电梯轿厢群控系统的制作方法

专利名称：电梯轿厢群控系统的制作方法
背景技术：
1.发明领域本发明涉及电梯轿厢群控系统，尤其涉及一种用以有效查找控制参数值最佳组合的装置。
2.有关现有技术描述电梯轿厢群控系统是一种根据大楼内各种运输条件用以有效操纵许多电梯轿厢的系统。系统的群控装置根据群控算法控制操作，如电梯轿厢的配置。其中，群控算法用以执行和操作有关电梯轿厢运行(诸如电梯轿厢的配置控制等)的各种功能和活动。
群控算法包括各种类型的控制参数。为了进行有效的运行，需要根据大楼内的各种运输条件和类似情况为这些参数代入合适的数值。
作为基本群控功能之一的向应于楼层呼叫(来自电梯房的呼叫)的分配控制，当一个楼层为新近记录时，根据以下所述的分配估计功能计算每个电梯轿厢(电梯客房)的估计值Em，以便根据新的楼层呼叫和已经记录的楼层呼叫估计各种服务条件，诸如等待时间和推算等。然后，选择估计值Em最小的电梯轿厢作为所分配的电梯轿厢。设置在楼层的电梯门信号灯或类似装置在轿厢到达之前接通，由此指示所分配的电梯轿厢，引导正在等待的乘客(这种运行称为预测运行)。
例如下述方程式[1]例举了用以确定上述分配估计值Em的一种函数，其中，i为楼层呼叫编号；m为电梯轿厢编号。Em=Σi{W(i)2+Ca×M(i)+Cb×Y(i)}+Pm-Bm[1]]]>其中，Em表示当一个新的楼层呼叫分配给电梯轿厢m时的分配估计值；W(i)表示当一个新的楼层呼叫分配给电梯轿厢m时所推算的楼层呼叫i的等待时间；M(i)表示当一个新的楼层呼叫分配给电梯轿厢m时对楼层呼叫i为满客状态的概率(0≤M(i)≤1)；Y(i)表示当一个新的楼层呼叫分配给电梯轿厢m时楼层呼叫i的预报误差率(0≤Y(i)≤1)(预报误差指的是当另一辆电梯轿厢而不是预报的电梯轿厢首先到达该楼层时的情况)；Pm表示当一个新的楼层呼叫分配给电梯轿厢m时的罚(Penalty)；Bm表示当一个新的楼层呼叫分配给电梯轿厢m时的奖(bonus)；Ca表示满客状态估计系数；Cb表示预报误差估计系数。
满客状态估计系数Ca是相对等待时间估计值W(i)2为满客状态估计值M(i)加数的系数。如果将较大的数值赋予系数Ca，系统可以在满载状态期间对通过该楼层的运行加权，而不是对等待时间的运行加权。
预报误差估计系数Cb是相对等待时间估计值W(i)2为预报误差估计值Y(i)加权的一个系数。如果将较大的数值赋予系数Cb，系统可以分配轿厢，为防止预报误差加权而不是为等待时间加权。
利用方程[1]中罚Pm的优先分配功能包括例如乘行时间优先分配功能[2]，以及节电优先分配功能[3]，如下所述。乘行时间优先分配功能是这样一种功能，它试图保证已接受许多楼层呼叫的电梯轿厢很少再接受来自其它任何楼层的另一呼叫分配。例如，将由乘行时间优先度计算的值(Pa)乘以呼叫数(Nm)提供给罚函数Pm。节电优先分配功能是这样一种功能，它保证暂停不用的电梯轿厢很少再接受分配新的呼叫。例如，将由节电优先度Pb表示的值提供给暂停不用的电梯轿厢的罚函数Pm，而将其它每辆电梯轿厢的罚函数Pm定为零。
采用方程式[1]中奖函数Bm的优先分配功能包括例如邻近轿厢的优先分配功能[4]、轻载轿厢优先分配功能[5]以及特定轿厢优先分配功能[6]。邻近轿厢优先分配功能是这样一种功能，它保证能迅速分配位于邻近的电梯轿厢(邻近电梯轿厢)。例如，将表示为邻近轿厢优先度的值Ba设置到邻近电梯轿厢的奖函数Bm，而将零设置为其它电梯轿厢的奖函数Bm。轻负载轿厢优先分配功能是这样一种功能，它使空闲的电梯轿厢或轻负载的电梯轿厢(轻载电梯轿厢)能迅速得到分配。例如，将表示轻载轿厢优先度的值Bb设置为轻载电梯轿厢的奖函数Bm，而将零设置为其它每个电梯轿厢的奖函数Bm。特定轿厢优先分配功能是这样一种功能，它使一特定电梯轿厢能迅速得到分配。例如，将表示为特定轿厢优先度的值Bc设置为例如正在运行到底层、屋顶、观察层等电梯轿厢的奖函数Bm，而将零设置为其它每个电梯轿厢的奖函数Bm。
如上所述，Ca、Cb、Pa、Pb、Ba、Bb以及Bc都是与分配估计函数[1]有关的群控参数。
即便在系统已经利用分配估计函数[1]执行分配功能之后，仍可能发生与未预期呼叫有关的长时期的等待。因此，该群控系统还具有一种附加分配功能[7]和分配修改功能[8]。针对长时期等待的附加分配功能是一种附加分配功能，其中，电梯在要求现行分配的电梯介入之前就能执行各种服务。针对长时期等待的分配修改功能是这样一种功能，它将长时期等待的呼叫分配(和预报)传送给正在介入的电梯轿厢。为了检测一个长时期等待，设定判断参考值DL。群控系统的每辆电梯轿厢在满载状态期间都具有自行通行的功能。如果电梯轿厢的负重超过参考值DB，它可以不停顿地通过已经执行分配的楼层。介入运行针对这样一种呼叫由分配修改功能执行，即电梯轿厢已在满载状态期间自行通过。适用于在满载状态期间已自行通行之呼叫的分配修改功能，将楼层呼叫的分配和预报传送给另一辆正在介入的电梯轿厢。对新分配电梯轿厢的预报修改称之为预报修改。如上所述，DL和DB也是群控参数。
除了与楼层呼叫有关的操作外，还利用各种类型的控制参数进行其它操作。例如，将各种类型的控制参数用作选择以下操作方式和取消这种选择的条件。选择和取消高峰时间运行当高峰时间的起始时间已过，且当首先离开主楼层的电梯轿厢所记录的呼叫次数等于或大于参考值DIUPC时，选择高峰时间运行；另一方面，当高峰时间的结束时间已过时则取消高峰时间运行。选择和取消上顶(up-peak)运行在DUPT期间，当电梯轿厢离开且主楼层乘客数超过第一参考值DUP1时选择上顶运行；另一方面，当无电梯轿厢离开且主楼层乘客数超过第二判断参考值DUP2时取消上顶运行。选择和取消下底(down—peak)运行DDPT期间，当电梯轿厢正在下行，其中的乘客数超过第一参考值DDR1时，选择下底运行；另一方面，当无电梯轿厢正在下行，其中的乘客数等于或大于第二参考值DDR2时，取消下底运行。
每种操作模式包括以下控制，还包括一控制参数。高峰时间运行·在高峰时间运行中，其编号以序列轿厢编号DIUPN指定的电梯轿厢在主楼层排成一行。
·在离开调整操作中，即使对首先离开主楼层的电梯轿厢发出呼叫，且由于轿厢门仍开着而延迟了离开，仍对参考值DIUPT设置等于门开着时间的离开时间。
·其编号指定为开门等待轿厢编号DIUPW的电梯轿厢必须开门等待，其它电梯轿厢则闭门等待。上顶运行·在上顶运行中，其编号指定为序列轿厢编号DUPN的电梯轿厢在主楼层排成一行。下底运行·在下底运行中，当计算时，计算得出的预报等待时间相对朝向主楼层方向的楼层呼叫明显多出一个相当于优先度DDPE的量。分散等待运行分散等待运行是一种试图缩短等待时间的运行。当存在空闲电梯轿厢时，事先将电梯轿厢疏散在容易出现下一个呼叫的楼层上。当选择此种运行时不选择高峰时间运行。
·当存在数量等于或大于常规数量DOHN的空闲电梯轿厢，且当此种情况持续至少一个标准时间DOHT时，执行该分散等待运行。
·在分散等待运行中，可以将电梯轿厢在等待的一个楼层或多个楼层(等待楼层)、服从等待的电梯轿厢数以及其它因素用作控制参数。
再者，下列附加控制参数也用来控制运行轿厢的数量。节电运行节电运行试图通过根据服务条件自动减少运行轿厢数量来节省电力。当最后五分钟的平均等待时间等于或小于第一服务参考值DESW1时，系统将当前运行的轿厢数减少一个，当平均等待时间等于或大于第二服务参考值DESW2时，系统将当前运行的轿厢数增加一个。
如上所述，群控算法包括许多参数。这些参数用以满足各种控制目的，诸如缩短等待时间、改善预报精度、改善乘客舒适程度、节省电力等等。然而，由于各种参数的目的各不相同，这样的群控在总体上还要受到代入各个参数中之数值组合后的影响。
换句话说，根据随时变化的大楼的各种交通条件以及乘客的各种期望实现高效的群控操作，需要迅速找到最佳的参数组合。
注意，以下所述的参数值组合(系列)称为“参数值集合”或简称为“集合”。
在传统的最佳集合查找方法中，有一种精密的计算方法，其中对参数值的每一种可能的组合(即每一集合)均进行校验(例如见第4-51，475号日本特许公报或第57-57，168号日本公开特许公报)。
当仅仅采用少数几种参数时，几乎不存在什么问题。
然而，如果不同类别的参数增加了，待校验的各种参数值的组合数大大增加，故通过校验所有可能的组合来选择最佳集合就变得相当困难。以下是对此种方法的专门描述。
在精密的计算方法中，假定参数的种数为M，且参数概率值数量为L。例如，如果M＝3、L＝6，则总的模拟次数为216次(＝LM)。因此，当参数的种数或概率值数目不是小数目时，就需要相当长的时间来确定参数值的最佳组合，即便进行了模拟或通过实际的群控装置对电梯轿厢进行了试验运行也是如此，因此是不切实际的。
第5-24，067号日本特许公报所披露的一种系统，建议减少模拟次数。即，例如采用两个参数时，该系统首先查找第一参数的最佳值，然后在将第一参数的值固定为最佳值的同时找到第二参数的最佳值。此种方法称为顺序法。
根据这样一种顺序法，如果M＝3、L＝6，总的模拟次数为18(＝L×M)，与上述精密计算法相比已大大减少。
然而，顺序法仅当各种参数相互无相关性时才有效，当系统控制包含大量相关性较强的参数、诸如用于群控的参数群时，它是不适用的。
发明概述本发明的目的在于提供一种能解决上述传统系统之问题的控制系统，它能有效地为具有较强相关性的一个参数群查找最佳集合，即便参数集合的数量很大也能解决。
本发明的另一目的在于提供一种能实现专用查找方法的控制系统。用以根据称之为“遗传算法”的通用技术查找一个最佳集合。
(1)为了实现上述目的，一个具有查找装置的控制系统包括用以贮存多个集合的存储装置，生成装置，用以从存储装置中一次选择至少一个集合作为母集合，并且一次生成至少一个继承部分母集合性质的新集合，估计装置，在每次用新集合执行群控算法时，将执行的结果作为群控性能值，选择装置，通过将新的集合加到存储装置并从存储装置中删除缺损的集合来改进贮存在存储装置中的多个集合，以及析取装置，根据存储装置内贮存的已改进集合的群控性能值析取最佳集合。
根据上述结构，连同遗传生成的集合和选择的优良集合在内，生成优良集合的概率变大了，只有仅仅继承了母集合优良品质的子集合(新集合)才贮存在存储器内。即，通过重复一个周期，依次地更新并由此改善贮存在存储装置内的多个集合。根据每个集合的群控性能值，从存储装置中最终析取最佳集合。将包括最佳集合的每个数值代入群控算法中相应的参数，这样，系统可以执行诸如电梯轿厢分配之类的群控。
于是，根据本发明将能有效地找到最优集合或具有与最优集合相似内容的集合。即将可减少运行量和模拟次数，由此使系统迅速找到它们。
(2)根据本发明，生成装置包括数值交换装置，通过交换从存储装置中选出的两个集合的数值部分来生成两个新的集合，新值置换装置，通过用随机方式生成的新数值置换从存储装置中选择的一个集合的某些参数值来生成一个新集合，以及生成方法选择装置，根据各自的概率在数值交换和新值置换之间作出选择。
在此结构中，通过随机选择数值交换装置中的“交叉”(crossover)和新值置换装置中的“变异”(mutation)生成新的集合。
简而言之，交叉收敛于解决方法，而变异则对解决方法带来了变化。因此，交叉能够收敛存储装置内贮存的一个集合组合的内容，但反过来，集合组合的变化未出现在其早期阶段，故系统可以不履行局部的解决方法并丧失固有的解决方法(最佳方法)。在此情况下，变异可以使系统脱离局部解决方法的范围。在此种意义上，交叉和变异为互补关系。
另一方面，变异有一种使通过交叉找到的优良解决方法无效的趋势。在此意义上，交叉和变异为竞争关系。因此，要求将选择交叉时的交叉率与选择变异时的变异率之间的比例设定成一个适当的值。通过以任何方式同时合适地利用交叉和变异这两者，系统可以有效地利用两者的优点，并提高生成优良新集合的概率。
此外，在某些情况下，系统还可以利用交叉或变异找到最佳集合。
(3)根据本发明，生成装置包括母集合选择装置，用以从存储装置中选择至少一个母集合，以及参数选择装置，用以通过交换数值或置换数值选择各种参数。
采用此种结构，当选择交叉时，母集合选择装置从存储装置中选择两个母集合(集合对)，当选择变异时，母集合选择装置从存储装置中选择一个母集合。参数选择装置选择各种参数的位置(交叉位置或变异位置)，在该位置上用交叉或变异置换参数值。
(4)母集合选择装置根据母集合选择参考信息进行母集合选择，以提高生成优良新集合的概率。通过利用该母集合选择参考信息，系统可以使生成优良新集合的概率更高。
(5)如果将集合之间的距离用作母集合选择参考信息，那么也可以将集合之间的相似性用作选择基准。此方法允许系统将优先度提供给新集合的变化或收敛(convergence)。
(6)如果将群控性能值用作母集合选择参考信息，则根据每个集合的优良程度选择母集合。该方法提高了优良母集合将被选择的概率，结果，系统改善了生成优良新集合的概率。
(7)如果将相同集合数用作母集合选择参考信息，原始的每个集合成为选择基准。此方法提高了选择相互具有不同特性之集合对的概率，由此保证新集合变化的生成。
(8)最好根据查找的进展由母集合选择装置修改母集合选择的条件。例如，系统可以准备多种母集合选择条件，并根据查找的进展对它们交换，或根据查找的进展变更母集合选择条件的参考值。这样，当如此构成时，系统可以提高生成优良新集合的概率。
(9)参数选择装置根据参数选择参考信息选择参数，以提高生成优良新集合的概率。因此，生成优良新集合的概率变得更高。
(10)如果将各参数值的之差用作参数选择基准信息，则各参数之间的相似性变成选择基准。这种方法将优先度提供给生成新集合变化或收敛的能力。
(11)如果结合电梯轿厢的使用情况将相关度作为参数选择参考信息，系统可以提高选择与电梯轿厢使用情况具有较大相关度的参数的概率，由此提高了生成更优良新集合的概率。
(12)如果结合性能估计值的内容将相关度用作参数选择参考信息，系统可以提高选择与性能估计值具有较大相关度的参数的概率，由此提高了生成更优良新集合的概率。
(13)最好根据查找的进展，由参数选择装置修改参数选择条件。例如，系统可以根据查找的进展准备各种参数选择条件并对它们进行交换，或根据各种情况变更参数选择条件的参考值。系统可以提高生成优良新集合的概率。
(14)最好根据查找进展，由概率修改装置修改每种生成方法的选择概率。此方法允许系统利用通过变异的查找过程和通过交叉的局部查找过程，由此改善查找效率。
(15)当系统如此构成时，希望根据例如成功索引由概率修改装置修改选择概率。根据此结构，系统可以从查找的收敛度确定查找的进展，这样，系统可以设置适合过程的选择概率。
(16)在本发明的另一方面，根据本发明的查找装置，它包括存储装置，用以贮存多个集合，数值交换装置，通过在从存储装置选出作为母集合的两个集合之间交换部分参数值，来生成两个部分继承其母集合性质的新集合，新值置换装置，通过用随机方法生成的新数值置换从存储装置选出作为母集合的一个集合的部分参数值，生成一个部分继承其母集合性质的新集合，生成方法选择装置，用以结合其各自的概率，在数值交换方法与新值置换方法之间作出选择，估计装置，在每次利用新集合执行群控算法时，查找执行结果作为群控性能值，相加装置，用以只附加贮存满足存储装置中某种附加条件的优良的新集合，删除装置，用以删除满足存储装置的某种删除条件的损坏的集合，以及析取装置，用以根据已改进的并贮存在存储装置中的多个集合之间的群控性能值析取最佳集合。
根据此种结构，以随机方式选择经交换数值(交叉)生成集合以及以新值(变异)置换生成集合的方法来生成新的集合。只有在所生成的新集合之间满足某些附加条件的新集合才贮存在存储装置内，而损坏的集合则从存储装置内删除。
当有序地重复这种循环时，存储装置仅仅贮存优良的集合，故可以从其析取出最佳集合。然后将最佳集合的每个数值置于群控算法的相应参数内。
根据本发明的系统，由此可以有效地查找到最优集合或内容极接近于最优集合内容的一种集合。即，系统可以减少运行和模拟次数，由此而实现迅速查找。
(17)在系统的较佳特征中，查找装置进一步包括附加条件修改装置。
(18)附加条件例如根据存储装置内贮存的每个集合的群控性能值而确定，并设置成越来越严密。通过此种运行，系统可以总是仅将优良的新集合累积在存储装置内，减少了不必要的过程，并由此提高了生成优良新集合的概率。
(19)删除装置例如根据群控性能值进行删除。通过此种运行，系统仅仅留下优良的集合，由此在整体上优化了多个贮存之母集合。
(20)删除装置例如根据集合之间的距离进行删除。通过此种运行，系统可以避免相对存储装置内的多个集合双重存在类似集合的状态，并可确保集合的变化。
(21)根据本发明的查找装置在其较佳特征中进一步包括初始化装置。如果采用初始化群的初始化尽可能接近地遇到查找条件，则系统可以减少查找时间。
(22)该初始化装置最好包括第一和第二种模式。在第一种模式中，将预先准备的多个集合用作初始集合群；在第二种模式中，将在最后查找过程中改进的多个集合用作初始集合群。如果当系统开始查找时就根据条件选择好合适的模式，则系统可以加速查找的收敛。
(23)根据本发明的查找装置在其较佳特征中进一步包括查找结束确定装置。当系统已经进入这样一种状态，即系统在查找期间可以期望有效地改进集合时，该装置即确定查找过程的结束。如果查找过程仍然不够且任何查找过程都无效，系统可以取消查找过程结束。
(24)待估计集合的数量与改进循环的执行时间有关，并可以用作结束判断基准。
(25)待加集合的数量表示存储装置改进的程度，并可以用作结束来判断基准。
(26)成功索引是待附加集合数与待估计集合数之比，由于它间接表示查找过程的收敛能力，故可以用作结束判断的基准。
(27)各集合之间的距离可以用作结束判断的一种基准，它在整体上表示存储装置内多个集合的相似性。
(28)根据本发明的查找装置最好进一步包括重新查找确定装置，它根据查找开始时各种前提的变化确定重新查找。该装置允许系统在新的条件下自动查找最佳集合。这些前提例如包括电梯轿厢规格、交通流量规格、性能参考值与控制参考值之比等等。
(29)根据本发明的系统，甚至可以将群控性能值贮存在存储装置内。
(30)查找装置可以连接到目标值设定装置，以设定与查找过程相关联的目标值。在控制目标自由设定的场合，系统可以按照已设定的目标查找最佳集合。
(31)在本发明中，新的集合是利用专用模拟装置进行估计的，查找装置除了连接到群控装置外，还连接到模拟器。该模拟器包含了与群控装置中所含的群控算法相同的群控算法。估计装置将模拟的执行结果设置为群控性能值。当采用该模拟器时，系统可以估计新的集合而无需中断群控。
(32)在本发明中，群控装置安装在例如与查找装置(和模拟器)同一大楼内。在要求查找装置(和模拟器)与群控装置分开安装的地方，用通信线路将群控装置与查找装置连接起来。如果多台群控装置共用一个查找装置(和模拟器)，系统的成本将降低。
