最適値の探索には次のような特徴がある。 (1) １つの点から他の点へと探索を進めるのではなく、
点の集合（population ）から集合へと探索を進めるの
で、初期値に対する依存度が低い。すなわち、初期値の
優劣による影響が少ない。 (2) 適応度（目的関数値）を利用するだけで他の（勾配
などの）情報を使わないので、目的関数の性質がよくわ
からないような問題についても（とりあえず）適用でき
る。 (3) 確率的な遷移ルールに従って挙動するので、局所最
大点にとどまらずに大域的な最大点に到達し得る可能性
が高い。
点の集合（population ）から集合へと探索を進めるの
で、初期値に対する依存度が低い。すなわち、初期値の
優劣による影響が少ない。 (2) 適応度（目的関数値）を利用するだけで他の（勾配
などの）情報を使わないので、目的関数の性質がよくわ
からないような問題についても（とりあえず）適用でき
る。 (3) 確率的な遷移ルールに従って挙動するので、局所最
大点にとどまらずに大域的な最大点に到達し得る可能性
が高い。
【００１９】このようにＧＡは優れた特徴を有してお
り、このＧＡを用いて仮想呼びの最適割当解を求める手
順、すなわち図３のステップ１３の詳細を図４のフロー
チャートにより説明する。まず、最初の組の仮想呼びｋ
個を固定とし（ステップ２１）、次にこれに対応させて
すなわち遺伝子の数をｋ個として遺伝子コードの初期化
を行う（ステップ２２）。次に適応度の計算を行うが、
ここでは適応度として各呼びに対する待時間を計算する
（手順２３）。そしてクロスオーバーや、ミューテーシ
ョン等の演算子を作用させながら遺伝子コードの更新を
行い（ステップ２４）、収束するまで世代交替を行う
と、最初のｋ個の仮想呼びに対する最適割当解が求ま
る。そして次の組のｋ個の仮想呼びに対しても同様の手
順を行い、ステップ２１〜２６の手順を繰り返すと、ｎ
通りの仮想呼びに対する最適割当解がそれぞれ求められ
るので、図３に戻ってステップ１４へと進む。
り、このＧＡを用いて仮想呼びの最適割当解を求める手
順、すなわち図３のステップ１３の詳細を図４のフロー
チャートにより説明する。まず、最初の組の仮想呼びｋ
個を固定とし（ステップ２１）、次にこれに対応させて
すなわち遺伝子の数をｋ個として遺伝子コードの初期化
を行う（ステップ２２）。次に適応度の計算を行うが、
ここでは適応度として各呼びに対する待時間を計算する
（手順２３）。そしてクロスオーバーや、ミューテーシ
ョン等の演算子を作用させながら遺伝子コードの更新を
行い（ステップ２４）、収束するまで世代交替を行う
と、最初のｋ個の仮想呼びに対する最適割当解が求ま
る。そして次の組のｋ個の仮想呼びに対しても同様の手
順を行い、ステップ２１〜２６の手順を繰り返すと、ｎ
通りの仮想呼びに対する最適割当解がそれぞれ求められ
るので、図３に戻ってステップ１４へと進む。
【００２０】このようにして図３と図４の手順により新
規ホール呼びの割当が将来の呼びに与える影響等を考慮
した割当が可能となるが、そのためには前述の加重係数
Ｗi〔ただし ｉ＝１〜(2ｋ＋2)〕適切な値に設定する
必要がある。この加重係数の最適化はオンラインで設定
することも可能であるが、この最適化は現場状況や交通
状況に特に依存しないと考えられるので、この最適化は
予めオフラインで行っておくことが望ましい。
規ホール呼びの割当が将来の呼びに与える影響等を考慮
した割当が可能となるが、そのためには前述の加重係数
Ｗi〔ただし ｉ＝１〜(2ｋ＋2)〕適切な値に設定する
必要がある。この加重係数の最適化はオンラインで設定
することも可能であるが、この最適化は現場状況や交通
状況に特に依存しないと考えられるので、この最適化は
予めオフラインで行っておくことが望ましい。
【００２１】図７に加重係数の最適化をオフラインで行
う場合の手順を示す。加重係数の最適化についても仮想
呼びの最適割当と同様にＧＡ法を用いて行うことができ
る。まず、加重係数Ｗi 〔ただし ｉ＝１〜(2ｋ＋2)〕
の初期個体群を作成する（ステップ３０）。適応度の計
算は予め作られたある割当問題（一連の呼び）に対して
割当を行い、得られた平均待時間及び最大待時間で評価
する。すなわち、まず一連の呼びのうち最初の呼びが発
生すると（ステップ３１）、仮割当を行うとともに仮想
呼びを作成しＧＡ法を用いて仮想呼びの最適割当を行
い、その結果から仮割当を評価し、呼びの割当を行う
（ステップ３２）。なおこのステップ３２の内容は図２
に示したステップ１０〜１６と全く同一である。このス
テップ３１，３２を繰り返し、一連の呼びすべてについ
て割当を終了すると（ステップ３３）、その割当結果か
らそのときの加重係数の評価を行う。すなわちその割当
結果に対して各呼びの平均待時間及び最大待時間を算出
する。次にＧＡ法の計算手順に従って加重係数Ｗi の更
新を行い（ステップ３５）、以後ステップ３１〜３６を
繰り返す。こうして適応度が収束するか或いは所定数の
世代交替を終了し、ＧＡが完了すると（ステップ３
