当今社会,经济快速发展,任何事情都要求高效率,飞机高铁都已经普及到人们的日常出行中,在平时的生活中,电梯也是一个重要的交通工具,在一幢大楼内,它把人们快速的从起始楼层运送到目标楼层,所以为了缓解这种运输压力,人们对电梯运输效率的要求不断增强,现如今,随着电梯控制技术的发展,在高层建筑内单台电梯的运行已经远远落后,多台电梯一起运行即电梯的群控技术已经是当今的发展主流。本文以电梯群控制系统为研究对象,优化电梯的各项参数:减少乘客的侯梯时间,提高运输效率,加强乘客的舒适度体验以及提倡节能环保,降低电梯运行的能耗,主要研究的内容如下:1介绍了电梯群控系统的发展状况;电梯群控系统的结构,然后在研究其特点的基础上,以乘客的平均候梯时间、长候梯率、系统能耗及轿厢的拥挤度这些参数作为目标函数,最后利用加权平均法构造其评价函数。2设计了基于Mamdani模型的模糊神经网络交通模式识别方法。通过混合学习方法对基于Mamdani模型的模糊神经网络进行学习和训练;使用自组织聚类算法初步获得隶属函数,然后通过学习方法得到模糊规则,最后由BP算法对网络参数进行优化和调整。3基于Sugeno模型的模糊神经网络交通模式识别方法。使用自组织聚类算法初步获得隶属函数的中心和宽度,然后固定隶属函数的中心和宽度,采用最小二乘法估计参数,最后固定结论参数,根据训练数据输出误差信号,采用BP算法调整前提参数。4运用强化学习法,对群控系统的各项参数进行调整。根据实际目标函数值和期望目标函数值的偏差,调整评价函数参数,使得各项参数值都能接近其期望值。最后通过强化学习来调整权值,使整个电梯群控系统的控制策略始终处于被优化的状态。5、对本文所设计算法进行仿真验证。研究表明,基于自适应多目标调度优化算法的电梯群控系统的性能明显得到优化,也为同类型系统优化问题提供参考,具有一定的实际意义和理论意义。