(33)在本发明中，作为一台实用装置连接到查找装置的群控装置可以用来执行模拟。因此，可以不用模拟器，系统的成本可以降低。
(34)而且在本发明中，在查找装置设置在离群控装置较远的地方，群控装置和查找装置用通信线路连接，如果多台群控装置共享一台查找装置，系统的成本可以降低。
(35)本发明可以扩展用于这样的目的，即通过连接模拟器和查找装置对群控算法进行估计。
本发明与GA之间的关系遗传算法已在各类文献和资料中作了阐述(例如，参见1993年1月出版的“Measurement and Control”第32卷第1期上发表的“遗传算法现状和存在问题”一文)。基本的遗传算法通常包括一连串的初始化循环、母集合选择、交叉、变异和生成。
在1991年11月20日至22日举行的第34届自动控制联合演讲会上发表的“针对固定呼叫之电梯群控轿厢分配问题的遗传算法解决方法”一文中，已经描述了将遗传算法应用于电梯轿厢群控的一种系统。
这种传统的系统利用遗传算法可以针对“呼叫置换”对电梯轿厢进行最佳分配。因此，本发明与传统的系统在有关遗传算法的系统方面是相同的，但它们所要实现的目的是不同的，它们在基本结构等方面也有很大的区别。
简而言之，本发明不仅仅采用了遗传算法，而且提供了具有最佳参数值集合的新的查找技术。本发明的这一特点将体现在源于特定性质参数值集合的本发明的特定结构中。


图1是一个方框图，它表示根据本发明系统的第一个实施例的总体结构；图2是表示查找装置结构的示意图，其中包括一个微计算机；图3是表示图2中RAM10C之内部结构的示意图；图4是表示图2中ROM10B之内部结构的示意图；图5是表示电梯轿厢规格数据(ELS)结构的示意图；图6是表示交通流量规格数据(TRS)结构的示意图；图7是表示群控性能数据(PRF)结构的示意图；图8是表示参数值集合(EPS)结构的示意图；图9是流程图，它表示第一个实施例的一个控制程序的内容；图10是一个流程图，它表示第一个实施例的查找命令程序；图11是一个流程图，它表示第一个实施例的查找主程序；图12是流程图，它表示第一个实施例的查找起始判断程序；图13是一个流程图，它表示第一个实施例的初始化程序；图14是一个流程图，它表示第一个实施例的新集合生成程序；图15是一个流程图，它表示第一个实施例的估计程序；图16是一个流程图，它表示第一个实施例的相加程序；图17是一个流程图，它表示第一个实施例的删除程序；图18是流程图，它表示第一个实施例的附加参考值修改程序；图19是一个流程图，它表示第一个实施例的查找结束判断程序；
图20是流程图，它表示第一个实施例的最佳集合析取程序；图21是一个方框图，它表示本发明的第二个实施例；图22是表示第二个实施例中RAM的示意图；图23是流程图，它表示第二个实施例的附加参考值修改程序；图24是流程图，它表示第二个实施例的查找起始判断程序；图25是一个流程图，它表示第二个实施例的初始化程序；图26是一个流程图，它表示第三个实施例的删除程序；图27是流程图，它表示第五个实施例的查找结束判断程序；图28是一个流程图，它表示第六个实施例的查找结束判断程序；图29是一个流程图，它表示第七个实施例的最佳值析取程序；图30是一个方框图，它表示第八个实施例；图31是一个流程图，它表示第八个实施例的查找主程序；图32是一个方框图，它表示第九个实施例；图33是一个流程图，它表示第九个实施例的查找主程序；图34是一个流程图，它表示第九个实施例的出现率(emergencerate)修改程序；图35是一个流程图，它表示第十个实施例的出现率修改程序；图36是一个方框图，它表示第十一个实施例；图37是一个流程图，它表示第十一个实施例的运行主程序；图38是一个流程图，它表示第十一个实施例的新集合生成程序的一部分；图39是一个流程图，它表示第十一个实施例的选择条件修改程序；图40是一个流程图，它表示第十二个实施例的选择条件修改程序；图41是一个流程图，它表示第十三个实施例的新集合生成程序的一部分；图42是一个流程图，它表示第十三个实施例的选择条件修改程序；图43是一个流程图，它表示第十四个实施例的选择条件修改程序；图44是一个流程图，它表示第十五个实施例的新集合生成程序的一部分；图45是表示第十五个实施例的各个参数之出现率的示意图；图46是一个流程图，它表示第十六个实施例的新集合生成程序的一部分；图47是表示第十七个实施例的示意图；图48是表示第十八个实施例的示意图；图49是表示第十九个实施例的示意图；图50是表示根据本发明的一种最佳集合查找方法的示意图。
较佳实施例的详细描述[基本原理]如上所述，群控算法包括各种类型的参数。为了有效地对若干辆电梯轿厢进行群控，需要根据交通情况查找最佳组合的参数值。针对这一目的的装置就是最佳集合查找装置，图50示出了根据本发明的查找装置的基本原理。如上所述，参数值的组合(序列)被称为“参数值集合”或简称为“集合”。
如图50所示，通过反复生成新的集合和选择优良集合来查找最佳集合。其专门描述如下首先，存储器A2被初始化(A1)。例如，将预先准备的多个初始集合贮存在存储器中(A2)。
然后，生成新的集合(A4)。新集合是通过随机选择数值交换(交叉)或新值置换(变异)生成的。当选择交叉方法时，从存储器A2取出两个集合(母集合对)在两个集合之间交换一部分参数值以生成两个新的集合。当选择变异方法时，从存储器A2中取出一个集合(母集合)，用以随机方式生成的新的数值置换该集合中的一部分参数值，以生成一个新的集合。
注意，选择生成方式，母集合以及在其中交换数值的各个参数基本上都是随机进行的，而每个选择条件可以任意确定，每个选择元素可以根据其选择概率加权。
接下来对生成的新集合A5进行估计。即，虚拟或实际执行已装入每个新集合的群控算法，以获得执行结果。该得到的执行结果作为“群控性能值”，表示新集合的性能，并将具有优良群控性能值的新集合存入存储器A2(A8)。损坏的集合不再贮存而废弃(A9)或在贮存后被删除(A10)。这种优良集合选择法(A7)总是在存储器A2中仅仅累积优良的集合。
在不断重复这样的完善循环的情况下，累积在存储器A2内的多个集合A3可以逐渐区分开来并得到改善。由于在所存储的多个集合A3中可最终析取最好的集合作为最佳集合(A11)，故将该最佳集合馈给群控算法用于群控。
根据所述这样一种查找最佳集合的方法，可以有效生成继承了其母集合良好特性的子集合。即，系统可以提高由优良母集合生成优良子集合的概率，由此使它们能被迅速查找到。
可以采用交叉和变异的任一种方法，但最好在两者之间随机选择，这样，多个累积的集合可以合适地满足收敛和变化。
结构描述图1至图20表示根据本发明的电梯轿厢群控系统的第一个实施例。图1表示整个系统，它包括已知的群控装置1、已知的模拟器2以及查找装置10。
群控装置1包括微计算机，在该实施例中它控制着安装于10层办公楼的一组四个电梯轿厢。如上所述，群控装置1包含一种含有多个控制参数的群控算法(见图9)。
群控装置1通过通信电缆连接到四个轿厢控制器1A至1D。轿厢控制器1A至1D包括各自的微计算机，它们千变万化地控制着相应的电梯轿厢。每个控制器1A至1D都具有如记录呼叫、运行控制、门控制和显示控制等各种功能。
用以呼叫轿厢的记录功能是在发生呼叫时，在存储器中记录该呼叫。运行控制功能是控制电梯轿厢的行进、停止和运动方向的决定，以使电梯轿厢响应必须得响应的呼叫(轿厢呼叫和分配的楼层呼叫)。门控制功能是开启和关闭设置在电梯桥厢和各楼层上的门。显示控制功能是通过点亮楼门信号灯通知正在等待的乘客所分配的电梯轿厢，并通过闪烁该楼门灯通知乘客电梯轿厢已到达。
控制器1A至1D将表示运行状态(例如轿厢位置、行进方向、门的开闭状态、轿厢呼叫等等)的信号发送给群控装置1。反过来，群控装置1将表示各种指令(针对楼层呼叫的分配指令、当轿厢满载时用于通行的参考值DB、门开启时期的设定值等等)的信号发送到机舱(cabin)控制器1A至1D。
群控装置1向查找装置10传递一个查找条件信号1a，表示找到最佳集合时的条件。查找条件信号1a包括需要在计算机上模拟电梯轿厢群控系统的“电梯轿厢规格数据”、需要在计算机上模拟大楼内交通流量的“交通流量规格数据”以及指令查找最佳集合的“查找指令数据”。电梯轿厢规格数据包括例如表示其编号、速度、乘客限额、要停的楼层和电梯轿厢门的类型的数据，以及服务或不服务的附加运行，诸如节电运行和高峰时间运行等数据。交通流量规格数据，例如当大楼内的交通流量为间接表示时，它包括用于组合各种特征值的数据，诸如每小时乘客总数和楼层至楼层交通流率，以及用以组合各种特征值的数据，诸如相对每层楼和每一方向在单位时间乘上电梯的乘客数等，另一方面，当大楼内的交通流量为直接表示时，它包括针对所有乘客的乘客数据(诸如出现时间、出现楼层、目的地楼层及类似的数据)。
模拟器2包括微计算机，它具有与群控装置1相同的群控算法。模拟器2接收模拟条件信号13a，它包括电梯轿厢规格数据、交通流量规格数据以及参数值集合。模拟器2通过群控算法，在虚拟与实际条件相同的条件下根据多个电梯轿厢的信号13a工作。执行后，模拟器2提供的群控性能数据作为群控性能数值信号2a，表示说明群控性能的统计结果(诸如平均等待时间、最长等待时间等)。
查找装置10包括微计算机，并如上所述那样查找最佳集合。
在查找装置10中，存储器11贮存多个参数值集合，并贮存与相应集合有关的群控性能数据。来自存储器11的输出信号11a包括参数值集合和群控性能数据。
生成器12通过上述“交叉法”和“变异法”生成新的集合。新的集合在由如下所述的估计器13估计之前暂时贮存在生成器12内。生成器12传送一新的集合信号12a。
模拟器1 3根据查找条件信号1a和新的集合信号12a生成模拟信号13a，并将其传送给模拟器2。估计器1 3根据模拟器2执行群控模拟后由模拟器2输出的群控性能值信号2a生成一个估计结果信号13b，并将其传送给加法单元15。
附加参考值存储器14存储一个附加参考值，用以确定如此估计的新的集合是附加寄存在存储器11还是放弃。附加参考值存储器14在其输出端传送一个附加参考值信号14a。
加法单元15对由估计结果信号13b包含的群控性能数据确定的一种附加记录生成一个性能估计值，并将该值与附加参考值比较。当该性能估计值优于附加参考值时，加法单元15生成的信号15a包括新的集合及其群控性能值，并将其传送给存储器11。这样操作的结果，优良的新集合被附加记录在存储器11内。
在满足了有关集合记录情况的某些条件后，删除单元16根据群控性能数据计算性能估计值，对每个集合作出删除决定。删除单元16选出其性能估计值较差的集合，并发送表示劣质集合编号的删除指令信号16a。此项操作的结果，指定集合的记录即从存储器11内删除。
结束判定单元17判定查找是否已结束并当已经确定查找结束时将查找结束信号17a传送到生成器12。此项操作的结果，查找装置停止生成新的集合。
附加参考值修改器18利用修改信号18a修改贮存在附加参考值存储器14内的附加参考值。修改程度取决于存储器11内每个集合的群控性能数据。
再查找判定单元19监视查找条件信号1a，并当电梯轿厢规格或交通流量规格变化时，提供再查找指令信号19a，用以再次查找最佳集合。如果信号19a已输出，若收到查找结束信号17a就取消查找结束指令，然后，甚至在查找中途，也得从头开始再次查找。
析取器20要根据存储器11内每个集合的群控性能数据，计算用以判定最佳集合的性能估计值，并析取具有最优群控性能数据的集合。即，由析取器20析取最佳集合。析取器20输出端的信号20a包括最佳集合、电梯轿厢规格数据、交通流量规格数据以及查找状态数据。
初始化单元21包括多个初始集合群和区分符，在查找开始时，根据查找条件信号1a或再查找指令信号19a，用合适的集合群在预先贮存的多个初始集合群中间执行初始化，以将其发送到存储器11。
图2表示图1所示查找装置10的硬件结构。图2中，查找装置10包括微处理器10A、只读存储器(ROM)10B、随机存取存储器(RAM)10C以及输入接口电路10D和输出接口电路10E。在此情况下，ROM10B贮存了表示微处理器10A操作步骤和固化数据的查找程序。RAM10C贮存了微处理器10A的算术运算结果(运算数据)，由外部送入的查找条件信号1a和群控性能值信号2a的内容(输入数据)，以及将向外发送的模拟信号13a和最佳集合信号20a的内容(输出数据)。
图3表示图2所示RAM10C的存储内容；图4表示ROM10B存储内容中的固化数据部分。
图3中，ELS是表示轿厢规格的数据；TRS是表示交通流量规格的数据；SCM是表示查找指令的数据。这些输入数据均包含在图1所示的查找条件信号1a内。
图5表示电梯轿厢规格数据ELS的特定结构。在图5所示的例子中，规定轿厢数为4；速度为120米/分；乘客容量为20人；电梯轿厢停在10楼，1楼为最底楼，10楼为最高楼；门的宽度为1,000毫米。关于优先分配运行，[2]行驶时间优先分配功能，[3]节电优先分配功能，[4]邻近轿厢优先分配功能，以及[5]轻载轿厢优先分配功能均设置为“有效”，特定轿厢优先分配功能[6]置为“无效”。关于各种运行，[11，14]高峰时间运行，[12，15]上顶(up—peak)运行，[13，16]下底(down—peak)运行以及[17]分散等待运行均置为“有效”，而[18]节电运行作为另一种附加运行也置为“有效”。尽管图5中未表示，但[8]响应于长时间等待呼叫的分配修改运行，[9]当满载时的自动通行功能以及[10]分配变更功能基本上总是置于“有效”。
图6表示一种特定结构的交通流量规格数据TRS。图6中所示例子是针对一个营业时间范围(1400至1500)。例如，根据预先利用群控装置1实际测量的交通流量结果，乘客数为每小时500人；底层与任何其它楼层(第2层至第10层)之间的交通量与整个交通量之比为80％(底层交通率)；上行交通量与整个交通量之比(上行交通率)为50％；下行交通量与整个交通量之比(下行交通率)为50％。
出现在图3左上侧的PRF指的是表示群控性能的数据，它表示各别集合的优良性，相等于图1所示的群控性能值信号2a。
图7表示群控性能数据PRF的特定结构。本例中，群控性能数据PRF包括平均等待时间AWT、长时间等待率RLW、最常见等待时间MWT、预报误差率PRE、预报变更率RPC、满载时通行率RBP、平均乘行时间ABT、最常见乘行时间MBT、功耗PWC、邻近轿厢响应率RNR(底层呼叫由接近底层的轿厢处理的比率)、轻载轿厢响应率RLR(由轻载轿厢记录的楼层呼叫将分配给它的比率)，以及特定轿厢响应率RSR(记录到特定轿厢的楼层呼叫将分配给它的比率)。
再见图3，位于右上侧的P为记录在存储器11内表示集合(或许称为优良集合)数量的数据；EPS(1)至EPS(Pmax)是表示从第一到Pmax个集合的数据；PRE(1)至PRE(Pmax)是表示对应EPS(1)至EPS(Pmax)的群控性能值的数据。集合数P、集合数据EPS(1)至EPS(Pmax)以及群控性能数据PRE(1)至PRE(Pmax)对应于图1所示的信号1a。如下所述，Pmax是表示能够记录的集合数的最大值的数字。
图8表示作为一个例子的参数值集合的一种特定结构。图8中，该集合包括25种类型的控制参数。即，图3中所示的每个集合数据EPS(1)至EPS(Pmax)均如图8所示。图3所示的群控性能数据PRE(1)至PRE(Pmax)几乎具有与群控性能数据PRE相同的结构(其特定结构还可见图7)。
位于图3右侧顶部与中部之间所示的Pn是表示新生成集合数的数据；NPS(1)至NPS((Nmax)是表示集合数从第1到Nmax之新集合的数据。新集合数Pn和新集合NPS(1)至NPS(Nmax)对应于图1所示的信号12a。如下所述，Nmax是表示能被生成的新集合数的最大值的数字。
位于图3左上侧的SIM则相当于图1中模拟条件信号13a的输出数据，它由用于估计NPSX、电梯轿厢规格数据ELSX以及交通流量规格数据TRSX的集合数据组成。用于估计NPSX的集合数据是表示新集合内容的数据，其群控性能通过模拟估计，并构成图8所示的EPS。当模拟完成并分别构成图5中的ELS和图6中的TRS时，电梯轿厢规格数据ELSX和交通流量规格数据TRSX为分别表示电梯轿厢规格和交通流量规格的数据。
图3左上侧位于SIM下面的RES是对应于图1中估计结果信号13b的数据，它包括估计次数NE、用于估计的集合NPSY以及群控性能数据PRFY。估计次数NE是表示估计累积次数的数据。用于估计的集合NPSY是表示在通过模拟估计群控性能之后的新集合的数据，在图8中它构成EPS。群控性能数据PRFY是表示通过模拟给出的群控性能值的数据，它在图7中构成PRF。
BX是表示附加参考值的数据用以确定所估计的新集合是否要附加记录，它对应于图1中的附加参考值信号14a。
RAP是对应于图1中附加记录信号15a的数据，它包括附加记录次数NR、估计集合NPSZ以及群控性能数据PRFZ。附加记录次数NR是表示确定附加记录次数的数据。估计集合NPSZ是表示准备记录于存储器11内的优良新集合的数据，它在图8中构成EPS。群控性能数据PRFZ是表示用估计集合NPSZ执行群控模拟后的群控性能的数据，它在图7中构成PRF。
在图3左侧中部显示的RP是表示集合数的数据，该集合相对于已记录的集合EPS(1)至EPS(P)的P，作为损坏集合而删除其记录，它对应于图1中的删除指令信号16a。
FLAG是用以指令是继续查找最佳集合还是结束查找的数据(查找许可标志)，它对应于图1中的查找结束信号17a。
CBX是用以最新重写附加参考值BX的数据，它对应于图1中的修改信号18a。
STR是用以指令重新开始查找最佳集合的数据，它对应于图1中的再查找指令信号19a。
BPD是相当于图1中最佳集合信号20a的输出数据，它包括最佳集合BPS、电梯轿厢规格数据ELSY、交通流量规格数据TRSY以及查找状态数据SS。最佳集合BPS是已记录的集合中具有最好性能值的集合，在图8中它构成EPS。当利用最佳集合BPS进行群控模拟后，电梯轿厢规格数据ELSY和交通流量规格数据TRSY是分别表示电梯轿厢规格和交通流量规格的数据。它们分别构成图5中的ELS和图6中的TRS。查找状态数据SS是在选择了最佳集合并在本实施例中将其设置成一个表示估计次数NE值时，表示查找状态的数据。
在图3左侧BPD下面所示的GPSO是对应于图1中初始化信号21a的数据，它包括初始集合数PK、多个初始集合IPS(1)至IPS(PK)以及多个群控性能数据PRI(1)至PRI(PK)。初始集合数PK是表示查找开始时之集合数的数据，它最初设置成与用以确定删除过程的结束之数值Pe相同的数值。多个初始集合IPS(1)至IPS(PK)被作为查找开始时所用的集合群，并构成图8中的EPS。群控性能数据PRI(1)PRI(PK)是当利用初始集合IPS(1)至IPS(PK)进行群控模拟时，表示群控性能的数据，它构成图7中的PRF。