６）、最終的に最適な加重係数Ｗi が得られることにな
る。
う場合の手順を示す。加重係数の最適化についても仮想
呼びの最適割当と同様にＧＡ法を用いて行うことができ
る。まず、加重係数Ｗi 〔ただし ｉ＝１〜(2ｋ＋2)〕
の初期個体群を作成する（ステップ３０）。適応度の計
算は予め作られたある割当問題（一連の呼び）に対して
割当を行い、得られた平均待時間及び最大待時間で評価
する。すなわち、まず一連の呼びのうち最初の呼びが発
生すると（ステップ３１）、仮割当を行うとともに仮想
呼びを作成しＧＡ法を用いて仮想呼びの最適割当を行
い、その結果から仮割当を評価し、呼びの割当を行う
（ステップ３２）。なおこのステップ３２の内容は図２
に示したステップ１０〜１６と全く同一である。このス
テップ３１，３２を繰り返し、一連の呼びすべてについ
て割当を終了すると（ステップ３３）、その割当結果か
らそのときの加重係数の評価を行う。すなわちその割当
結果に対して各呼びの平均待時間及び最大待時間を算出
する。次にＧＡ法の計算手順に従って加重係数Ｗi の更
新を行い（ステップ３５）、以後ステップ３１〜３６を
繰り返す。こうして適応度が収束するか或いは所定数の
世代交替を終了し、ＧＡが完了すると（ステップ３
６）、最終的に最適な加重係数Ｗi が得られることにな
る。
【００２２】こうして得た加重係数を群管理装置の中に
組み込み、図２の手順で実際の呼びに対して割当を行う
と将来の呼びに与える影響等を考慮した割当を行うこと
ができる。なお、以上の説明では、仮割当に対する評価
指標や加重係数に対する評価指標として、呼びに対する
平均待時間や最大待時間のみを用いたが、勿論これに限
らず他の指標（輸送能力が乗車時間、消費電力等）を用
いることもできる。
組み込み、図２の手順で実際の呼びに対して割当を行う
と将来の呼びに与える影響等を考慮した割当を行うこと
ができる。なお、以上の説明では、仮割当に対する評価
指標や加重係数に対する評価指標として、呼びに対する
平均待時間や最大待時間のみを用いたが、勿論これに限
らず他の指標（輸送能力が乗車時間、消費電力等）を用
いることもできる。
【００２３】
【発明の効果】本発明によれば新規呼びに対する割当が
将来の呼びに与える影響と、呼び将来の呼び発生が今ま
でに割当てた未応答呼びに与える影響の両方の影響を考
慮した割当を行うことができ、群全体としてバランスの
よい、外乱に強い群管理を行うことができる。
将来の呼びに与える影響と、呼び将来の呼び発生が今ま
でに割当てた未応答呼びに与える影響の両方の影響を考
慮した割当を行うことができ、群全体としてバランスの
よい、外乱に強い群管理を行うことができる。
【００２４】また将来発生すると予想される呼びとその
呼びによる影響の度合いを、仮想呼びと加重係数という
形で、最適化問題の解法が使える形で導入したので、最
適解の探索に優れた特徴をもつＧＡ法を適用することが
できる。また、加重係数は現場状況や交通状況に依存し
ないと考えられるので、オフラインで最適化することが
でき、従って現場毎のチューニングの必要性が少なくな
り、群管理装置に要求される計算能力も小さくて済む。
また、最適化はシミュレーションで得られる任意のパラ
メータに対して可能であり、待時間以外の指標（輸送能
力、乗車時間等）やそれらに対する重みも容易に変更で
きる。
呼びによる影響の度合いを、仮想呼びと加重係数という
形で、最適化問題の解法が使える形で導入したので、最
適解の探索に優れた特徴をもつＧＡ法を適用することが
できる。また、加重係数は現場状況や交通状況に依存し
ないと考えられるので、オフラインで最適化することが
でき、従って現場毎のチューニングの必要性が少なくな
り、群管理装置に要求される計算能力も小さくて済む。
また、最適化はシミュレーションで得られる任意のパラ
メータに対して可能であり、待時間以外の指標（輸送能
力、乗車時間等）やそれらに対する重みも容易に変更で
きる。
【図１】本発明における呼び割当のプロセスの概念を示
すフローチャートである。
すフローチャートである。
【図２】本発明における評価値の演算を説明するための
図である。
図である。
【図３】本発明における呼びの動作手順を示すフローチ
ャートである。
ャートである。
【図４】本発明における呼び割当の動作手順を示すフロ
ーチャートである。
ーチャートである。
【図５】ＧＡにおける個体の構成を説明する図である。
【図６】ＧＡにおける個体の構成を説明する図である。
【図７】本発明における加重係数の最適化の手順を示す
フローチャートである。
フローチャートである。
Claims (3)
- 【請求項１】 複数の階床に対し複数台のエレベータを
就役させ、新規に発生したホール呼びに対して最適なか
ごを選択し割当てるようにしたエレベータの群管理エレ
ベータの制御方法において、新規ホール呼びに対して仮
割当を行うとともに客発生確率に従って作成した複数組
の仮想呼びに対してそれぞれ最適割当解を求め、次にこ
