随着经济的飞速发展和城市现代化水平的提高，越来越多的高层与超高层建筑作为其城市的地标耸立于我们的周边，使得人们对其中所不可或缺的垂直交通工具——电梯的服务质量提出了更高的要求。近年来，一位电梯届的新成员——双子电梯的诞生，引起了电梯行业专家学者以及电梯制造公司的高度关注。双子电梯凭借着其结构上的特点，很大程度上减少了高层和超高层建筑中井道的占地面积，提高了建筑物的经济价值，且相比传统电梯具有更高的运输能力。如何对双子电梯系统实现更高效的优化调度，提高电梯的服务质量和运行效率，降低总体能耗，已逐渐成为国内外电梯行业的研究重点和难点。本文将智能控制算法应用于双子电梯群控系统的控制研究中去，为日后实现双子电梯实际的工程化调度打下坚实的理论基础。本文依据现场人工采集的客流数据，提出了基于遗传算法的小波神经网络电梯交通流预测方法以及基于GA-SVM多类别交通模式识别方法，使电梯群控系统可以更好地根据客流变化以及交通模式来实现优化派梯。针对现有客流数据采集方法的不足，利用红外人体探测器设计了一种候梯人群数量采集装置，并进行了实验测试。测试结果表明，该装置能够实现对各层候梯客流的数据采集，为完成电梯群控系统的优化派梯提供了重要的实时参数。本文针对双子电梯的结构特点设计了适于双子电梯的运行规则，并确定了其系统的优化控制目标。通过客流生成模块的设计与仿真，得到了不同模式下的客流数据。采用粒子群优化算法进行了双子电梯群全局控制算法设计，并在Matlab编程环境下对最小候梯时间算法、自适应变异粒子群算法以及混合粒子群算法进行了仿真对比。仿真结果表明，两种改进型粒子群算法对平均候梯时间、长时间候梯发生率和停靠次数具有更好的控制效果，验证了算法的有效性，实现了在不同交通模式下对双子电梯群控系统的优化调度控制。本文针对双子电梯群控系统以及控制方法进行了初步的理论研究，为电梯群控技术提供了新思路和新方法，符合电梯的未来发展趋势，满足了人们对电梯性能与舒适度日益增长的需求，响应了我国大力宣扬的建筑节能政策的号召，也为今后人们对双子电梯的研究工作以及工程应用奠定了良好的理论基础。