图3右侧所示的VPD(1)至VPD(Pmax)为用于删除判定的性能估计值；VPE(1)至VPE(Pmax)为当修改附加参考值BX时用以设定附加参考值的性能估计值；VPS(1)至VPS(Pmax)是当选择最佳集合时用以确定最佳集合的性能估计值；位于图3左侧GPSO下面的VPN是当确定估计集合NPSY是否要附加记录时用作附加判定的性能估计值。在本实施例中，从群控性能数据中取出的平均等待时间AWT置于每个性能值内无需修改。
NP是表示集合之集合数的数据，其群控性能是在新集合NPS(1)至NPS(Nmax)之间估计的。
WVPE是表示最差性能估计值的数据；BVPE是表示最好性能估计值的数据；RC是查找计数器，当查找最差值WVPE和最好值BVPE时用以计算要用的集合数；BP是表示具有最好值BVPE之记录集合数的数据。
PS1是表示用以生成新集合的母集合数的第一母集合数；同样，PS2是第二母集合数；PX是表示执行交叉过程或变异过程之参数(位置)数的数据；CR是表示交叉选择概率(出现率)的数据；MR是表示变异选择概率(出现率)的数据。
图4中，Pmax是表示可记录集合数之最大值的数据；Nmax是表示可新生成集合数之最大值的数据；在本实施例中，Pmax置为50，Nmax置为20。
NEa是查找结束判定值，它用以连同查找次数NE一次判定最佳集合查找是否收敛。在本实施例中，NEa置于1,000次。
Ps为删除开始确定值，它用以连同已记录集合数P一次判定已损坏的集合是否要删除；Pe是删除结束判定值，它用以一次判定对已损坏集合的删除过程是否结束。在该第一个实施例中，Ps置于50，Pe置于30。
AVPE是表示校正值的数据，该校正值在附加参考值CBX设置时加到性能估计值的最坏值WVPE。换句话说，即用加到最坏值WVPE的校正值AVPE修改附加参考值。作为校正值，通常设置成零秒或零秒以上的值；在本实施例中，AVPE置为1秒。GPS1至GPS4是相应于常规运行(营业时间)、高峰时间运行、上顶运行和下底运行的初始化集合群。每个初始化集合群GPS(1)至GPS(4)在图3中构成初始化集合群GPS0。
运行说明参见图9至20，以下将描述第一个实施例的运行。图9表示群控装置1中一条控制程序的主要部分。该控制程序包括群控算法，群控装置1根据控制程序操作。群控算法本身是已知的。
图9中，步骤221执行楼层呼叫记录程序。尤其是，将乘客操作按钮时发生的楼层呼叫记录在存储器内。当任何电梯轿厢处理该呼叫时，即消去该呼叫记录。
步骤222执行分配程序，尤其是，利用方程式[1]的分配估计功能来计算相对每辆电梯桥厢的分配估计值。其估计值为最低的电梯轿厢被分配对付该呼叫。除了估计功能的基本分配计算外，该步骤还包括基于以下各种功能的运行，即行驶时间优先度分配功能[2]、节电分配功能[3]、邻近轿厢优先度分配功能[4]、轻载轿厢优先分配功能[5]以及特定轿厢优先分配功能[6]。
在步骤223，执行分配变更程序。尤其是，系统检测如上所述分配的楼层呼叫服务的劣化，并执行分配重新起动它。该步骤包括根据分配变更操作对长时间等待呼叫的处理[8]，以及当轿厢满载时通行之楼层呼叫的分配修改操作[10]。
步骤224执行高峰时间运行程序。尤其是，根据对高峰时间运行的选择和取消条件[11]，选择或取消运行模式，如选择高峰时间运行，系统根据高峰时间运行控制运行[14]。
步骤225执行上顶(up—peak)运行程序。尤其是，根据对上顶运行的选择和取消条件[12]，选择或取消该运行模式，如果选择上顶运行，系统则根据上顶运行控制运行[15]。
步骤226执行下底(down—peak)运行程序。尤其是，根据对下底运行的选择和取消条件[13]，选择或取消该运行模式，如果选择下底运行，系统则根据下底运行控制运行[16]。
步骤227执行分散等待运行程序。尤其是在非高峰时间运行时选择分散等待运行，选择上顶运行或下底运行。当选择分散等待运行时，系统根据分散等待运行控制运行[17]。
步骤228执行节电运行程序。尤其是，为了考虑运行服务情况下的节电，根据节电运行，通过增减投入服务之电梯轿厢的数目来控制运行[18]。
最终步骤229执行输出程序。尤其是在满载状态期间，将需要用作自动通行功能的用以当轿厢满载时通行的参考值DB[9]，送入连接至群控装置1的四个控制器1A至1D。每个控制器1A至1D根据轿厢满载时通行的参考值DB以及载重确定它是否处于满载状态。如果处于满载状态，控制器使电梯轿厢自行通过已产生呼叫的一个楼层或几个楼层。由于当轿厢为满载时通行的参考值DB大大影响到群控性能，故把它像查找一个目标那样作为一个控制参数来处理。
注意，整个群控程序(包括图9所示的控制程序和图10所示的查找指令程序)是周期性地执行的(例如每100毫秒一次)。
图10表示群控装置1所配备的查找指令程序。该程序是一种由查找装置10执行的命令查找程序。
图10中，当已经相对于任何交通流量获得最佳集合时执行步骤232，从查找装置10取出最佳集合信号20a，以将对应于其交通流量TRS的最佳集合BPS贮存在群控装置1的存储器内。同时，也贮存包含在最佳集合信号20a内的查找状态数据SS。
步骤232和233由查找状态数据SS判断先前的查找。如果查找状态数据SS等于NEa(＝1,000)，由于查找过程已经完成，步骤234确定找到最佳集合的交通流量，并最新生成和传送查找条件信号1a，它包括交通流量的规格数据TRS、电梯轿厢规格数据ELS以及置为“1”的查找指令数据SCM。
反过来，如果步骤233确定的查找状态数据SS为1或1以上，这表示查找过程已经开始，然后在步骤235，群控装置1将查找条件信号1a内的查找指令数据SCM的值重写为“0”，并在其输出端输出新的查找条件信号1a。为了查找每种交通流量的最佳集合，群控装置1顺序地选择四种类型的交通流量，它们相应于常规运行(营业时间)、高峰时间运行、上顶运行和下底运行。
在步骤234，尽管交通流量规格数据TRS是根据群控装置1的实测结果生存的，但群控装置1也可以连接到一台现有的交通测量装置，后者累积已收集的交通条件数据(例如进/出轿厢的乘客数、呼叫数等等)并将数据送到群控装置1，根据该数据，群控装置1可以生成交通流量规格数据TRS。
在查找装置10采用一种即使在查找过程中也固定提供最佳集合的模式时，群控装置1可以根据在步骤231贮存的查找状态数据SS判断迄今所获得的最佳集合有多少是可靠的。例如，如果查找状态数据SS表示一个查找开始阶段，则群控装置1由于被实际置成已使用，所以不仅可以采用由查找装置10提供的集合，而且可以采用具有令人满意的使用效果的集合。这种方法可以防止系统的群控性能劣化。如果查找状态数据SS表示查找到一半或最终阶段，则判断来自查找装置10的最佳集合是非常可靠的，这样，在查找过程完全结束之前系统性能可以利用该群控运行集合而得到改善。
图11表示贮存在查找装置10内的查找程序(主程序)。该程序贮存在ROM10B内。
图11中，步骤25执行一个重新查找判断程序，它具有图1所示重新查找单元19的功能。步骤26执行查找开始判断程序，装置10判断它是否为重新起动最佳集合查找时间。现在参见图12，它表示一种重新查找判断方法。
图12中，在步骤261，查找装置10接收来自群控装置1的查找条件信号1a，并在RAM 10C内存储电梯轿厢规格数据ELS、交通流量规格数据TRS以及查找指令数据SCM。然后，在下一个步骤262，查找装置10检测查找指令数据SCM从“0”到“1”的变化，如检测到变化，在步骤265，查找装置10将查找起始标志STR置为“1”。反之，当查找装置10判断查找指令数据SCM仍然没有从“0”变化到“1”时，装置10在检测步骤263判断电梯轿厢规格数据ELS是否不同于迄今已被查到的电梯轿厢规格数据ELSX，并在步骤264判断交通流量规格数据TRS是否不同于迄今已被查到的交通流量规格数据TRSX。如果ELS不同于ELSX，或TRS不同于TRSX，则在步骤265将查找起始标记STR置为“1”，否则，则在步骤266将查找起始标记STR置为“0”。
在步骤263至265判断重新开始查找的原因在于当查找情况变化时需要再次查找最佳集合，这样，非常有可能当前记录的最佳集合已不再是最好的。例如，当大楼内的交通流量因居住者的变动而改变时，或有一部分群控算法变更以改善系统功能时，将进行重新查找。
参见图11，在步骤27，查找装置10根据步骤26的结果判断是否需要再次初始化。一方面，STR等于“0”意味着查找在进行。另一方面，STR不等于“0”意味着查找中途停止并从头开始查找，或者，在当前查找结束后开始重新查找。因此，当STR等于“0”时，操作过程进入生成程序29，但当STR不等于“0”时，在步骤28执行初始化程序，然后，在对各种数据初始化后，过程进入生成程序29。
参见图13，以下将描述初始化程序28的运行。
图13中，在步骤281，从先前存储的多个初始数据组中选出适合于指定交通流量的初始数据组。每个初始数据组包括初始集合数PK、PK项的初始集合以及PK项的群控性能数据。
例如，在根据交通流量规格数据TRS指定常规时间范围的情况下，从多个初始数据GSP1至GSP4中选出适合常规运行的初始数据组，将所选初始数据组记录为图3所示初始化GPS0的数据组。初始化GPS0的数据组包括初始集合数PK、多个初始集合IPS(1)至IPS(PK)以及群控性能数据PRI(1)至PRI(PK)。
待设定的初始集合数PK的值与删除结束判断值Pe相同(＝30)。
在步骤282，初始集合数PK作为集合数P输入；初始集合IPS(1)至IPS(PK)作为已记录集合EPS(1)至EPS(P)输入；群控性能数据PRI(1)至PRI(PK)输入于群控性能数据PRE(1)至PRE(P)。即，如图50所示，执行存储器A2的初始化A1。
在步骤283，作为初始化，将估计次数NE置为零，附加记录次数NR置为零，估计的集合数NP置为零，查找许可标志置为“1”，交叉概率CR置为1.0，变异概率MR置为0.01。然合，该程序结束。
参见图11，步骤29执行对应于图1中生成器12的生成程序。首先，步骤30判断查找是否继续。若查找许可标志FLAG为“0”，过程在步骤26返回查找开始判断程序，而另一方面，若查找许可标志FLAG为“1”，过程在步骤31进入新集合生成程序。
参见图14，以下将描述新集合生成程序。
图14中，首先在步骤311，判断还未估计的新集合是否保留着。若估计集合数NP小于最大值Nmax，由于存在还未估计的保留的新集合，过程立刻从该程序的步骤311退出估计该新集合。反之，如果估计集合数NP为最大值Nmax或更大，或者，如果对所有新集合的估计均已完成，过程进入步骤312并作初始化，将已经生存的集合数Pn置于零。
在下一个步骤313，从相对P个记录集合EPS(1)至EPS(P)的群控性能数据PRE(1)至PRE(P)取出每个平均等待时间AWT(1)至AWT(P)，将其置于最大值判断的性能估计值VPS(1)至VPS(P)。根据性能估计值VPS(1)至VPS(P)的倒数确定每个集合被选为母集合的概率(出现率)。
然后，通过如下所述重复步骤314至324的过程，生成直至最大值Nmax的新集合。
首先，在步骤314将所生成集合数Pn加1。在步骤315，确定一个数值在零与[CR＋MR](交叉率与变异率的和)之间的随机数，随意选择生成方式。如果随机数小于CR(＝1.0)，所选方式为“交叉”，如果随机数为CR(＝1.0)或1.0以上，则所选方式为“变异”，根据某些参考可以修改交叉率(选择交叉的概率)CR与变异率(选择变异的概率)MR之间的比值。
如果在步骤316选择“交叉”，过程进入步骤317。为每个集合给出相应性能估计值VPS的倒数值作为一个加权值。该加权值表示将选择该集合的概率。然后，在从“0”(作为下限)到“性能估计值VPS(1)至VPS(P)倒数之和”(作为上限)的范围内生成两个随机数。然后，结合所生成的随机数选择两个集合。现在，假设两个母集合(交叉集合对)为数PS1的集合EPS(PS1)和数PS2的集合EPS(PS2)。
在下一个步骤318，产生数值在0与25之间的一个随机数，并选择由该随机数特定的一个参数PX。该参数在两个母集合之间共用，并确定了进行数值交换的参数位置。
在步骤319，相互交换母集合EPS(PS1)中的第PX个数值和母集合EPS(PS2)中的第PX个数值。该操作生成两个新集合。该两个新集合设置为数[Pn]的新集合NPS(Pn)和数[Pn＋1)的新集合NPS(Pn＋1)。
最后，在步骤320将已经生成的新集合数Pn加1。
另一方面，如果在步骤316选择“变异”，过程进入步骤321。为每个集合给出相应性能估计值VPS的倒数值作为一个加权值。该加权值表示将选择该集合的概率。然后，在从“0”(作为下限)到“性能估计值VRS(1)至VPS(P)所有倒数之和”(作为上限)的范围内生成一个随机数。然后，结合所生成随机数的值选择一个集合。
像步骤318一样，在步骤322中产生一个随机数，以选择其中产生变异的参数PX。
在步骤323，在[最小]与[最大](可以取由数PX特定的参数)之间生存另一个随机数。用该随机数取代数PS1的优良集合EPS(PS1)中数PX的数值。在该操作中，所生成的集合就是数Pn的新集合NPS(Pn)。
在下一个步骤324，判断具有所需数的新集合是否生成。由于两个新集合是在一次“交叉”中生成的，若Pn＋2＞Nmax，即可完成新集合的生成。在此完成之前，则通过重复步骤314至324生成新的集合，直至数Nmax。当完成新集合的生成时，在步骤325将首先估计的新集合的集合数或估计的集合数NP置为1。
“交叉”是一种收敛解法(convergence of solutions)的查找方法。反之，“变异”是一种拥有变化解法(possessing varied solutions)的查找方法。即，如果过程仅仅通过交叉进行，查找方向是限定的，由此增大了错失最佳解法的概率。然而，除了交叉以外，如果再合适地采用变异，系统可以避免局部解法。在此情况下，这两种方法系互补关系。然而，采用变异的危险在于最佳解法即使最终查找到，也可能被破坏。在此情况下，这两种方法又为竞争关系。
因此，为了避免两者将形成竞争关系的风险，同时利用它们的互补关系，在第一个实施例中，与交叉率CR相比，将变异率MR设置成极小的值。
在本实施例中，在生成十二个(＝Nmax)新集合之后，相对每个新集合估计群控性能。然而也可以采用其它的方法。
例如，通过将最大值Nmax设定为“1”，可以为每个“交叉”或“变异”估计相对于新集合的群控性能，并可以重复进行。
就此而论，当最大值Nmax变得较大时，可以因新集合能立刻生成而缩短运行时间。然而，在此情况下，系统需要确保有大容量的RAM10C。最好，联系运行时间和存储器容量来确定最大值Nmax。
参见图11，以下将描述步骤33的估计程序。该估计程序对应于图1中的模拟器13，它通过将新集合提供给模拟器来执行群控算法，由此获得执行结果。
参见图15，以下将详细描述该估计程序。
图15中，步骤331生成模拟条件数据，它包括用于估计的集合NPSX、电梯轿厢规格数据ELSX以及交通流量规格数据TRSX。即，系统将新集合NPS(NP)设置给用于估计的集合NPSX，并分别将包含在查找条件信号1a内的电梯轿厢规格数据ELS和交通流量规格数据TRS设置给电梯轿厢规格数据ELSX和交通流量规格数据TRSX。在下一步骤332，查找装置10用以将作为模拟条件信号13a的模拟条件数据SIM输出到模拟器2，使模拟器2执行虚拟群控操作。在步骤333，过程等待完成模拟。
模拟器2根据模拟条件信号13a模拟，并当完成该模拟时，将群控性能值信号2a送到查找装置10。在步骤333，在收到群控性能值信号2a时，判断模拟已完成，在步骤334由RAM10C贮存包含在群控性能值信号2a内的群控性能数据PRF。然后，过程进入下一步骤335。
在步骤335，将估计次数NE加1，并生成估计结果数据RES，它包括估计次数NE、用于估计的集合NPSY(＝NPSX)以及群控性能数据PRFY(＝PRF)。然后，在步骤336，将用于新集合的估计的集合数的数值加1。
参见图11，步骤34的相加程序相对于图1中的加法单元15，它判断新的集合(单元数NP)是否被记录。该相加程序用图16描述。图16中，在步骤341，从群控性能数据PRFY中取出平均等待时间AWT，并将其设置为性能估计值VPN用于相加记录判断。在步骤342，对性能估计值VPN和附加参考值BX进行比较，以判断其是否要记录在存储器内。如果VPN等于或大于BX，系统不允许该记录，并立即终止程序34。
反之，如果VPN小于BX，过程进入步骤343，使相加记录次数NR加1，由此产生用于相加记录的数据RAP，它包括相加记录次数NR、估计集合NPSZ(＝NPSY)以及群控性能数据PRFZ(＝PRFY)。在步骤344，新的集合被附加记录为数[P＋1]的集合，同时，使已经记录的集合P的数值加1。
参见图11，步骤35的删除程序对应于图1中的删除单元16，它删除性能估计值差的集合。
参见图17，现在描述删除程序。图17中，在步骤351比较记录集合数P和删除开始判断值Ps，以判断其是否为删除记录的时间。如果P小于Ps，则判断其不是删除损坏集合的正确时间，过程立即退出程序35。如果P等于或大于Ps，则判断其为删除损坏集合的正确时间，故通过重复步骤352至359删除损坏集合，直至集合数P变成删除结束判断值Pe。
在步骤352，从群控性能数据PRE(1)至PRE(P)中分别取出平均等待时间AWT(1)至AWT(P)，并分别将其设置到性能估计值VPD(1)至VPD(P)。然后在步骤353执行初始化，检测要删除的损坏集合。即，使用于查找的计数器RC置为1，使性能估计值的最坏值WVPE置为零，并使删除集合数RP置为零。
通过重复步骤354至357的过程确定具有最坏性能估计值的集合(集合数RP)。即，当在步骤354确定其性能估计值VPD(RC)劣于现有最坏值WVPE的任何集合时，即在步骤355将性能估计值VPD(RC)最新设定为最坏值WVPE。将用于查找的计数器值RC设定为删除集合数RP。在步骤356将计数器RC加1，并在步骤357判定是否已完成相对所有集合的查找。
在步骤358，删除具有最坏值WVPE(其删除集合数为RP)的集合的记录，并且还删除群控性能数据记录PRE(RP)。已经记录的集合数值P也减1。这样，保留的集合依次从1起重新编号，故集合被重新存贮，然后过程在步骤358结束。