の最適割当解から求めた未応答呼びに対する評価と仮想
呼びに対する評価のそれぞれに加重係数をかけて加算す
ることにより各仮割当毎の評価値を算出し、その評価値
の最も良い仮割当を実際の割当てとするようにしたこと
を特徴とする群管理エレベータの制御方法。 - 【請求項２】 前記仮想呼びに対する最適割当解をＧＡ
法を用いて求めるようにした請求項１記載の群管理エレ
ベータのホール呼び割当方法。 - 【請求項３】 前記加重係数の最適値をＧＡ法を用いて
オフラインで求めるようにした請求項１記載の群管理エ
レベータのホール呼び割当方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4154343A JP2555834B2 (ja) | 1992-05-20 | 1992-05-20 | 群管理エレベータの制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4154343A JP2555834B2 (ja) | 1992-05-20 | 1992-05-20 | 群管理エレベータの制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05319707A JPH05319707A (ja) | 1993-12-03 |
| JP2555834B2 true JP2555834B2 (ja) | 1996-11-20 |
Family
ID=15582084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4154343A Expired - Fee Related JP2555834B2 (ja) | 1992-05-20 | 1992-05-20 | 群管理エレベータの制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2555834B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102186757A (zh) * | 2008-10-20 | 2011-09-14 | 三菱电机株式会社 | 电梯组群管理装置 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI102268B1 (fi) * | 1995-04-21 | 1998-11-13 | Kone Corp | Menetelmä hissiryhmän ulkokutsujen allokoimiseksi |
| US5780789A (en) * | 1995-07-21 | 1998-07-14 | Mitsubishi Denki Kabushiki Kaisha | Group managing system for elevator cars |
| KR100202720B1 (ko) * | 1996-12-30 | 1999-06-15 | 이종수 | 엘리베이터의 군관리 제어방법 |
| FI107604B (fi) * | 1997-08-15 | 2001-09-14 | Kone Corp | Geneettinen menetelmä hissiryhmän ulkokutsujen allokoimiseksi |
| KR20020076748A (ko) * | 2001-03-30 | 2002-10-11 | 문병로 | 카메라를 이용한 엘리베이터 군 제어 장치 및 방법 |
| JP4657794B2 (ja) | 2005-05-06 | 2011-03-23 | 株式会社日立製作所 | エレベータの群管理システム |
| FI117282B (fi) * | 2005-05-12 | 2006-08-31 | Kone Corp | Hissijärjestelmä |
| JP5262094B2 (ja) * | 2007-12-10 | 2013-08-14 | フジテック株式会社 | ワンシャフトマルチカーエレベータの運行制御方法 |
| JP2011144025A (ja) * | 2010-01-15 | 2011-07-28 | Toshiba Elevator Co Ltd | エレベータの群管理装置 |
-
1992
- 1992-05-20 JP JP4154343A patent/JP2555834B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 勞、マルコン、西川；"遺伝アルゴリズムによるエレベータ群管理システムの一構成法"，システム制御情報学会研究発表講演会講演論文集，ＶＯＬ．３６ＴＨ，Ｐ．８５−８６，１９９２ |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102186757A (zh) * | 2008-10-20 | 2011-09-14 | 三菱电机株式会社 | 电梯组群管理装置 |
