随着人们生活水平的提高和城市高层建筑的快速发展，人们对建筑物内电梯的配置和调度服务提出了更高的要求，通常需要在同一建筑物内配置多台电梯以提高客流转移效率和电梯交通服务质量。然而，仅仅依靠增加电梯配置数量是不能彻底满足人们对现代建筑绿色化、智能化、网络化等综合要求的，甚至还会带来诸如能源损耗、运营效率低下、资源浪费等问题。 电梯群控系统为高效地使用电梯转移乘客提供了一种很好的解决方案，目前已在世界范围内主要的商业建筑和新建的民用住宅中得到普遍应用。电梯群控系统面临的是一个复杂的、具有非线性和不确定性的多目标随机决策问题，需要在为乘客提供快速的交通转移服务的同时，降低电梯系统的能耗，保证乘客电梯旅程的舒适感。 本文在分析电梯群控系统特性和结构的基础上，系统研究了电梯交通流的时序数据预测原理，提出了基于模糊神经网络的电梯客流预测方法，为电梯群的智能调度和优化控制提供了很好的理论依据。为提高电梯系统的调度性能，本文结合小生境共享函数法，提出了改进型遗传算法，并针对电梯群控系统进行了仿真实验。 第一部分，回顾了电梯群控技术的发展现状，阐述了电梯群控系统的研究意义，并提出了课题的主要研究内容，为后续研究指明了方向。 第二部分，在分析电梯交通系统的随机特性及时序数据有关理论的基础上，提出了基于T—S模型的电梯交通预测方法，获得了较好的预测效果，可用来科学地指导电梯交通流的模式识别与划分，为电梯群智能调度提供理论依据。 第三部分，通过选取电梯群控系统最为关心的时间要素和能耗要素作为评价指标，提出了基于改进型遗传算法的电梯群控系统。该算法改进了适应度的标定方法、选择算子、交叉算子和变异算子，提高了对领域问题的适应性。在应用于电梯群控系统的仿真试验中，相比传统遗传算法，本文提出的方法在平均乘梯时间、平均候梯时间、长时间候梯率以及电梯能耗方面都有明显的降低，进一步验证了该方法的实用性。