在步骤359，判断删除后的集合数P是等于还是小于删除结束判定值Pe。如否，系统重复上述步骤352至358的过程。当P成为等于或小于Pe时，该删除程序结束。
本实施例中，尽管步骤351将删除开始判断值Ps和删除结束判断值Pe分别设置为50和30，但它们也可以设置为其它数。
删除开始判断值PS设置于一个范围，其中该数值不超过可以贮存在RAM10C内的集合的最大值Pmax。如果删除开始判断值置为Ps＝Pe＋1，在一个集合被附加记录的任何时候，都有一个替换集合被删除。当RAM10C没有足够的存贮容量时，该方法是很方便的。
步骤359的删除结束判断值Pe意指保留的若干集合变成母集合。如果删除结束判断值Pe为小，由于难以保留所生成的新集合的变化，生成优良新集合的概率将减小。反之，如果删除结束判断值Pe为大，所生成的新集合将确保变化，结果，生成优良新集合的概率将增大。然而，作为有效的查找过程，不希望为删除结束判断值Pe提供较大的数，因为这样将增加生成操作。
因此，希望根据执行交叉的两个集合的组合、控制参数的种类和数量等等，或有时通过试验和出错来确定删除结束判断值Pe。由于Pe＝30，本实施例确保了组合(＝30×29÷2)。
参见图11，步骤36的附加参考值修改程序相对于图1中的附加参考值修改器18，它根据存储器11内集合的记录状态修改附加参考值BX。
图18描述了附加参考值修改程序。图18中，在步骤361，从群控性能数据PRE(1)至PRE(P)中取出每个平均等待时间AWT(1)至AWT(P)，并置于性能估计值VPE(1)至VPE(P)用以设定参考值。在步骤362，系统运行以在性能估计值VPE(1)至VPE(P)中确定最坏值WVPE，用以设定参考值。此运行与步骤353至357的过程相同。在步骤363，通过计算[最坏值WVPE一正确值AVPE]获得修改值CBX，在步骤364，将修改值CBX置于附加参考值BX对它作修改。
在本实施例中，将校正值AVPE固定地置于查找开始与结束之间的一秒。即，设置附加参考值BX(指平均等待时间)使之小于每周期一秒。然而，系统也可以使用其它数值。
如果校正值AVPE设置成一个较大值，附加记录的条件逐渐变得严格，所以它将不是一个非常大的值，以便在有限的估计时间内获得尽可能多的优良集合。反之，如果把校正值AVPE设置成零秒，就可以增加附加记录具有相似特征和少量性能区别的许多集合的概率。因此，必须根据查找条件合适地确定该数值。
参见图11，步骤37的查找结束判断程序相应于查找结束判断单元17，它判断查找最佳集合是否已结束。以下用图19进行描述。
图19中，步骤371根据估计次数NE和查找结束判断值NEa判断查找过程是否已结束。如果NE＜NEa，则判断查找过程未彻底完成，并在步骤372将查找许可标志FLAG置为“1”，继续查找过程。如果NE≥NEa，则判断查找过程已全部执行，并将查找许可标志FLAG置于“0”，结束查找过程。
在本实施例中，尽管查找结束判断值NEa置成1,000，但判断值NEa也可以为其它值。
通常很难确定究竟估计多少次才足够。这是因为查找的收敛大体上取决于各种查找条件，诸如控制参数的种类和数量、初始集合的内容、生成新集合的方法以及附加记录的条件。
为了获得表示优良群控性能的许多优良集合，查找结束判断值NEa应当置于尽可能大的一个值。然而，如果查找次数的累加值NE变得太大，将要花费可观的时间来结束查找过程，由此导致效果较差的查找过程。因此，为了有效地获得许多优良集合，必须根据查找条件确定查找结束判断值NEa。
参见图11，步骤38的最佳集合取出程序对应于图1的析取器20，用以从各个集合中取出一个最佳集合。以下将参照图20进行描述。图20中，步骤381从群控性能数据PRE(1)至PRE(P)中取出每个平均等待时间AWT(1)至AWT(P)，并置于性能估计值VPS(1)至VPS(P)用于最佳值判断。然后，在步骤382系统初始化以检测最佳集合。即，将查找的计数器RC置于1；将性能估计值的最好值BVPE置于9,999；将集合数BP置于零。
接下来，通过重复步骤383至386的过程确定具有最好性能估计值的最优集合(集合数BP)。即，在步骤383，对先前获得的性能估计值VPS(RC)和最好值BVPE进行比较。如果检测到性能估计值VPS(RC)优于最好值BVPE，在步骤384将性能估计值VPS(RC)置于最好值BVPE，将查找的计数器RC的值置于集合数BP。在步骤385将查找的计数器RC加1。在步骤386，判断所有集合的查找是否已经完成。在步骤387生成最佳集合数据BPD，它包括最佳集合BPS、电梯轿厢规格数据ELSY、交通流量规格数据TRSY以及查找状态数据SS。即，将具有最好值BVPE的集合的内容置于最佳集合BPS，将与模拟条件数据SIM之电梯轿厢规格数据ELSX和交通流量规格数据TRSX相同的内容分别置为电梯轿厢规格数据ELSY和交通流量规格数据TRSY。将到此时为止的估计数值NE置为查找状态数据SS。
最后，在步骤388将包含最佳集合数据BPD的最佳集合信号20送到群控装置1。
参见图11，如上所述，如果完成了查找最佳集合，过程返回步骤26，并重复执行步骤26、27、30至38，直至检测到完成了查找，在查找结束判断程序中将查找许可标志FLAG复位到“0”。在查找过程中，如果电梯轿厢规格数据和交通流量规格数据的内容发生变化，则执行重新查找。即，查找许可标志FLAG变为“1”，执行从步骤31开始的各个步骤。
第一个实施例的优点如上所述，根据第一个实施例，可有效地生成优良集合，由此能有效地查找最佳集合。由于群控的模拟器2是与群控装置1相独立的装置，故查找最佳集合不会干扰原有的群控操作。
由于新集合用两种方法生成，故第一个实施例可以有效地接受“交叉”和“变异”特性。换句话说，生成的新集合可以同时备有合适的变化和收敛，故通过广泛和局部查找相结合，可以较早地查找到最佳集合。
在第一个实施例中，母集合是在根据性能估计值以选择概率对每个母集合加权之后才选择的，故系统可以提高选择优良母集合的概率，换句话说，系统可以提高生成优良新集合的概率，而这些新集合继承了母集合的优秀性质。
采用第一个实施例，由于附加参考值是根据多个性能估计值中最坏值修改的，系统可避免在附加记录后需立即删除的无用过程，由此逐渐变得更严密。如果查找结束判断、母集合条件修改和参数选择是根据附加记录数完成的，则系统可以根据查找进展状况执行合适的处理。
在第一个实施例中还可看到，由于所记录的集合可以小于由删除过程得出的某个数，而得以维持，故要考虑到存储器的容量来实现合理的集合记录。结果，可以从尽可能多的集合中选出更多的优良集合。
采用第一个实施例，由于系统不断地删除性能估计值为差的集合，故系统可以保留性能估计值为优良的集合，由此当生成新集合时，总是提供像母集合那样的优良集合。
在第一个实施例中，析取器即使在查找过程中也查找最佳集合，并在其输出端提供最佳集合。因此，即使在查找过程中和使用期间，群控装置1也可以获得最佳集合而无需等待查找完成。
由于群控装置1可以在查找过程中从最佳集合获得查找状态数据(估计次数NE)，故它可以在查找过程中对使用所提供的最佳集合正确地判断一个值。
采用第一个实施例，连续查找可进行至查找时间达到某个数为止，防止在进行足够查找之前结束查找过程。
而且，在第一个实施例中，系统还具有重新查找功能，这样，当任何电梯轿厢规格数据和交通流量规格数据变化时，即使在查找结束后，系统也能自动重新开始查找优良集合。因此，即使由于某种原因，从群控装置发出的开始查找的指令被延迟了，系统仍能迅速开始查找。在早期阶段，系统可以由此获得相应于最新群控条件的最佳集合。当电梯轿厢规格数据或交通流量规格数据变化时，即使在查找期间，系统仍可利用重新查找功能在新的群控条件下自动地从头开始重新查找。
在第一个实施例中，预先制备相应于每个交通流量规格的初始集合群。当开始查找时，系统可以在其自身初始化时对交通流量选择最合适的初始集合群。因此，系统可以从一开始提供如母集合那样优化程度的集合，由此实现迅速查找。当在查找过程中使用作为最佳集合而提供的集合时，即使在查找过程的早期阶段，系统仍可在一定程序上分享好的群控性能。
在第一个实施例中，将模拟器2获得的群控性能数据PRF贮存在存储器11内。该群控性能数据PRF包括图7所示的多个数据。包含在群控性能数据PRF内的某些数据被用于附加记录的性能估计值VPN、用于设定参考值的性能估计值VPE(1)至VPE(P)、用于删除判断的性能估计值VPD(1)至VPD(P)以及用于最佳值判断的性能估计值VPS(1)至VPS(P)所替换。因此，在需要获得每个性能估计值的任何时候都不需要模拟。在性能估计值包括共用数据(诸如平均等待时间)时，自然只有共用数据作为群控性能数据PRF而被贮存。
由第n代个体群(母集合)生成第(n＋1)代新的个体(子集合)的生成方法分为两种。第一种方法是将新生成的个体(子集合)用作母集合去生成下一个新的个体(子集合)，后者属于与母集合同一代即第(n＋1)代。另一方面，第二种方法就是不采用上述方式，尤其是，其中Gn(Mn)表示第n代个体群，其汇编长度为Mm；Gn*(j)表示新的个体群，其汇编长度为j，包括新的个体以及在至少个体群Gn(Mn)基础上所生成的；gn(i)表示具有第n代数i的个体；以及gn*(j)表示具有新个体群Gn*(j)数j的新个体，有两种方法用以新生成要增加的具有数(j＋l)的新个体gn*(j＋l)，并生成新的个体群Gn*(j＋l)。[生成方法A]在生成方法A中，只有当代个体群Gn(Mn)用作母集合来生成新的个体群gn*(j＋l)作为来自交叉或变异的子集合。[生成方法B]在生成方法B中，将全部或部分当代个体群Gn(Mn)以及新的个体群gn*(j)用作母集合，以生成新的个体gn*(j＋l)作为来自于交叉或变异的子集合，其中Gn(Mn)＝{gn(l)，gn(2)，…，gn(Mn)}；Gn*(j)＝{gn*(l)，gn*(2)，…，gn*(j)}；
Gn*(j＋l)＝{gn*(l)，gn*(2)，…，gn*(j)，gn*(j＋l)}注意，有另外一种方法(以下称为“生成方法Ba”)作为对生成方法B的修改，其中，仅采用适合于母集合的个体，它使一部分新的个体群Gn*(j)成为母集合。
另一方面，根据当代个体是否保留为下一代个体，可以对下一代个体群的选择方法分类。即，其中Gn*(Mn*)表示新的个体群，其汇编长度为Mn*；Gn＋l(Mn＋l)表示下一代个体群，其汇编长度为Mn＋l，两种方法A和B如下所述。[选择方法A]选择方法A是这样一种方法，其中，在偏离新个体群Gn*(Mn*)的某个阈值条件下选择的Mn＋l个个体(新的个体gn＋l(i)(i＝l，…，Mn＋l)，用作下一代个体群Gn＋l(Mn＋l)。采用该方法，当代个体群Gn(Mn)从不保留为下一代个体。[选择方法B]选择方法B为另一种方法，其中，在偏离全部或部分当代个体群Gn(Mn)和新的个体群Gn*(Mn*)的某个阈值条件下选择的Mn＋l个体的新的个体gn＋l(i)(i＝l，…，Mn＋l)，用作下一代个体群Gn＋l(Mn＋l)，只要Gn*(Mn*)＝{gn*(l)，gn*(2)….，gn*(Mn*)}；Gn＋l(Mn＋l)＝{gn＋l(l)，gn＋1(2)，…，gn＋l(Mn＋l)}。注意，有另一种方法(以下称为[选择法Ba])作为对[选择法B]的修改，其中，在当前个体群Gn(Mn)中间不能作为新的个体群Gn*(Mn*)的母集合的个体，不能保留作为下一代个体。再者，还有另一种方法(以下称为[选择法Bb])作为对选择法B的一种修改，其中，不适合作为新个体群Gn*(Mn*)的母集合的新个体，不能保留作为下一代个体。[生成方法和选择方法的结合实例](A)结合生成法B和选择法B执行最佳集合查找方法，该方法如下把存储器11一分为二，即分为当代集合群区域和附加记录集合群区域。这样，生成器12利用当代集合群和附加记录集合群生成新的集合群。通过相加单元15，用某个基准(包括所有新集合均为无条件选择的情况)在新集合群中间选择新集合并附加记录。另一方面，只要附加记录数达到一个预定值(例如Ps－Pe＋l)，删除单元16就用某个基准在当代集合群和附加记录的集合群中间选择固定数目的集合，并将该集合群新设置为当代集合群。然后，重复这些步骤。
在这种结合当中，将[生成法B]的功能分配给生成器12和相加单元15，将[选择法B]的功能分配给相加单元15和删除单元16。
第一个实施例把生成法Ba作为对[生成法B]的修改，把选择法Bb作为对[选择法B]的修改。从第一个实施例的相加单元15在新集合中仅附加记录适合作为母集合的集合，并将它们作为母集合之一用于下一新集合的观点来看，可以认为，单元15以及生成器12担负起[生成法Ba]之功能的责任。同时，从第一个实施例的相加单元15仅附加记录适合作为母集合的集合，并将它们用作下一代可能的母集合的观点来看，相加单元15以及删除单元16担负起[选择法Bb]的功能。(B)当结合[生成法A]和[选择法A]时，该方法如下。把存储器11一分为二，即分成当代集合群区域及附加记录集合群区域。然后，生成器12从当代优良集合群中生成一个新集合群。相加单元15利用新集合群的某个基准选择并附加记录多个集合。另一方面，只要附加记录数达到一个预定值(例如Pe)，删除单元16就删除所有当代集合群，附加记录的集合群经移位更新这一代。然后，重复这些步骤。
在此种结合中，将生成法A的功能分配给第一个实施例中的生成器12，将[选择法A]的功能分配给相加单元15和删除单元16。(C)当结合[生成法A]和[选择法B(或Bb)]时，其方法如下把存储器11一分为二，即分成当代集合群区域和附加记录集合群区域，然后，生成器12根据当代集合群生成一新的集合群。相加单元15利用新集合群的某个基准最新选择某个集合群并作附加记录。另一方面，只要附加记录数达到一个预定值(例如Ps－Pe＋1)，删除单元16就从当代优良集合群和附加记录的优良集合群中选择一个集合群，并将该集合群设置为当代优良集合群。然后，重复这些步骤。
因此，在此种结合当中，将[生成法A]的功能分配给第一个实施例中的生成器12，将[选择法B(或Bb)]的功能分配给相加单元15和删除单元16。(D)当结合[生成法B(尤其为Ba]和[选择法A]时，其方法如下把存储器11一分为二；即分成当代集合群区域和附加记录集合群区域。然后，生成器12从当代优良集合群和附加记录的优良集合群中生成一个新的集合群。相加单元15根据新集合群的某个基准选择新的优良集合群并作附加记录。另一方面，只要附加记录数达到一个预定值(例如Pe)，删除单元16就删除所有当代优良集合群，同时按原样移动附加记录的集合群，以更新这一代。然后，重复这些步骤。
采用此种结合，将[生成法B(尤其为Ba)]的功能分配给第一个实施例的生成器12和相加单元15，将[选择法A]的功能分配给相加单元15和删除单元16。[性能估计值]作为参考，本实施例中所用的每个性能估计值根据实现的装置和用途概括如下[19]最佳集合判断的性能估计值VPS(l)至VPS(P)装置析取器20。
用途选择最佳集合。[20]附加记录判断的性能估计值；VPN装置相加单元15。
用途判断附加记录的新集合。[21]删除判断的性能估计值VPD(1)至VPD(P)
装置删除单元16。
用途判断针对记录集合的删除。[22]设置附加参考值的性能估计值VPE(1)至VPE(P)。
装置参考值修改器18。
用途修改附加参考值BX时作参考。[23]设置母集合选择概率的性能估计值VPS(1)至VPS(P)。
装置生成器12。
用途选择母集合。
其中，对于每个集合，其优良集合取决于各个方面。例如，它取决于由群控装置所指令的控制目标满足到什么程度。此时，作为性能估计值可以利用直接与命令控制目标有关的群控性能值(见图7)。
关于交叉，像每个集合之母集合那样的优良性取决于存储器中的变化。这是因为由相互具有不同性能的集合所组成的交叉可以提高生成更优良集合的概率。
“分配索引”可以用作性能估计值表示其变化。相对处于中心的每个集合，该分配索引例如可以定义为其它集合数，使集合之间的距离等于或小于某个值。其中，集合之间的距离用多个集合形成元件所定义的多维空间定义。分配索引表示集合之间的相似性，索引值越低，作为母集合的性能越优。
分配索引可以定义为与其它集合的总距离。在此情况下，索引值越大，作为母集合的性能越优。分配索引可以定义为那些与该集合的距离大于一个预定值的其它集合数。在此情况下，索引值越大，作为母集合的性能越优。
接下来，详细描述查找性能估计值的方法。在第一个实施例中，任何性能估计值均包括平均等待时间AWT。然而，有可能根据其用途改变每个性能估计值的内容。例如，利用相互不同的性能估计功能可以计算每个性能估计值E。
总之，与群控性能有关的性能估计功能用下式表示，其中F(X)为X的函数。
E＝F(X1，X2，…，Xi，…，Xn，T1，T2，…，Ti，…，Tn)其中，n群控性能的估计项数，Xi估计项i(i＝1，2….，n)的性能值，Ti估计项i(i＝1，2，…，n)的性能参考值。
性能参考值Ti表示作为群控性能最终将达到的一个[目标值]或必须满足的[极限值]。[极限值]包括[上限值]和[下限值]。不管给出的性能参考值是作为[目标值]还是作为[上限值]或[下限值]，均根据设置的群控目的而作不同的确定。
注意，当性能参考值Ti意指与性能估计功能[24]有关的“目标值”时，|Xi—Ti|变得越小，性能将变得越好。当性能参考值Ti指的是[上限值]时，(Ti—Xi)变得越大，性能将变得越好。当性能参考值Ti指的是[下限值]时，(Xi—Ti)变得越大，性能将变得越好。
总之，函数[19]至[23]所示的性能估计值取决于性能估计函数、其中的估计项以及性能参考值。
