新型建筑,尤其是智能大厦在高层建筑中越来越多,高效的电梯群控系统对此类建筑也显得非常重要。而在电梯群控系统中,由于存在着很多的不确定性因素,例如乘客数量的未知,厅层召唤的未知性和随机性,这样就使得电梯群控成为了一个具有非线性和不确定性的复杂的多目标决策问题。由于传统的控制方法很难获得高质量的控制效果,本文提出了一种新的电梯群控的方法,先利用模糊神经网络来识别交通流模式,然后再利用改进的遗传算法解决电梯调度问题。首先,回顾了国内外电梯群控系统发展的历史,概述了电梯群控系统发展的现状,在总结前人方法不足的基础上了提出一种新的解决问题的方法。然后将平均侯梯时间,平均乘梯时间,拥挤度和能耗作为参考因素,建立了多目标优化的电梯群控系统的数学模型。然后,阐述了交通流模式的准确识别对于电梯群控系统派梯算法的重要性,尤其是对用途未知的高层建筑来说,交通流模式的识别显得更加重要。本文设计了一种基于模糊神经网络的交通流模式识别方法,并且根据采样的数据,用Matlab对该方法进行了验证,仿真结果表明,用该方法识别的交通流的模式有非常小的误差。最后,针对标准遗传算法存在收敛速度过慢且易于陷入局部最优的缺点,提出了一种改进的遗传算法来求解个体的最优适应函数值。这种方法采用了新的编码方式,能够根据呼梯信号改变初始种群的规模,采用最优个体的保存策略,并且可以自适应交叉和变异。这种基于改进遗传算法的派梯算法被应用在四种模式下：上行高峰模式、下行高峰模式、层间模式和空闲模式,并且对四种模式下电梯的调度进行了仿真,仿真结果表明了设计的灵活性和优越性。