| CN102186757B (zh) * | 2008-10-20 | 2013-10-30 | 三菱电机株式会社 | 电梯组群管理装置 |
| US8602172B2 (en) | 2008-10-20 | 2013-12-10 | Mitsubishi Electric Corporation | Elevator group management system |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05319707A (ja) | 1993-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cortés et al. | Genetic algorithm for controllers in elevator groups: analysis and simulation during lunchpeak traffic | |
| CN108573326B (zh) | 基于遗传蚁群混合算法的视频服务器选址方法 | |
| JP2555834B2 (ja) | 群管理エレベータの制御方法 | |
| CN108989098B (zh) | 一种混合云环境面向时延优化的科学工作流数据布局方法 | |
| US20070005522A1 (en) | Resource assignment optimization using direct encoding and genetic algorithms | |
| CN114399043B (zh) | 一种基于非支配排序粒子群遗传算法的车辆位置路由方法 | |
| CA2436352A1 (en) | Process and system for developing a predictive model | |
| CN106228265B (zh) | 基于改进粒子群优化的总拖期运输计划调度方法 | |
| CN112346839A (zh) | 一种基于进化算法的关联任务调度方法 | |
| CN108009003A (zh) | 一种多目标虚拟机自适应位置选择方法、分布式云系统 | |
| Shipman et al. | The use of neutral genotype-phenotype mappings for improved evolutionary search | |
| CN115374853A (zh) | 基于T-Step聚合算法的异步联邦学习方法及系统 | |
| CN111429014A (zh) | 基于双队列动态定价模型的电动汽车充电站选择方法 | |
| CN113285832B (zh) | 基于nsga-ii的电力多模态网络资源优化分配方法 | |
| CN112884368B (zh) | 高端装备交货时间与延迟最小的多目标调度方法及系统 | |
| CN116450366B (zh) | 卫星测运控资源多目标优化调度方法、设备及介质 | |
| CN111767991B (zh) | 一种基于深度q学习的测控资源调度方法 | |
| CN112380006A (zh) | 一种数据中心资源分配方法及装置 | |
| CN113220437B (zh) | 一种工作流多目标调度方法及装置 | |
| CN113487031A (zh) | 一种基于改进模拟退火融合遗传算法的多无人机任务分配方法 | |
| JPH0869490A (ja) | 配電負荷融通システム及び配電負荷融通方法 | |
| CN113220414B (zh) | 一种基于改进贫富优化算法的云工作流调度方法 | |
| CN110127464B (zh) | 一种基于动态优化的多目标电梯调度系统及方法 | |
| JP4653974B2 (ja) | 群管理制御装置及びこれを具えたエレベータシステム | |
| CN117910552A (zh) | 一种基于改进混合遗传算法的自动配棉方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080905 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090905 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090905 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100905 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100905 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110905 Year of fee payment: 15 |
|
| LAPS | Cancellation because of no payment of annual fees |