以下是某些专门例子，用以说明性能估计值的运算方法。[25]第一例性能估计函数(在第一个实施例中)·控制目标[尽可能多地减少平均等待时间]。·性能参考值T1＝0秒。(T1平均等待时间的[目标值])。·性能估计函数E＝|AWT—T1|＝AWT(AWT平均等待时间)。·附加记录判断E＜BX(BX附加参考值，例如，BX＝15秒.)。[26]第二例性能估计函数(在下述第二个实施例的情况下)·控制目标[使平均等待时间尽可能接近于预定值]·性能参考值T1＝20秒。(T1[平均等待时间的[目标值])。·性能估计函数E＝|AWT—T1|(AWT平均等待时间)。·附加记录判断E＜BX(BX附加参考值，例如，BX＝3秒)。[27]第三例性能估计函数·控制目标[使平均等待时间AWT、长时等待率RLW和预测误差率RPE尽可能接近于各个目标值]。·性能参考值T1＝15秒，T2＝2％，T3＝3％(其中，T1平均等待时间的[目标值]，T2长时等待率的[目标值]，T3预测误差率的[目标值]·性能估计函数E＝Ap×|AWT—T1|＋Ag×|RLW—T2|＋Ar×|PRE—T3|(其中，Ap、Ag和Ar为加权系数)。·附加记录的判断E＜BY(BY总的估计参考值，例如，BY＝10)。[28]第四例性能估计函数·控制目标[通常使平均等待时间AWT、长时等待率RLW和预测误差率RPE尽可能小]。·性能参考值T1＝0秒，T2＝0％，T3＝0％(其中T1平均等待时间的[目标值]，T2长时等待率的[目标值]，T3预测误差率的[目标值]。·性能估计函数E＝AP×AWT＋Ag×RLW＋Ar×RPE(其中Ap、Ag和Ar为加权系数)。·附加记录判断E＜BY(BY总的估计参考值，例如，BY＝1000)。[29]第五例性能估计函数·控制目标[估计项数使得平均等待时间AWT、长时等待率RLW和预测误差率RPE尽可能多地保留在其各自的许可增加范围内]·性能参考值T1a＝15秒，T1b＝3秒，T2＝2％，T3＝3％(其中T1a平均等待时间的[目标值]，T1b平均等待时间许可偏差范围，T2[长时等待率的[上限值]，T3预测误差率的[上限值]。·性能估计函数E＝f(|AWT—Tla|—T1b)＋f(RLW—T2)＋f(RPE—T3)(其中，f(X)表示一个函数，即f(X)＝1，X≥0和f(X)＝0，X＜0)。·附加记录判断E＜BY(BY总的估计参考值，例如，BY＝1)。[30]第六例性能估计函数·控制目标[使平均等待时间AWT从其最好值(最小值)起保持在其预定许可范围内，并尽可能多地减小长时等待率RLW]。·性能参考值Tla＝BVPE(秒)，Tlb＝2秒，T2＝2％(其中，T1a平均等待时间的[目标值]，T1b平均等待时间的许可偏差范围，T2长时等待率的[目标值])。·性能估计函数E＝(100—RLW)×f(T1b—|AWT—BVPE|)(其中f(X)表示一个函数，即f(X)＝1，X≥0和f(X)＝0，X＜0).·最佳值判断Max{E}。
第一和第二例性能估计函数[25]，[26]适用于估计项仅为一个平均等待时间且其控制目标也很简单的一种情况，因此，可比较容易地产生估计函数。利用图7所示的估计项代替平均等待时间非常容易(当然，即使估计项超出图7所示也可以)。
另一方面，对于多个估计项，由于控制目标成为可变，性能估计函数将变得复杂。当采用第三和第四性能估计函数[27]和[28]时，结合估计项与目标值之间的偏差对性能估计函数加权计算。其中，通常联系各估计项优先度估计目标实现程度的方法一般是已知的。尤其是，当估计项的控制目标相互相反时，这是一个非常方便的方法。
如第五个性能估计函数[29]所示，其中，群控性能值落在判断许可范围(例如，等于或低于上限值，等于或高于下限值，或者与目标值的偏离保留在某个值内)的估计项的数量，根据每个估计项来查找，并可根据该数量来估计群控性能。
再者，每个估计值分别根据两或多个不同的性能估计函数计算，并根据多个估计值的组合完成附加记录判断、删除判断、最佳集合判断等等。
如第六个性能估计函数[30]所示，其中有两个条件，即平均等待时间维持在距最小值(E1＝|AWT—BVPE|，E1≥T1b)一个预定许可范围内，长时等待率在其中(E2＝RLW，Min{E2})为最小，首先可以通过性能估计函数E1选择候选的最佳值，然后可以通过性能估计函数E2最终选择最佳值。如第六个性能估计函数[30]所示，可以综合两组性能估计函数和两个条件，重写一个性能估计函数和一个判断条件，以利用性能估计函数和判断条件选择最佳集合。
在第一个实施例中，尽管母集合的选择概率取决于性能估计值，但也可以平分该选择概率。在如第一个实施例的情况下，趋向于生成具有类似性质的新集合，因此，贮存在存储器11内的集合的变化会消失。当该变化消失时，即使在查找的初始阶段，也可能存在着局部解决方法的收敛问题。因此，在必须避免初始收敛的问题或必须减少计算量的情况下，可以使提供的母集合的选择概率平分。[第二个实施例]参见图21至25，以下将描述第二个实施例。在描述第二个实施例中，主要描述其与第一个实施例不同的部分。
图21是对应于图1的一张图，表示第二个实施例。图21中，性能参考值设定装置3包括一个人计算机，它为群控装置1提供参考值信号3a。参考值信号3a包括群控性能的[性能参考值]和控制查找装置的[控制参考值]。在本实施例中，性能参考值是平均等待时间的[目标值]；控制参考值是提供给附加参考值BX的[指定值]。参考值信号3a可以直接馈送给查找装置10(估计器13、参考值更新单元18、重新查找单元19以及初始化单元21)。
图22对应于图3，表示RAM10C的存储内容。图22中，TGT为形成查找条件信号1a之内容的数据项之一，它包括表示平均等待时间AWT之[目标值]的数据TAW(等待时间目标值)，以及表示附加参考值BX之指定值的数据TCB(附加参考指定值)。例如，等待时间目标值TAW置于5秒，附加参考指定值TCB置于3秒。TAWX是由等待时间目标值TAW转录的数据，用以计算性能估计值。
当输入参考值信号3a时，群控装置1取出包含在参考值信号3a内的性能参考值(等待时间目标值TAW)和控制参考值(附加参考指定值TCB)。如同图10中步骤234的操作那样，群控装置1将查找条件信号1a馈送到查找装置10，它包括电梯轿厢规格数据ELS、交通流量规格数据TRS、查找指令数据SCM、等待时间目标值TAW、以及附加参考指定值TCB。如果查找过程开始(见图11)，则在查找装置10中依次完成生成、估计、相加、删除、以及附加参考值修改，该过程与第一个实施例类似。当根据查找开始判断程序26向查找装置10输入查找条件信号1a时(见图25)，RAM10C存储电梯轿厢规格数据ELS、交通流量规格数据TRS、查找指令数据SCM、等待时间目标值TAW以及附加参考指定值TCB，如图22所示。
在第二个实施例中，相加程序34和删除程序35具有特殊的特征。在第二个实施例中，根据第二性能估计函数[26]所示的性能估计函数(E＝|AWT—T1|计算性能估计值，并相互比较性能估计值E和附加参考值BX。如性能估计值E小于附加参考值BX，则确定附加记录。即用指定值比较实际值与目标值之差值，当该差值小于指定值时，附加记录新的集合。因此，在相加程序34的步骤341(见图26)，执行计算[VPN＜——|AWT—TAWX|]，由此对附加记录判断设定性能估计值VPN。
在删除程序35的步骤352(见图17)，执行计算[VPD(P)＜——|AWT(P)—TAWX|]，由此对删除判断设定性能估计值VPD(1)至VPD(P)。
图23表示第二个实施例的附加参考值修改程序36的内容。
图23中，把在步骤40读出的附加参考指定值TCB代入修改值CBX。在下一步骤402，用修改值CBX重写附加参考值BX。在步骤403，读出等待时间目标值TAW，用该值重写当前正在使用的性能参考值(等待时间目标值TAWX)。
当完成对附加参考值的修改时，如同第一个实施例中那样执行对查找过程结束的判断以及对最佳集合的析取(见图11)，假定在最佳程序的析取程序38中，使性能估计值的计算方法不同于第一个实施例。即，在最佳集合析取程序38的步骤381(见图20)，以这样一种方式对最佳集合判断计算性能估计值VPS(1)至VPS(P)，即[VPS(1)＜——|AWT(1)—TAWX|，...，VPS(P)＜——|AWT(P)—TAWX|]。
在处理了最佳集合析取程序38之后，过程进入重新查找判断程序25的步骤。参见图24，以下将描述在重新查找判断程序25中，查找开始判断程序26的操作步骤。注意，图24相当于第一个实施例的图12。
图24中，在步骤261，由群控装置1提供查找条件信号1A，然后，由RAM10C贮存电梯轿厢规格数据ELS、交通流量规格数据TRS、查找命令数据SCM、等待时间目标值TAW以及附加基准指定值TCB。然后，与第一个实施例的查找开始判断程序26类似(见图12)，在步骤262至264，将查找指令数据SCM从
改变为[1]，并检测电梯轿厢规格数据ELS或交通流量规格数据TRS。在步骤265，当检测到至少一个变化时，查找开始标志STR置于[1]，并在通过下述第一种方式初始化后指令查找过程的开始。
另一方面，如果查找指令数据SCM、电梯轿厢规格数据ELS以及交通流量规格数据TRS的任一个未表示有变化，则在步骤267判断等待时间目标值TAW是否有变化。即，对当前设置的等待时间目标值TAWX和等待时间目标值TAW进行相互比较，以判断任何变化。如果TAW不等于TAWX，则标注为[已变化]，然后在步骤265将查找开始标志STR置于[1]。反之，如果TAW等于TAWX，则判断为[未变化]，执行步骤269的操作。
在步骤269，判断附加参考指定值TCB是否变化。即，对附加参考指定值TCB和当前设置的附加参考值BX进行相互比较，以确定存在任何变化。如果BX等于TCB，则判断为[未变化]，然后在步骤266将查找开始标志STR置于“0”，由此，若正在查找最佳集合，则保持继续状态，若查找过程已完成，则保持其完成状态。反之，如果BX不等于TCB，则判定为[已变化]，在步骤268，查找装置10将查找开始标志STR置于[2]，然后在通过第二种方式初始化之后，指令查找过程的开始。采用第一种方式的初始化包括对存储器的初始化和总的初始化(对估计次数NE、附加记录次数NR等等的初始化)。采用第二种方式的初始化是指除了存储器之外的总的初始化过程。
当在步骤269变更附加参考值BX时执行由第二种方式初始化的理由在于，即使附加参考值BX改变为更受限制(即更小)的值，也毫无疑问地在先前查找过程的范围内继续查找过程。从收敛的观点来看，当利用用作初始集合的生成和选择集合重新开始查找过程时，可以获得更好的查找效率。尤其是，当性能估计函数仅仅包含单一的估计项且仅变更附加参考值BX时，第二种方式的初始化就更合适了。
现在假定查找开始标志STR置于
，这样，判断结果就变成是否让最佳集合停留在当前状态(继续状态或结束状态)，还是从头重新开始。在此情况下，过程从图11中的步骤27进入步骤30，并根据查找许可标志FLAG的数值判断查找过程是否正在进行或结束。如果查找过程正在进行，FLAG等于[1]，过程进入步骤31，由此在查找结束判断程序37，将查找许可标志FLAG重新设置为
，重复步骤31至38，26和27的运行，直至在步骤27判断查找已结束。
如果查找完成了，查找结束判断程序37将查找许可标志FLAG置于[1]，这样，通过依次重复步骤26、27、30、26，使过程等待重新查找。
如果在查找期间或之后变更电梯轿厢规格数据ELS、交通流量规格数据TRS、性能参考值TAW、或控制参考值TCB，则通过查找开始判断程序26将查找开始标志STR置于[1]或[2]，过程从步骤27起进入初始化程序28。
图25表示初始化程序28。
图25对应于第一实施例的图13。参见图25，它在步骤284根据查找开始标志STR的值判断存储器的初始化是否必需。如果指定采用第一种方式的初始化，即如果将查找开始标志STR置于[1]，则类似于第一个实施例的初始化程序28(见图13)，在步骤281读出对应于交通流量规格数据TRS的初始集合群和群控性能数据。然后，在步骤282，利用初始集合群和群控性能数据执行初始化。
在步骤285，启动附加参考值的修改程序。步骤285的附加参考值的修改程序其内容与图23中所示程序36的内容相同。在该步骤285设置新的附加参考值(BX)和新的性能参考值(等待时间目标值TAWX)。然后，在步骤283像第一个实施例的初始化程序28(见图13)那样，也进行总的初始化。这就是采用第一种方式的初始化。
另一方面，当步骤284判断查找开始标志STR为“2”时，即当指定通过第二种方式的初始化时，则仅仅执行步骤283的总的初始化。即，不必执行步骤281和282的操作，将在查找开始前记录于存储器内的集合群用作初始集合群。尤其是，当结束最后查找时，在存储器11内保留了优良集合EPS(1)至EPS(P)，并使用其群控性能数据PRE(1)至PRE(P)。这就是采用第二种方式的初始化。
如上所述，在第二个实施例中，利用性能参考值设定装置3，可以从外部提供平均等待时间的目标值TAWX和附加参考值的指定值BX。因此，可以对群控或查找找到符合所需策略的最佳集合。
在第二个实施例中，在查找期间或查找结束后检测出参考值TGT(等待时间目标值TAW和附加参考值BX)的变化，由此可以进行重新查找。因此，当人为改变群控的控制策略，或人为改变参考值TGT时，就自动执行重新查找，故可以迅速获得最佳集合。
在第二个实施例中，可以根据开始查找时的情况选择第一种方式或第二种方式的初始化，这样就可以进行合适的初始化。例如，当稍微修改附加参考值BX时，可以利用第二种方式的初始化迅速执行重新查找。当附加参考值BX变更较大时，自然就需要采用第一种方式的初始化了。反之，在第二个实施例中，尽管当检测到性能估计函数(估计项、性能参考值、结构)的变化时，采用的是第一种方式的初始化，但当变化较小时，也可以采用第二种方式的初始化。
简而言之，采用第一种还是第二种方式初始化的方式选择产生了这样一个问题，就是哪一个集合群，即在当时获得的一个和GPS0初始化的一个集合群可以在新的查找条件下实现有效查找。然而，这样一种判断需要可观的计算时间，故视为不切实际。因此，需要根据上述变更项和变更量选择方式。
上述性能估计函数是一个例子，故也可以采用其它的函数，诸如性能估计函数[24]或第一至第六例性能估计函数([25]-[30])等等。
上述性能估计值不仅是附加记录判断的性能估计值，而且是最佳集合判断的性能估计值[19]、删除判断的性能估计值[21]以及参考值判断的性能估计值[22]或类似的值。[第三个实施例(删除单元的另一个实施例)]以下将根据图26说明删除单元16的另一个实施例，说明主要针对其与第一个实施例不同的部分。
图26表示第三个实施例的删除程序35。该流程图对应于第一个实施例的图16。
首先，在步骤411，计算一个公式NRH＝NR－NRX，以计算新的记录数NRH、新记录数NRH为附加记录数，用于在最后删除过程之后生存的新集合。在最后判断时的记录数NRX是一个在执行了最后删除过程时由附加记录数NR所表示的值。
接下来，在步骤412，比较新记录数NRH和删除开始判断值NRa，以判断是否到了删除的时间。删除开始判断值NRa例如设定为10次。
如果NRH＜NRa，则判断为不是删除集合的时间，然后，过程直接退出程序35。另一方面，如果NRH≥NRa，判断为是删除的时候，然后，将当时的附加记录数值NR置入最终判断时的记录数NRX以作更新。
然后，通过重复步骤414至422删除集合，直至单位数P达到删除结束判断值Pe。在初始化程序28的步骤283(见图13)，将NRX的初始值初始化为
(未示出)。
在步骤414，计算集合之间的距离DST(i，j)(其中，i，j＝1，2，…，p；i≠j)。距离DST(i，j)，有关两个集合(i，j)的关系如下所示。
DST(i，j)＝||EPU(i)—EPU(j)||[31](其中，i，j＝1，2，…，P；i≠j)。
假如每个集合的参数值EPS(i)，(i＝1，2，…，P)相对于每个参数已作了归一化。即每个参数值表示为相对由每个参数得出的可能最大值的比例，其值在0至100之间。
例如，如果作为参数之一由满载状态估计系数Ca所取的可能的最大值假定为50,000，有关满载状态估计系数Ca的归一化参数值在图8所示的集合EPS(1)中计算为20({＝(10,000÷50,000)×100}。同样，当预报误差系数的参数值Cb(最大值1,600)归一化时，其计算为(400÷1,600)×100＝25。
由于总共有25个控制参数，因此，DST(i，j)将为0≤DST(i，j)≤500。当在最佳集合析取程序38的步骤387(见图20)生成最佳集合数据BPD时，将每个归一化参数值重新转换为原始值。(例如，在满载状态估计系数Ca的情况下，再转换为20×50,000÷100＝10,000)。
在步骤415，选择形成最短距离DST(i，j)的集合对Pd1，Pd2。然后，在步骤416判断集合对Pd1，Pd2的特征是否相同。即，比较距离DST(Pd1，Pd2)和判断值DSTa，根据比较结果判断同一性。该判断值DSTa例如设为25。
如果DST(Pd1，Pd2)≤DSTa，过程进入步骤417，分别从两个集合Pd1，Pd2的群控性能数据PRE(Pd1)、PRE(Pd2)取出平均等待时间AWT(Pd1)，AWT(Pd2)，然后设置为删除的性能估计值VPD1、VPD2。
在步骤418，比较性能估计值VPD1和VPD2，以决定待删除的集合。如果VPD1＜VPD2，确定删除集合数为Pd2的集合，过程进入步骤419。然后，删除集合EPS(Pd2)和群控性能数据PRE(Pd2)的记录。然后，将已记录单元的数P的值减1。集合数被重新分配到余下的集合，过程在步骤419结束。
在步骤418如果VPD1≥VPD2，则判断集合Pd1之一被删除，过程进入步骤420。然后，删除集合EPS(Pd1)和群控性能数据PRE(Pd1)的记录。然后，将已记录单元的数P的值减1。留下的集合重新编号，过程在步骤420结束。
在步骤416，如果DST(Pd1，Pd2)＞DSTa，则判断它们的特征不相同，然后过程进入步骤421，在此步骤，相对于所有单元数1至P找出用于删除判断的性能估计值VPD(1)至VPD(P)，从中规定具有最差值的集合，然后将其集合数设为Pd1。该步骤421类似于第一个实施例中删除程序35(见图17)的步骤352至357，故省略对它的描述。图17中的删除集合数RP相当于集合数Pd1。
在步骤422，判断删除之后的集合数P是否变成删除结束判断值Pe或比Pe小。如否，过程重复步骤414至422，并当P变成等于或小于Pe时，结束删除程序35的运行。
如上所述，在第三个实施例中，根据集合之间的距离DST规定具有同样特征的一对集合，并删除该对集合中的一个集合，这样，特性相互不同的多个集合可以保留在存储器11中，由此确保存储器11的变化。当选择一对集合时，具有最好相似性(最短距离)的一对集合具有优先选择权，故特性相互不同的多个集合可以保留。
在第三个实施例中，当删除集合对中的一个集合时，保留较好性能估计值的集合，而删除较差性能估计值的集合，这样，贮存在存储器11内的多个集合的群控性能全部可以维持在一高水平上。应当注意，在第三个实施例中，当不存在删去相同一对集合时，将依次删去最差性能估计值的集合。因此，不必要的集合将继续删除，直至删除结束判断值为Pe。[第四个实施例(查找结束判断的另一个实施例)]参见图19，以下将描述查找结束判断单元的另一个实施例。在该第四个实施例中，主要描述与第一个实施例不同的部分。
在图19的步骤371，用附加记录次数NR取代估计次数NE，用查找结束判断值NRb取代查找结束判断值NEa。特别是，附加记录次数NR例如设为200。
即，如果NR＜NRb，则在步骤372将查找许可标志FLAG置为[1]，继续查找过程，如果NR≥NRb，则在步骤373将查找许可标志FLAG置为
，结束查找。
通常，当查找次数NE变成一个较大值，并当查找在一定程度上收敛时，附加记录次数与查找次数之比趋于减小。因此，为了有效地完成查找，必须考虑到查找运行的结果，即附加记录的集合数来判断查找的结束。因此，在该第四个实施例中，查找过程一直继续至附加记录次数NR(表示附加记录数)达到了查找结束判断值NRb。
如上所述，根据第四个实施例，系统可以避免在有效完成查找过程之前终止其查找过程。[第五个实施例(为查找结束判断的另一个实施例)]参见图27，以下将描述查找结束判断单元的另一个实施例。在该第五个实施例中，将主要描述与第一个实施例不同的部分。
图27表示第五个实施例的查找结束判断程序37，它对应于第一个实施例的图19。
在步骤431，根据公式NEH＝NE＋NEX计算经历过的估计次数NEH。经历过的估计次数NEH是在最后结束判断之后的新的估计数。在最后结束判断时的估计次数NEX表示在最后一次循环中判断到结束时的估计次数NE。步骤432判断在最后时刻之后，估计次数是否等于或大于某个次数。如果经历过的估计次数NEH小于某个值NEb，则在步骤433将查找许可标志FLAG置为“1”，继续查找。尤其是，例如将经历过的估计次数NEH置为20。
如果步骤432判断经历过的估计次数NEH等于或大于某个值NEb，则过程进入步骤434，并计算一个成功索引RSC。首先，根据公式NRH＝NR－NRX计算新记录次数NRH。该新记录次数NRH表示在完成最后结束判断之后附加记录新集合的次数。然后根据公式RSC＝NRH÷NEH，计算成功索引。在最后判断的记录次数NRX表示当在最后一次循环内已经完成结束判断时所计算的附加记录次数NR的值。
在下一步骤435，根据当时的估计次数NE和附加记录次数NR更新在最后判断时的估计次数NEX和记录次数NRX。在步骤436，根据估计次数NE、查找最终阶段判断值NEC、成功索引RSC以及查找结束判断值RSCa，判断是否结束查找。其中，查找最终阶段判断值NEC例如置于600。查找结束判断值RSCa例如置于0.05。
如果NE＜NEC或RSC≥RSCa，则判断查找仍未有效完成，查找许可标志FLAG置于[1]，继续在步骤433查找。如果NE≥NEC且RSC＜RSCa，则判断查找已经有效完成，并在步骤437将查找许可标志FLAG置于
，停止查找。
应当注意，步骤436包含有关估计次数NE之条件的理由，在于防止查找过程因减低了成功索引RSC而没有足够的估计次数就结束，在查找的初始阶段，这种情况可能起因于初始集合的规模GP-SO、交叉率CR以及变异率MR。如果未产生这类问题，有关估计次数NE的条件将不再为查找结束的判断条件所必需，由此，甚至用与成功索引RSC有关的条件就足够了。
如上所述在第五个实施例中，根据按估计次数和附加记录次数得到的成功索引RSC判断查找结束，由此可以高精度判断查找是否充分收敛。因此，无需毫无意义地重复查找，也可能效地找到最佳集合。
此外，在第五个实施例中，通过估计次数NE检测查找的初始阶段，在该初始阶段期间，即使成功索引RSC变各小于查找结束判断值RSCa，查找过程也不结束，这样，没有足够的估计次数，查找过程将不会结束。[第六个实施例(查找结束判断的另一个实施例)]参见图28，以下将描述查找结判断单元17的另一个实施例。在第六个实施例中，主要描述与第一个实施例不同的部分。
图28表示第六个实施例的查找结束判断程序37，它对应于第一个实施例的图19。
步骤451计算集合之间的距离DST(i，j)。距离DST(i，j)按上述公式[31]计算。注意，这种计算与第三个实施例中删除程序35的步骤414几乎相同。
在步骤452，根据上述计算的距离DST(i，j)计算相似的集合数NDST，即其DST(i，j)≤DSTa的集合数。DSTa为一个判断集合是否相同的判断值，在第六个实施例中，它与第三个实施例一样设置为25。在下一步骤453，计算查找结束判断值NDSTa。总之，当查找在收敛时，许多集合具有收敛在最佳集合周围的趋势。相同集合数NDST用作一个索引检测这样一种趋势，查找的收敛取决于相同集合数NDST与整个集合群合数之比例。如果判断阈值相对该比例置于80％，则根据NDSTa＝{PX(P－1)÷2}×0.8计算查找结束判断值NDSTa，因为当已经记录的集合数为P时，整个组合数变为{Px(P－1)÷2}。
此时，如果已附加记录的集合数达到最大值Pmax，尽管将在某一参照值下删除无需的集合，相同的集合数NDST也将根据如何删除无需的集合而改变。同样，相同的集合数NDST可以根据生成集合或附加记录的方法改变。因此，判断阈值不限制在80％，必须根据其它因素进行适当的修改。
在步骤454，根据相同集合数NDST和查找结束判断值NDSTa判断查找是否结束。如果NDST＜NDSTa，则判断查找仍未充分完成；在步骤455将查找许可标志FLAG置为[1]，继续查找；并终止查找结束判断程序37的运行。如果NDST≥NDSTa，则判断查找已经充分执行；在步骤456将查找许可标志FLAG置为
，停止查找；并终止查找结束判断程序37的运行。
如上所述，在第六个实施例中，根据集合之间的距离DST判断查找结束，这样，可以高精度检测查找的收敛。因此，无需毫无意义地重复查找，由此可有效地进行查找过程。查找结束判断条件不受上述那些条件收敛，可以采用其它的条件。[第七个实施例(最佳集合析取的另一个实施例)]参见图29，以下将描述析取器20的另一个实施例。在第七个实施例中，主要描述与第一个实施例不同的部分。
图29表示第七个实施例的一个最佳集合析取程序38，它对应于第一个实施例的图20。
在步骤471，分别从群控性能数据PRE(1)至PRE(P)取出平均等待时间AWT(1)至AWT(P)，然后设置为第一性能估计值VPS1(1)至VPS1(P)。在步骤472，分别从群控性能数据PRE(1)至PRE(P)取出长时间等待时间RLW(1)至RLW(P)，然后设置为第二性能估计值VPS2(1)至VPS2(P)。在步骤473，找出第一性能估计值VPS1(1)至VPS1(P)的最小值，把它们设置为最好值BVPE。
在步骤474，根据性能估计值选择最佳集合BP。即从存储器11中找到其数值(VPS1(i)－BVPE)等于或小于BZ的多个集合i。然后，将其中具有最小第二参考估计值VPS2(i)的集合选择为最佳集合BP。即完成两步骤的选择。BZ为参考值，表示偏离最好值BVPE的许可范围，在本实施例中设置为两秒。
然后以类似第一个实施例的方式生成最佳集合数据BPD，并在下一步骤388，将最佳集合数据BPD送到群控装置1。
如上所述，在第七个实施例中，采用两步选择来析取最佳集合。在用两个估计项判断某些优先度的情况下，由于将两步选择应用于析取，故可以根据这种优先度来析取最佳集合。当然也可以采用三步或多步选择。第七个实施例在意义上等同于上述第六个性能估计函数[30]的内容。[第八个实施例(群控性能值的另一种计算方法)]如第57-57，168号日本公开特许公报(KOKAI)所述，用实际的群控装置1取代第一个实施例的模拟器2，可以获得新集合的群控性能。以下参见图30和31进行描述。
图30表示该第八个实施例的一个系统，它对应于第一个实施例的图1。图31表示群控装置1的运行，它对应于第一个实施例的图9。以下将描述第八个实施例，其中主要描述与第一个实施例不同的部分。
参见图30，当根据由群控装置1输入查找装置10的查找条件信号1a命令查找时，查找装置10即在操作程序的步骤33执行估计程序(见图15)，生成类似于第一个实施例的模拟条件数据并输出模拟条件信号13a。
然而，如图30所示，在本实施例中将信号13a馈送到群控装置1。群控装置1在收到该信号13a后进入试运行方式。以下将利用图31所示的流程图详细描述这一运行。
图31中，步骤491判断它是否为试运行，并在步骤492判断是否开始试运行。当试运行标志FLG为“0”并当信号13a未包含开始试运行的指定时，根据步骤221至229执行常规群控运行。
另一方面，当在步骤492从信号13a的内容中检测到开始试运行方式时，在步骤493将试运行标志FLG置为[1]，并在步骤494由参数值设置当前使用临时换码。写入包含在信号13a中的估计的集合(新集合)取代这些换码。
然后，在常规群控运行中，在步骤221至229执行群控运行。在试运行期间，借助于试运行标志FLG为[1]后的步骤491至495，用步骤221至229执行群控运行。
当群控运行执行了一段时间(例如一小时)后，群控装置1在步骤495检测试运行的结束，在步骤496使试运行标志FLG复位为
，在步骤497送回已经换码的参数集合，同时，计算与试运行有关的群控性能数据PRF(诸如平均等待时间、长时间等待时间)。在步骤498，将群控性能数据PRF馈送到查找装置10，作为群控性能值信号2a。然后，群控装置1返回正常状态，并通过步骤221至229完成群控运行。
如上所述，当通过试运行获得群控性能值信号2a时，图30所示的查找装置10根据群控性能值信号2a获得性能估计值VPN，并比较性能估计值VPN与估计参考值BX，以判断是否要附加记录新集合。
如上所述，在第八个实施例中，是在实际装置中估计新集合的，这样，由于获得最佳集合的时间趋于变得更长，尽管不很合适，但是模拟器2不是必需的了，由此使系统成本降低。[第九个实施例(生成新集合的另一个实施例)]尽管在第一个实施例中，固定了交叉率CR和变异率MR，但第九个实施例的特征在于可以根据查找情况修改交叉率CR和变异率MR。
参见图32至34，以下将描述第九个实施例。主要将描述与第一或第二个实施例不同的部分。
图32表示第九个实施例的整体结构，它对应于第一个实施例的图1。图32中，出现率修改器4根据查找情况修改交叉率CR和变异率MR(各种生成方式的选择率)。
图33表示第九个实施例的操作程序，它对应于第一个实施例的图11。注意，除了将对应于图32所示出现率(emergence rate)修改器4之功能的出现率修改程序加入步骤50外，它基本上与图11所示的操作程序100相同。
图34表示出现率修改程序。在步骤501，根据公式NEH＝NE－NEX计算经历过的估计次数NEN，它表示在最后结束判断之后新执行的估计次数。将在以前循环中执行的最后结束判断时的估计次数NE的相同值设置为在最后判断的估计次数NEX。步骤502判断从前一循环以来，估计是否已经进行了一定次数或更多次数。如果经历过的估计次数NEH小于某一值NEb(例如20次)，则结束出现率修改程序。
另一方面，如果在步骤502判断经历的估计次数NEH等于或大于某个值NEb，程序进入步骤503，在此步骤计算成功索引RSC。
首先，根据公式NRH＝NR－NRX计算自最后结束判断开始已经附加记录表示新集合次数的记录NRH的次数。根据公式RSC＝NRH÷NEN计算成功索引RSC。将在以前循环进行最后结束判断时的附加记录的相同次数NR设置为在最后判断记录的次数NRX。在下一步骤504，根据当时的估计次数NE和附加记录次数NR更新在最后判断的估计次数NEX和在最后判断的记录次数NRX。
在步骤505至510，根据估计次数NE、第一判断值NEd1、第二判断值NEd2、成功索引RSC、成功率判断值RSCb、成功率判断值RSCc修改交叉率CR和变异率MR。例如，NEd1＝500；NEd2＝800；RSCb＝0.10；RSCc＝0.05。
如果NE≤NEd1且RSC≤RSCb，或如果在查找前半期成功索引处于比期望值更低的状态，则判断当前设置的交叉率CR和变异率MR不合适，过程进入步骤505、507和509，由此从当前值稍稍减小交叉率CR(例如减小0.001)，并从当前值稍稍增加变异率MR(例如增加0.001)。此外，在步骤509，采用与上述修改相反的方式，即将交叉率CR设置得稍微大于当前值(例如0.001)，将变异率MR设置得稍微小于当前值(例如0.001)。
实际上也可以用另一种方法来清除这样一种降低的成功索引。即，如果交叉率太大不能使用，则使交叉率CR较小，并使变异率MR较大。反之，如果交叉率太小不能用，则使交叉率CR较大，并使变异率MR较小。
总之，如果查找处于降低的状态，则改变每种生成方法的选择概率之比例，以清除这样一种降低状态。
如果NE≥NEd2且RSC≤RSCC，或如果在查找后阶段，成功索引处于比期望值更低的状态，则判断优良集合查找趋向于收敛，过程依次进入步骤505、506、508和510，由此使交叉率CR在当前值的基础上稍有增加(例如增加0.001)，并使变异率MR在当前值的基础上稍有减小(例如减小0.001)。
如果上述条件未满足，则判断当前设置的交叉率CR和变异率MR均合适，并终止出现率修改程序，不再对这些比率进行修改。
如上所述，在第九个实施例中，根据估计次数NE和成功索引RSC判断查找的进度，并可根据该判断修改交叉率CR和变异率MR。因此，可以比具有固定交叉率CR和固定变异率MR的系统更早地发现优良集合，并可缩短查找时间。结果，系统可以改善查找效率。
尤其是，在第九个实施例中，如果在查找的初始阶段(或前半部分)，成功索引变得低于期望值，则过程将交叉率CR设置成比当前值较低的值，并将变异率MR设置成比当前值较高的值，这样，当变异在更广泛的查找过程中执行加权时，系统可以提高生成更优群控性能之集合的概率。系统也可以清除已降低的查找状态。
此外，在第九个实施例中，如果在查找后阶段(或后半部分)，成功索引变得低于期望值，则过程将交叉率CR设置成比当前值较高的值，并将变异率MR设置成比其当前值较低的值，这样，当对局部查找过程加权时，系统可以使查找过程尽早收敛。系统也可以清除已降低的查找状态。[第十个实施例(出现率修改的另一个实施例)]参见图35，以下描述出现率修改器4的另一个实施例。图35表示一个出现率修改程序，它是由第九个实施例的出现率修改程序(见图34)经部分修改后的一个程序。
图35中，步骤502判断是否已达到了某个估计次数NEb(例如40次)。步骤506判断是否处于最后查找阶段(或是否NE≥NEd2)。最后，在步骤510，将交叉率CR设置得比当前值稍大些(例如稍大0.001)，虽将变异率MR设置得比当前值稍小些(例如小0.001)。因此，在查找的最后阶段，随着查找过程的推进，交叉率CR逐渐变得较大，反之，变异率MR则逐渐变得较小。除了上述这部分外，其它运行与第九个实施例是完全相同的。
如上所述，在第十个实施例中，由于随着查找过程的推进，系统从生成加权变异转变为生成主要依靠于交叉，故在查找的初始阶段(前半部分)，系统可以保持群控性能的变化，并在最后阶段(后半部分)可以使查找过程尽早收敛。结果，可以有效地找到具有更优群控性能的集合。[第十一个实施例(交叉对选择的另一个实施例)]参见图36至39，以下将描述第十一个实施例，主要说明其与第一或第二个实施例不同的部分。
图36表示第十一个实施例的系统。在该实施例中，利用集合之间的距离作为对交叉目的选择集合对(交叉对)的条件。此外，在本实施例中，将系统构建成能根据集合之间的距离修改条件(以下称为“距离条件”)。图36中所示的一个母集合选择条件修改器5用以根据查找情况修改距离条件。
图37表示第十一个实施例的一个操作程序，它对应于第一个实施例的图11。图37中，步骤31生成新集合。尽管该生成的运行如第一个实施例的图14所述那样，但本实施例在选择交叉对PS1、PS2(步骤317)的过程方面仍不同于第一个实施例。将对应于母集合选择条件修改器5(见图36)的母集合选择条件修改程序加入步骤52，由此可以修改上述距离条件。本实施例的其它结构用与第一个实施例相同的方式构成。
图38表示在新集合生成程序31(见图14)中包含的步骤317的运行。在图38的步骤317a中，将计数器RC的值初始化为
。在本实施例中，计数器RC利用集合间的距离条件对集合对的选择次数计数。根据公式[31]计算集合间距离。
在下一步骤317b，系统根据性能估计值的大小对选择概率加权，随机选择形成一对的两个集合PS1，PS2。下一步骤317C判断利用距离条件的集合选择是否完成了一定的次数或更多次数(例如10次)。
如果通过重复步骤317d至317h一定次数或更多次数，仍然不能选择满足距离条件的两个集合PS1，PS2，则将步骤317b选择的两个集合PS1，PS2确定为交叉的集合对。
另一方面，当距离条件使用的集合选择的次数小于某个次数(RC＜10)时，过程进入步骤317c，然后进入317d，并将计数器RC的值加1。在步骤317e，计算在步骤317e选择的两集合PS1、PS2之间的距离DST。即与公式[31]那样，计算DST＝||EST(PS1)－EPS(PS2)||。如上所述，将每个参数值归一化为0与100之间的一个数值。在步骤317e，如果计算了距离DST，则在步骤317f至317h判断距离DST是否满足作为交叉对选择条件之一的距离条件。
如果条件选择标志SELS置为[1]，且如果将第一选择条件指定为距离条件，过程进入步骤317f，317g，在该步骤判断距离DST是否等于或大于第一选择参考值DSTb1。如果DST＜DSTb1，则放弃满足该距离条件的两个集合PS1、PS2，过程再次返回步骤317b，从头开始重复相同过程。
另一方面，如果将条件选择标志SELS置为[2]，且如果将第二选择条件指定为距离条件，则如同以上所述那样，在步骤317h判断距离DST是否等于或小于第二选择参考值DSTb2。如果DST＞DSTb2，则判断选择条件未满足，过程进入步骤317b从头起重新开始。
反复步骤317b至317h的运行，直至距离条件达到某个次数(10次)，或直至找到满足距离条件的两个集合。如果生成两个满足DST≥DSTb1或DST≤DSTb2的集合，则使该两个集合成为规则交叉对PS1、PS2，过程进入步骤318。步骤318之后的那些步骤与第一个实施例中的步骤相同。
如上所示，系统可以利用距离条件选择交叉对。该距离条件可以根据查找情况通过选择条件修改程序52修改。
图39表示步骤52(见图37)选择条件修改程序的详细内容。
在步骤521至524，像第九个实施例中出现率修改程序50(见图34)中的步骤501至504的运行那样运行成功索引RSC。通常，将该成功索引定义为附加记录次数除以估计次数。
在步骤525至536，用估计次数NE、第一判断值NEd1，第二判断值NEd2、成功索引RSC、以及成功率判断值RSCd、RSCe、RSCf修改选择参考值DSTb1、DSTb2。例如，NEd1＝500；NEd2＝800；RSCd＝0.10；RSCe＝0.05；RSCf＝0.05。例如，在初始化程序28(见图13)的步骤283，SELS＝1；DSTb1＝250；DSTb2＝250。
步骤525判断NE≤NEd1否，即查找仍然处于(前半部分)，在步骤527，将SELS置为[1]，并将第一选择条件指定为交叉对选择条件。然后，在步骤529，比较成功索引RSC和成功率判断值RSCd。如果成功索引RSC小于成功率判断值RSCd(RSC≤RSCd)，则判断由于当前设置的第一选择参考值DSTb1之值太有限，故符合该条件的集合太少，由此阻止成功索引RSC较高。因此，在步骤531，将第一选择参考值DSTb1设置得稍小些(例如小5％)。
另一方面，如果NE≥NEd2，或者，亦即查找处于[最后阶段]，则过程进入步骤525、526、528，将SELS置为[2]；并将第二选择条件指定为交叉对选择条件。然后在步骤529，比较成功索引RSC和成功率判断值RSCf。如果成功索引RSC小于成功率判断值RSCf(RSC≤RSCf)，则判断由于当前设置的第二选择参考值DSTb2的值太有限，故符合条件的集合太少，由此阻止成功索引RSC较高。因此，在步骤532，将第二选择参考值DSTb2的值设置得稍大些(例如大5％)。
如果成功索引RSC大于成功率判断值RSCf，则判断当前选择的交叉对选择条件之选择参考值将毫无疑问地在当前值上提高，结束选择条件修改程序52的运行。
在步骤525、526，当判断NEd1＜NE＜NEd2，即为[中途]时，则在步骤533比较成功索引RSC和成功率判断值RSCe。如果成功索引RSC小于成功率判断值RSCe(RSC≤RSCe)，则认为当前选择条件不合适，故必须改换选择条件。因此，在步骤534判断当前选择条件是否为第一或第二选择条件之后，即在步骤535将选择条件变更为第二选择条件(SELS＝2)，或在步骤536变更为第一选择条件(SELS＝1)。
如果成功索引RSC大于成功率判断值RSCe，则判断当前选择的选择条件无问题，结束选择条件修改程序52的运行。
如上所述，在第十一个实施例中，由于将表示两集合间相似性的集合间距离用作交叉对的选择基准，故可以用广泛的和局部的查找过程生成新集合。
即，如果其集合间距离等于或大于第一选择参考值DSTb1的那一对集合取得选择优先度，且如果使交叉与相互具有尽可能不同特征的两个集合匹配，则可提高生成具有较好群控性能之集合的概率，尽管该过程可能遭受挫折或损失性能和收敛较差。相反，如果其集合间距离等于或小于第二选择参考值DSTb2的那一对集合取得选择优先度，且如果使交叉与相互具有尽可能相同特征的两个集合匹配，尽管降低了生成具有优良群控性能之集合的概率，但能提高生成具有优良群控性能之新集合的概率。
在第十一个实施例中，系统尤其根据估计次数判断查找的初始阶段或最后阶段，在查找的初始阶段，为其集合间距离等于或大于第一选择参考值DSTb1的那一对集合提供选择优先度，对广泛的查找过程加权。在查找的最后阶段，为其集合间距离等于或小于第二选择参考值DSTb2的那一对集合提供选择优先度，对查找收敛加权，为此系统可以改善其查找效率。
尤其是，在第十一个实施例中，利用交叉对选择条件进行查找，其中，为其集合间距离等于或大于第一选择参考值DSTb1的那一对集合提供选择优先度，将第一选择参考值DSTb1置于比其当前值为小的值，故在查找的初始阶段，如果成功索引RSC变得小于期望值，则交叉条件将变得更平缓。结果，由于所分配的第一选择参考值DSTb1不合适，查找处于低落状态，这时将自动设置合适的第一选择参考值DSTb1，以清除低落状态。
尤其是，在第十一个实施例中，利用交叉对选择条件进行查找，其中，为其集合间距离等于或小于第二选择参考值DSTb2的那一对集合提供优先度，将第二选择参考值DSTb2设置成比其当前值为大的值，故在查找最后阶段，如果成功索引RSC变得小于期望值，则交叉条件将变得更平缓。结果，由于所分配的第二选择参考值DSTb2不合适，查找处于低落状态，这时将自动设置一个合适的第二选择参考值DSTb2，以清除低落状态。
尤其是，在第十一个实施例中，在查找期间是在第一交叉对选择条件中途进行查找，如果成功索引RSC变得小于期望值，则该条件变更为第二交叉对选择条件，故当该选择条件未使其适合当前情况，并使查找进入低落状态时，系统可以自动将其，转换为合适的选择条件。
再者，尤其在第十一个实施例中，当在查找最后阶段在第二交叉对选择条件下进行查找时，如果成功索引RSC变得小于期望值，则该条件变更为第一交叉对选择条件，故当该选择条件未使其适合当前情况时，使查找进入一个低落状态，系统可以自动将其转换为合适的选择条件。[第十二个实施例(交叉对选择的另一个实施例)]参见图40，描述选择条件修改器5的另一个实施例。图40表示一个选择条件修改程序，它是第十一个实施例的选择条件修改程序52(见图39)的一种部分作了修改的形式。
在图40中，步骤522判断估计次数是否为一个固定数NEb(例如50次)。步骤526判断它是否为第二时期(后阶段)，如果它不是第二时期(NE＜NEd2)，则在步骤527将第一条件指定为交叉对选择条件；在步骤531，将第一选择参考值DSTb1设置得稍小一些(例如，小2％)。反之，如果在步骤526判断其为第二时期(NE≥NE2d)，则在步骤528将第二条件指定为交叉对选择条件；在步骤532，将第二选择参考值DSTb2设置得稍小些(例如小2％)。
如上所述，在第十二个实施例中，在利用第一选择参考值DSTb1使用的交叉对选择条件时期，根据查找的进度可以转换交叉对选择条件。即，将该时期初始阶段的第一选择参考值DSTb1的值设置得大于在该时期后阶段期间的值，这样，在该时期的初始阶段，对群控性能的变化加权，而在该时期的后阶段，则对查找收敛加权。
同样，在第十二个实施例中，在利用第二选择参考值DSTb2使用的集合对选择条件时期，根据查找进度转换交叉对选择条件。即，将该时期初始阶段的第二选择参考值DSTb2设置得小于该时期后阶段的值，这样，在该时期的初始阶段，对群控性能的变化加权，而在该时期的后阶段，对查找收敛加权。因此，系统可以通过转换选择条件改善查找效率。[第十三个实施例(交叉参数选择的另一个实施例)]在第一个实施例中，其中参数值被置换的交叉参数(参数位置)是对两个母集合随机选择的。相反，第十三个实施例中的生成器，其特点在于将参数值之差(参数偏差)用作参数选择条件，以及根据查找情况修改其中的参数选择条件。
参见图41和42描述生成器。在本第十三个实施例中，主要描述与第十一个实施例不同的部分。
图41表示第十三个实施例的新集合生成程序31(见图14)中步骤318的内容。图41中，在步骤318a，将计数器RC的值初始化为“0”。在本实施例中，计数器RC用以计算次数，确定作为交叉参数选择条件之一的参数偏差条件。步骤318b在0至25范围内产生一个随机数，以确定与此有关的参数PX。这与第一个实施例所述的运行相同。
步骤318c对确定参数偏差条件的次数与某一次数进行比较。当即使重复步骤318d至318h一定次数或更多次数(例如10次)时仍未能发现满足参数偏差条件的交叉参数PX时，则判断考虑了参数偏差的选择已经充分完成，过程在步骤318结束，以确定在步骤318b选择的参数PX作为交叉参数。
另一方面，在步骤318c，如果确定参数偏差条件的次数小于某个次数(RC＜10)，过程进入步骤318c，然后进入步骤318d，计数器RC加1。在下一步骤318e，计算所选两个集合PS1、PS2的第PX个数值之差[|EPS(PS1)＜PX＞－EPS(PS2)＜PX＞|]，以找到距离DSTP。将每个参数转换成0与100之间的一个数值，并归一化。在最佳集合析取程序38的步骤387(见图20)，当生成最佳集合数据BPD时，在群控装置1中将每个参数重新转换成有用的数值。
如上所述，在步骤318e计算两个集合PS1、PS2之第PX个参数值的差值DSTP，然后在步骤318f至318h判断是否满足了通过选择指定的偏差条件。
在将第一选择条件指定为参数偏差条件(SELS＝1)时，过程进入步骤318f，然后进入步骤318g，此时判断偏差DSTP是否等于或大于第一选择参考值DSTc1。如果DSTP＜DSTc1，则放弃不满足参数偏差条件的交叉参数PX，过程返回步骤318b，从头起重复相同运行。
同样，在将第二选择条件指定为参数偏差条件(SELS＝2)时，在步骤318h判断偏差DSTP是否等于或小于第二选择参考值DSTc2。如果选择条件不满足(DSTP＞DSTc2)，过程进入步骤318b，重新从头开始。
重复步骤318b至318h的运行，直至确定参数偏差条件一定次数(10次)或更多次数，或直至找到满足参数偏差条件的交叉参数。如果检测到符合DSTP≥DSTc1或DSTP≤DSTc2的交叉参数PX，则判断参数PX为规则交叉参数PX，过程进入下一步骤319。由于步骤319以后的步骤与第一个实施例中的相同，故这部分不再描述。
图42表示根据查找进展修改上述选择条件的一种方法。
图42表示在操作程序100第52步骤(见图37)的一个选择条件修改程序。
除了步骤531、532外，第十三个实施例的选择条件修改程序与第十一个实施例的选择条件修改程序(图39)相同。因此，主要将描述其中对选择参考值DSTc1、DSTc2进行校正的步骤529至532的运行，假设在初始化程序28的步骤283(见图13)，指定数据SELS＝1；选择参考值DSTc1＝50；选择参考值DSTc2＝50。
在查找初始阶段(NE≤NEd1)，如果成功索引RSC小于期望值RSCd(RSC≤RSCd)，同时选择了第一选择条件(SELS＝1)，则判断满足条件的交叉参数值太小，并阻止成功索引RSC因当前设置的第一选择参考值DSTc1太局限和不合适而变得较大。然后，过程进入步骤529，再进入531，此时，将第一选择参考值DSTc1设置得稍小一些(例如小5％)，结束选择条件修改程序52的运行。
另一方面，在查找的最后阶段(NE≥NEd2)，如果成功索引RSC小于期望值RSCf(RSC≤RSCf)，同时选择了第二选择条件(SELS＝2)，则判断符合该条件的交叉参数太小，并阻止成功索引RSC因当前设定的第二选择参考值DSTc2太局限且不合适而变得较大。然后，过程进入步骤530并继而进入532，此时，将第二选择参考值DSTc2设置得稍大些(例如大5％)。
如果成功索引RSC大于期望值RSCd，则判断当前选择的选择条件的选择参考值毫无疑问地在当前值上增大，并结束选择条件修改程序52的运行。
如上所述，在第十三个实施例中，由于获得了表示两个所选集合之相似性的参数偏差，并由于其后根据该参数偏差设置了参数选择条件，故可以使生成考虑到群控性能的变化和查找的收敛。
即，如果其参数偏差等于或大于第一选择参考值DSTc1的控制参数在选择中给予优先度，且如果交叉能匹配于其特性尽可能相互不同的参数，则尽管选择可能遭受麻烦或损失性能和收敛较差，仍可以提高生成具有优良群控性能的新集合的概率。如果其参数偏差等于或小于第二选择参考值DSTc2的控制参数取得选择优先度，且如果交叉能匹配于其特性尽可能相互相同的参数，则尽管可能降低具有优良群控性能之新集合的生成概率，但仍可提高具有相对优良群控性能之新集合的生成概率。
在第十三个实施例中，根据估计次数判断查找的初始阶段和最终阶段；在查找的初始阶段，执行对群控性能变化加权的查找过程，其中，其参数偏差等于或大于第一选择参考场值DSTc1的控制参数取得选择优先度；反之，在查找的最后阶段，执行对查找收敛加权的查找过程，其中，其参数偏差等于或小于第二选择参考值DSTc2的控制参数取得选择优先度。因此，可以根据查找时期执行考虑到群控性能变化和查找收敛的生成。
在第十三个实施例中，在应用第一选择参考值DSTc1使用的交叉参数选择条件进行查找时，把第一选择参考值DSTb1设置成比其当前值为小的值，这样，在查找的初始阶段如果成功索引RSC变得比期望值小，则选择条件将变得更平缓。结果，由于所分配的第一选择参考值DSTb1不合适而使查找处于低落状态，其数值自动修改到合适的值。在第十三个实施例中，在利用应用第二选择参考值DSTc2的交叉参数选择条件进行查找时，将第二选择参考值DSTb2设置成比其当前值为小的值，因此，在查找的最后阶段，如果成功索引RSC变得小于期望值，则选择条件将变得更平缓。结果，由于所分配的第二选择参考值DSTb2不合适而使查找处于低落状态时，其数值自动修正到合适值。
在第十三个实施例中，在查找中途利用应用第一选择参考值DSTc1的第一交叉参数选择条件进行查找时，如果成功索引RSC变得小于期望值，则将它转换成应用第二选择参考值DSTc2的第二交叉参数选择条件。结果，在因第一交叉参数选择条件不适合当前情况而使查找处于低落状态时，该条件可以自动转换到合适的选择条件。
在第十三个实施例中，在查找中途利用应用第二选择参考值DSTc2的第二交叉参数选择条件进行查找时，如果成功索引RSC变得较小于期望值，则转换成应用第一选择参考值DSTc1的第一交叉参数选择条件。结果，在因第二交叉参数选择条件不适合当前情况而使查找处于低落状态时，该条件可以自动转换成合适的选择条件。
这样，根据第十三个实施例的系统可以清除低落状态的查找，并由此通过变更选择参考值和根据查找情况转换选择条件来改善查找效率。[第十四个实施例(选择条件修改的另一个实施例)]参见图43，以下将描述选择条件修改器5的另一个实施例。图43表示选择条件修改程序52的运行步骤，它是第十三个实施例中部分作了修改的程序(见图42)。
图43中，步骤522判断估计次数是否为一个固定数NEb(例如50次)。步骤526判断是否为第二时期(后阶段)，如果不是第二时期(NE＜NE2d)，则在步骤527将第一条件指定为交叉参数选择条件；在步骤531，将第一选择参考值DSTb1设置得稍小些(例如小2％)。
反之，如果在步骤526判断为第二时期(NE≥NE2d)，则在步骤528将第二条件指定为交叉参数选择条件；在步骤532，将第二选择参考值DSTb2设置得稍小些(例如小2％)。
这样，根据查找情况变更与参数偏差有关的条件。除了以上所述之外，其它运行与第十三个实施例的相同。
如上所述，在第十四个实施例中，在利用应用第一选择参考值DSTb1的交叉参数选择条件时期内，将该时期初始阶段的第一选择参考值DSTb1设置得大干该时期后阶段的值，为此，设置的选择条件使该时期的初始阶段比后阶段更严密，从而，在该时期的初始阶段，对群控性能变化加权，而在该时期的最后阶段，对查找收敛加权。
同样，在第十四个实施例中，在利用应用第二选择参考值DSTb2的交叉参数选择条件时期内，将该时期后阶段的第二选择参考值DSTb2设置得小于该时期初始阶段的值，为此，设置的选择条件使该时期的后阶段变得比初始阶段更严密。结果，在该时期的初始阶段对群控性能变化加权，而在该时期的最后阶段则对查找收敛加权。
尽管在第九至第十四个实施例中，是根据估计次数NE来判断是否为查找的前半部或后半部，或是否为查找的初始阶段或最后阶段，但也可以通过用附加记录次数NR取代估计次数NE来判断是否为查找的前半部或后半部，或是否为查找的初始阶段或最后阶段。[第十五个实施例(参数选择的另一个实施例)]接下来，将利用图44和45描述生成器的另一个实施例。在第十五个实施例中，根据交通流量特性的相关程度和群控性能估计项的相关程度判断每个参数的选择概率(出现率)。第十五个实施例的基本结构与第二个实施例的相同，因此，以下将主要描述其中与第二个实施例不同的部分。
图44表示新集合生成程序31中步骤318(见图14)的内容。
图44中，步骤318j至318q根据交通流量规格判断25个参数的参数出现率RPA(1)至RPA(25)。尤其是在步骤318j至318l，根据乘客数、底层交通比例、上行交通比例、下行交通比例等内容及包括在交通流量规格数据TRS中的类似比例，区分交通流量的形式。即，判断在高峰时间段、上顶、下底和常规时间段当中，究竟哪一种情况为当前交通情况。
如果判断为常规时间段，则在步骤318m将先前为常规时间段准备的各个参数的出现率RPA1(1)至RPA1(25)设置为参数出现率RPA(1)至RPA(25)。同样，当判断为高峰时间时，在步骤318n将RPA2(1)至RPA2(25)设置为参数出现率RPA(1)至RPA(25)；当判断为上顶时间时，在步骤318P将RPA3(1)至RPA3(25)设置为参数出现率RPA(1)至RPA(25)；当判断为下底时间时，在步骤318q将RPA4(1)至RPA4(25)设置为参数出现率RPA(1)至RPA(25)。图45的列10B表示为各种交通流量准备的参数出现率RPA1(1)至RPA1(25)，RPA2(1)至RPA2(25)，RPA 3(1)至RPA3(25)，RPA4(1)至RPA4(25)。
图45中，交通流量的特征针对常规时间段，关于参数出现率RPA(1)至RPA(25)，对于与交通流量有密切关系的参数(参数编号＝1至9，22至25)，出现率设置成“10”，而对于与交通流量几乎没有关系的参数(参数编号＝18至21)，出现率设置成“0”。对于与交通流量有适度关系的控制参数(参数编号＝10至17)，出现率设置成“5”。
当交通流量的特征针对高峰时间段时，有关参数出现率RPA2(1)至RPA2(25)，对于与交通流量有密切关系的参数(参数编号＝1至9，18至21)，出现率设置成“10”，而对于与交通流量几乎没有关系的参数(参数编号＝10至17)，出现率置于“0”。对于与交通流量有适中关系的控制参数(参数编号＝22至25)，出现率置于“5”。
当交通流量的特征针对上顶时间段时，关于参数出现率RPA3(1)至RPA3(25)，对于与交通流量有密切关系的参数(参数编号＝1至13)，出现率置于“10”，而对于与交通流量几乎没有关系的参数(参数编号为14至21)，出现率置于“0”。对于与交通流量有适中关系的控制参数(参数编号为22至25)，出现率置于“5”。
当交通流量的特征针对下底时间段时，关于参数出现率RPA4(1)至RPA4(25)，对于与交通流量有密切关系的参数(参数编号＝1至9，14至17)，出现率置于“10”，而对于与交通流量几乎无关系的参数(参数编号＝18至21)，出现率置于“0”。对于与交通流量有适中关系的控制参数(参数编号＝22至25)，出现率置于“5”。
如上所述，步骤3l8j至3l8q根据交通流量规格确定25个控制参数的参数出现率RPA(1)至RPA(25)。各个交通流量RPA1(1)至RPA1(25)，RPA2(1)至RPA2(25)，RPA3(1)至RPA3(25)以及RPA4(1)至RPA4(25)的出现率的值并不局限于图45所示的值。如果相对表示出与各个交通流量特征有关的程度，则有可能设置任何值。在各控制参数之间有可能存在小差别的出现率。
接下来参见图44，步骤3l8r根据校正值RPAA(1)至RPAA(25)校正参数出现率RPA(1)至RPA(25)，校正值RPAA(1)至RPAA(25)与群控性能估计项的相关程度(例如平均等待时间)成比例。
校正值RPAA(1)至RPAA(25)由上述性能参考值设定装置3设置。如第二个实施例所述，性能参考值设定装置3作为其输出提供了平均等待时间的[目标值]，估计参考值BX的[指定值]，与第二个实施例相同，在本第十五个实施例中，除了上述以外，还提供了作为估计项的与平均等待时间的[相关程度]作为校正值。
因此，由群控装置1将包含在查找条件信号1a内的参考值数据TGT提供给查找装置10，后者包含等待时间目标值TAW、附加参考指定值TCB以及校正值RPAA(1)至RPAA(25)。图45所示的RPAA(1)至RPAA(25)表示平均等待时间之目标值的校正值。
关于校正值RPAA(1)至RPAA(25)，对于与作为估计项的平均等待时间有密切关系的控制参数(参数编号＝8，22，23)，校正值置为“10”，而对于几乎与之没有关系的控制参数(参数编号＝10至21)，校正值置“0”。对于与之具有适度关系的控制参数(参数编号＝1至7，9，24，25)，校正值置“5”。
另一方面，如果估计项不是平均等待时间而是节电，关于校正值RPAA(1)至RPAA(25)，对于与作为估计项的平均等待时间有密切关系的控制参数(参数编号＝4至7，22至25)，校正值置“10”，而对于与之几乎没有关系的控制参数(参数编号＝9至21)，校正值置“0”。对于与之有适度关系的控制参数(参数编号＝1至3，8)，校正值置“5”。
即使估计项不是如上所述，同样可以根据相关的程度确定校正值RPAA(1)至RPAA(25)。如果相对表示出与估计项的相关程度，则可以为校正值RPAA(1)至RPAA(25)设置任何值。各控制参数之间的校正值有可能存在小的差别。
接下来，在步骤3l8S，产生一个其值在
与[参数出现率RPA(1)至RPA(25)总和]之间的一个随机数，以确定进行交叉或变异的参数编号PX。然后，过程进入下一步骤319，由于步骤319以后的步骤与第一个实施例的相同，故这部分描述就省略了。
如上所述，在第十五个实施例中，与特定交通流量特征有密切关系的参数值，由于参数与交通流量特征之间的相关程度设置为参数选择条件而在变化中取得优先度，由此提高了将生成具有优良群控性能之新集合的概率。
在第十五个实施例中，为每个参数设置与交通流量特征之相关程度生成比例的出现率，并根据该出现率选择参数，故容易选出与特定交通流量特征有密切关系并容易影响群控性能的参数，故生成具有优良群控性能之新集合的概率变高了。
在第十五个实施例中，由于当执行群控时并不通过将其出现率置于零而选择与交通流量特征无关的控制参数，故完全可以防止将交叉或变异应用于与交通流量特征无关的参数。
在第十五个实施例中，由于将参数与作为估计目的的估计项之间的相关度设置为参数选择条件，故与估计项有密切关系的参数值在变化中取得优先度，由此提高了将生成具有优良群控性能之新集合的概率。
在第十五个实施例中，为每个参数设置出现率，它与作为估计目的的估计项的相关度成比例，并根据该出现率选择参数，故趋向于容易选择容易影响群控性能的参数，故提高了生成具有优良群控性能之新集合的概率。
在第十五个实施例中，由于并不通过将其出现率设为零而选择与估计项无关的控制参数，故完全可以防止将交叉或变异应用于与作为估计目标之估计项无关的参数。
再者，在第十五个实施例中，将参数与作为估计目标的估计项之间的相关度以及控制参数与交通流量特征之间的相关度组合形成参数条件，故提高了生成具有优良群控性能之新集合的概率。
这样，根据第十五个实施例，减少了无用新集合的生成、估计、附加记录判断以及类似的过程，使查找能有效进行。
注意，如果群控性能的估计函数包括多个估计项，则根据各个估计项的重要性，对各个出现率加权，或附加校正值。[第十六个实施例(交叉对选择的另一个实施例)]接下来，将描述生成器的另一个实施例。在该实施例中，根据相同集合的数量选择交叉集合。关于第十六个实施例，接下来将主要描述其与第一个实施例不同的部分。
在新集合生成程序31(见图11)中，步骤317用以根据该实施例选择交叉对PS1和PS2的运行(见图14)明显不同于第一个实施例，以下用图46描述其运行。
图46中，首先在步骤317j根据等式[31]计算各个集合(如果i，j＝1，2，…，P；i≠j)之间的距离DST(i，j)。计算与第三个实施例之删除程序35中的步骤414(见图26)的计算相同。每个参数值归一化为0与100之间的值。
步骤317K将集合数i初始化为1，重复步骤317l至317n的运行，直至在步骤317P检测到所有集合(i＝1，2，…，P)设定的出现率RSA(1)至RSA(P)。在步骤317l，为j≠i，而j＝1，2，…，P所有数找到DST(i，j)≤DSTa(相同集合数)的集合数MDST(i)。DSTa为一个判断值，用以判断两个集合是否相互相同，并在第十六个实施例中，如第三个实施例那样将其置于25。
在步骤31 7m，根据相同集合数MDST(i)，用公式RSA(i)＝1÷{MDST(i)＋1}计算集合i的出现率RSA(i)。即，随着相同的集合数变小，把出现率设置得较大。为了为下一步骤计算出现率，步骤317n将集合数加1。
这样，当为所有集合确定了出现率RSA(1)至RSA(P)时，最后在步骤317q产生两个具有
与[出现率(RSA(1)至RSA(P)总和]之间一个值的随机数，然后，根据各个随机数和出现率RUA(1)至RUA(P)，选择两个母集合PS1、PS2。
这是步骤317运行的结束，两个集合PS1和PS2被确定为标准交叉对。然后，过程进入下一步骤318。步骤318之后的步骤与第一个实施例的相同，故这部分描述省略。
如上所述，在第十六个实施例中，由于根据相同的集合数选择交叉对，故改善了使具有相互不同特征的集合对进行交叉的概率。因此，改善了生成具有优良群控性能之新集合的概率。
注意，在上述实施例中，尽管只选择了一个交叉参数(这种参数选择方法通常称作“一点交叉”)，但也可以采用其它方法。可以采用同时选择二个或多个交叉参数(“多点交叉”)的方法。还可以采用一种称为“均匀交叉”的方法，其中，事先准备具有与参数编号相同长度的程序列(掩码)，根据由掩码指定的各个位的值，确定哪个母集合可以将各种基因(参数值)转换成子集合。这与[变异]相同。
尽管该集合包括了25个参数，但其数量和内容仅仅是作为例子，本发明可以应用于群控算法中所用的任何一类参数集合。[第十七个实施例(系统结构的另一个实施例)]在上述诸实施例中，尽管将群控装置1和查找装置10安装在大楼的电梯机房中，并通过在线运行获得最佳集合，但也可以采用其它方法。
例如，对于实施例1至6和8至15，如图47所示那样，也可以将查找装置10和模拟器2安装在电梯维护公司的监视中心，并通过电话线利用通信装置4A和4B连接查找装置10和群控装置1。在此情况下，通信装置4A能与装有通信装置4B的其它大楼进行数据通信。采用此种结构，通常将一套查找装置和一台模拟器供多个群控装置使用。查找装置10、模拟器2和通信装置4A可以安装在经理室或安全保护中心。
根据第十七个实施例，通过共用一台昂贵的查找装置10和一台模拟器2，可以降低系统的成本。
尤其是在第八个实施例中，如图48所示，还可以将查找装置10安装在大楼的经理室或电梯维护公司的监测中心，并通过电话线利用通信装置4A和4B连接查找装置10和群控装置1。
查找装置10可以用于开发群控算法，即用于从多个群控算法方案中选择最佳群控算法方案的一种情况。总之，要开发一种新的群控算法时，根据当时获得的群控性能数据PRF可以利用模拟器进行模拟，对性能群控算法进行估计，或找到最佳集合。在此情况下，将模拟器2连接到查找装置10，如图49所示。
当群控装置1从其工厂发货时，当由图49所示的模拟器2找到最佳集合并然后记录时，或当记录初始化的集合群GPS1至GPS4时，查找装置10也是有用的。查找装置10和模拟器2可以由一台微计算机实现。再者，群控装置1、查找装置10和模拟器2也可以是一台微计算机。
权利要求
1.一种根据群控算法群控多辆电校轿厢的系统，所述群控算法包括多个参数，所述系统包括查找装置，用以在作为参数值组合提供给所述群控算法的集合中查找最佳集合，其特征在于，所述查找装置包括用以贮存多个集合的存储装置；生成装置，用以从存储装置中选择一个或多个集合作为一个或多个母集合，并且生成一个或多个继承部分母集合性质的新集合；估计装置，用以每当用每个新集合执行所述群控算法时，查找执行结果作为群控性能值；选择装置，用以通过将所述新集合加到所述存储装置并从所述存储装置中删除缺损的集合来改善贮存在所述存储装置中的多个集合；以及析取装置，在已经改善并贮存在所述存储装置内的多个集合中，根据所述群控性能值析取最佳集合。
2.如权利要求1所述的系统，其特征在于所述生成装置包括数值交换装置，通过交换从所述存储装置中选出的两个集合的数值部分生成两个新集合；新值置换装置，通过用随机方式产生的新数值置换从所述存储装置中选择的一个集合的部分参数值来生成一个新集合；以及生成方法选择装置，用以根据某个概率在数值交换与新值置换之间作出选择。
3.如权利要求1所述的系统，其特征在于所述生成装置包括母集合选择装置，用以从所述存储装置中选择一个或多个集合；参数选择装置，用以连同所述一个或两个集合选择参数，通过该参数进行数值交换或新值置换；数值交换装置，通过在所述母集合选择装置选择的两个集合之间，交换由所述参数选择装置选择的参数的部分数值来生成两个新集合；新值置换装置，通过用随机方式产生的新数值置换由所述参数选择装置选择的、由所述母集合选择装置选择的一个集合的参数值来生成一个新集合；以及生成方法选择装置，用以根据某个概率在数值交换与新值置换之间作出选择。
4.如权利要求3所述的系统，其特征在于，所述母集合选择装置根据母集合选择参考信息进行母集合选择，以提供优良新集合的生成概率。
5.如权利要求4所述的系统，其特征在于，所述母集合选择参考信息为各集合之间的距离，所述母集合选择装置计算所述各集合之间的距离，并从所述存储装置中随机选择一对其中所述各集合之间距离满足一定条件的集合。
6.如权利要求4所述的系统，其特征在于，所述母集合选择参考信息为所述群控性能值，所述母集合选择装置根据所述群控性能值对每个集合的选择概率加权，由此从所述存储装置中随机选择一个或两个集合。
7.如权利要求4所述的系统，其特征在于，所述母集合选择参考信息为相同集合数，所述母集合选择装置为每个集合计算所述相同集合数，根据所述相同集合数对每个集合的选择概率加权，并由此从所述存储装置中随机选择一个或两个集合。
8.如权利要求3所述的系统，其特征在于进一步包括修改装置，用以根据查找的进展情况修改母集合选择条件。
9.如权利要求3所述的系统，其特征在于，所述参数选择装置根据参数选择参考信息选择所述参数，以提高生成优良新集合的概率。
10.如权利要求9所述的系统，其特征在于，所述参数选择参考信息为在两个集合之间要交换的两个参数值之差，所述参数选择装置计算所述之差，并随机选择其所述之差满足一定条件的参数。
11.如权利要求9所述的系统，其特征在于，所述参数选择参考信息为电梯轿厢利用情况与每个参数之间的相关度，所述参数选择装置根据所述相关度对每个参数的选择概率加权，并由此随机选择所述参数。
12.如权利要求9所述的系统，其特征在于，所述参数选择参考信息为所述性能估计值内容与每个参数之间的相关度，所述参数选择装置根据所述相关度对每个参数的选择概率加权，并由此随机选择所述参数。
13.如权利要求3所述的系统，其特征在于进一步包括修改装置，用以根据查找的进展情况修改参数选择条件。
14.如权利要求2所述的系统，其特征在于进一步包括概率修改装置，用以根据查找的进展情况修改各个生成方法的选择概率。
15.如权利要求14所述的系统，其特征在于，所述概率修改装置根据加到所述存储装置的集合数与所估计集合数之比计算一个成功索引，并根据所述成功索引修改所述选择概率。
16.一种根据群控算法群控多辆电梯轿厢的系统，所述群控算法包括多个参数，所述系统包括查找装置，用以在作为参数值组合提供给所述群控算法的集合中查找最佳集合，其特征在于，所述查找装置包括用以贮存多个集合的存储装置；数值交换装置，通过交换从所述存储装置中作为母集合选择的两个集合之间的部分参数值，生成两个部分继承其母集合性质的新集合；新值置换装置，通过用随机方式产生的新数值置换从所述存储器装置中作为母集合选择的一个集合的部分参数值来生成部分继承其母集合性质的一个新集合；生成方法选择装置，用以结合每种方法的概率选择数值交换方法和新值置换方法；估计装置，每当用一个或多个新集合执行群控算法时，用以查找执行结果作为群控性能值；相加装置，用以只把满足一定相加条件的优良新集合附加贮存到所述存储装置；删除装置，用以从所述存储装置中删除满足一定删除条件的缺损集合；以及析取装置，用以在已改进并贮存在所述存储装置的多个集合当中根据群控性能值析取最佳集合。
17.如权利要求16所述的系统，其特征在于进一步包括修改装置，用以修改一个附加条件或多个附加条件。
18.如权利要求17所述的系统，其特征在于，所述附加条件取决于各个集合的所述群控参考值，并确定为越来越严密。
19.如权利要求16所述的系统，其特征在于，所述删除装置删除其性能估计值为缺损的集合。
20.如权利要求19所述的系统，其特征在于，所述删除装置根据集合之间的距离，删除与另一个集合相同的集合。
21.如权利要求16所述的系统，其特征在于进一步包括初始化装置，用以初始化查找。
22.如权利要求21所述的系统，其特征在于，所述初始化装置包括第一初始化模式和第二初始化模式；在所述第一初始化模式中，将先前准备的多个集合用作初始化；在第二初始化模式中，将在最后查找循环时已改进的多个集合用作初始化，由此根据查找开始条件选择所述第一初始化模式和所述第二初始化模式。
23.如权利要求16所述的系统，其特征在于进一步包括结束判断装置，用以根据查找情况判断查找的结束。
24.如权利要求23所述的系统，其特征在于，所述结束判断装置根据估计集合数判断查找的结束。
25.如权利要求23所述的系统，其特征在于，所述结束判断装置根据相加集合数判断查找的结束。
26.如权利要求23所述的系统，其特征在于，所述结束判断装置根据作为相加集合数与估计集合数之比的成功索引判断查找的结束。
27.如权利要求23所述的系统，其特征在于，所述结束判断装置相对于所述存储装置中贮存的多个集合计算集合之间的距离，并根据集合之间的距离判断查找的结束。
28.如权利要求16所述的系统，其特征在于，进一步包括重新查找判断装置，用以根据发现每当查找开始时所提供的变化依据判断重新查找。
29.如权利要求16所述的系统，其特征在于，所述存储装置存储所述群控性能值，以根据每个集合进行分配。
30.如权利要求16所述的系统，其特征在于，所述查找装置与一个目标值设定装置相连接，用以结合查找过程设定一个目标值。
31.如权利要求16所述的系统，其特征在于，所述查找装置连接到群控装置，该群控装置包括所述群控算法并控制所述多辆电梯轿厢的运行，且所述查找装置连接到一个模拟器，该模拟器包括与所述群控装置相同的群控算法，所述估计装置将所述执行的估计结果设置为群控性能值。
32.如权利要求31所述的系统，其特征在于，所述查找装置和所述模拟器远离所述群控装置设置，所述查找装置和所述群控装置通过通信线路连接。
33.如权利要求16所述的系统，其特征在于，所述查找装置连接至群控装置，该群控装置包括所述群控算法并控制所述多辆电梯轿厢的运行，所述估计装置每当所述群控装置对所述群控算法进行模拟时，即将所执行的结果设置为群控性能值。
34.如权利要求33所述的系统，其特征在于，所述查找装置远离所述群控装置设置，所述查找装置与所述群控装置通过通信线路连接。
35.一种用以群控多辆电梯轿厢的系统，其特征在于包括模拟器，它包括用以群控多辆所述电梯轿厢的群控算法；以及查找装置，它连接到所述模拟器，用以根据所述群控算法查找具有最佳参数值的集合，所述查找装置包括用以贮存多个集合的存储装置；数值交换装置，通过在从所述存储装置选出作为母集合的两个集合之间相互交换部分参数值来生成部分继承其母集合性质的两个新集合；新值置换装置，通过用随机方式产生的新数值置换从所述存储装置选出作为母集合的一个集合的部分参数值，生成部分继承其母集合性质的一个新集合；生成方法选择装置，用以结合每种方法的本身概率，选择数值交换方法和新值置换方法；估计装置，用以每当用一个或多个新集合执行群控算法时，查找所执行的结果，作为群控性能值；加法装置，用以仅将满足一定相加条件的优良新集合附加存储到所述存储装置；删除装置，用以从所述存储装置中删除满足一定删除条件的缺损集合；以及析取装置，根据群控性能值在已经改善并贮存在所述存储装置内的多个集合之中析取最佳集合。
36.一种根据群控算法群控多辆电梯桥厢的系统，所述群控算法包括多个参数，所述系统包括查找装置，用以在作为参数值组合提供给所述群控算法的集合中查找最佳集合，其特征在于，所述查找装置包括用以贮存多个集合的存储装置；交叉型生成装置，通过在从所述存储装置中选出作为母集合的两个集合之间交换部分数值，生成部分继承其母集合性质的两个新集合；估计装置，用以每当用一个或多个新集合执行群控算法时，查找所执行的结果作为群控性能值；选择装置，通过将所述新集合加到所述存储装置，并通过从所述存储装置中删除缺损集合来改善贮存在所述存储装置内的多个集合；以及析取装置，根据群控性能值在已经改善并贮存在所述存储装置内的多个集合中析取最佳集合。
37.一种根据群控算法群控多辆电梯轿厢的系统，所述群控算法包括多个参数，所述系统包括查找装置，用以在作为参数值组合提供给所述群控算法的集合中查找最佳集合，其特征在于，所述查找装置包括用以贮存多个集合的存储装置；变异型生成装置，通过用随机产生的新数值置换从所述存储装置中选出作为母集合的一个集合中的部分参数值，生成部分继承其母集合性质的一个新集合；估计装置，用以每当用一个或多个新集合执行群控算法时，查找所执行的结果作为群控性能值；选择装置，通过将所述新集合加到所述存储装置并通过从所述存储装置中删除缺损集合，改善贮存在所述存储装置内的多个集合；以及析取装置，根据群控性能值在已经改善并贮存在所述存储装置内的多个集合中析取最佳集合。
全文摘要
一种根据含多个参数的群控算法群控多辆电梯轿厢的系统，包括用以查找最佳参数集合的查找装置，最佳集合从提供给群控算法的参数值组合中取得。在系统的运行中通过交叉或变异生成某些新集合。利用附加记录将优良集合附加贮存在存储器内和从存储器中删除缺损集合的删除将优良集合积累在存储器中。由于最佳集合从累积的集合中选出，故系统可以有效地找到最佳集合。
文档编号B66B1/18GK1125931SQ9419259
公开日1996年7月3日 申请日期1994年5月17日 优先权日1994年5月17日
发明者辻伸太郎 申请人:三菱电机株式会社