一）、弄清群控电梯调度算法的评价指标
由于乘客心理等待时间的长短、电梯响应呼梯的快慢、召唤厅站客流量的大小、轿厢内乘客人数的多少等均是一些模糊的概念，很难用确切的数量关系定义，也难以用普通的逻辑规则综合描述。
近年来，人们借助于模糊数学中的隶属函数来表述，将复杂的模糊问题转化为简单清晰的形式进行求解和控制.模糊控制通过模糊逻辑进行推理，有效地对电梯运行 状况作出判断，但对于非常复杂的多变量系统，要建立正确的模糊规则和隶属函数是非常困难的，而且通过大量实验建立的隶属函数和规则有时也很难保证十分精确 与合理。此外，其隶属函数中的加权系数是确定的，不能根据客流改变而相应改变。
为了解决模糊控制中存在的某些问题，新发明将神经网络控制方法应用于电梯控制中，无需建立精确数学模型，可以提供准确的控制策略，以减少候梯时间，降低乘客的焦急等待心理，节约能源，合理有效地调度电梯最佳运行。
（二）、理解上行高峰模式、下行高峰模式、双路运行模式等概念，并找出根据一系列输入手段间接算出运行模式的算法：
上行高峰交通模式：当主要的客流是上行方向，即全部或者大多数乘客从建筑物的门厅进入电梯且上行，这种状况被定义为上行高峰交通状况。
下行高峰交通模式：当主要的客流是下行方向，即全部或者大多数乘客乘电梯下行到门厅离开电梯，这种状况被定义为下行高峰交通状况。
二路交通模式：当主要的客流是朝着某一层或从某一层而来，而该层不是门厅，这种状况被定义为二路交通状况。二路交通状况多是由于在大楼的某一层设有茶点部 或会议室，在一天的某一时刻该层吸引了相当多的到达和离开呼梯信号。所以二路交通状况发生在上午和下午休息期间或会议期间。
四路交通模式：当主要的客流是朝着某两个特定的楼层而来，而其中的一个楼层可能是门厅，这种交通状况被定义为四路交通状况。当中午休息期间，会出现客流上 行和下行两个方向的高峰状况。午饭时客流主要是下行，朝门厅和餐厅。午休快结束时，主要是从门厅和餐厅上行。所以四路交通多发生在午休期间。 四路交通又可分为午饭前交通和午饭后交通模式。此两类交通模式和早晨与晚上发生的上行、下行高峰不同，虽然主要客流都为上行和下行模式，但此两类交通模式 同时还有相当比例的层间交通和相反方向的交通。各交通量的比例还与午休时间的长短，餐厅的位置和大楼的使用情况有关。四路交通时不但要考虑主要交通客流， 还要考虑其他客流，与单纯的上、下行高峰期不同。
平衡的层间交通模式：当上行和下行乘客数量大致相同，并且各层之间的交通需求基本平衡时，此时的交通模式是处于一种普通的双向层间交通状况，它存在于一天中的大部分时间，乘客通常要求最小的候梯时间和乘梯时间。
空闲交通模式：空闲交通模式通常发生在假日、深夜、黎明等情况下，此时大楼的客流稀少、乘客的到达间隔很长，在这种状况下群控系统中仅仅有部分电梯进行工作，而其余电梯轿厢则空闲等候。
基于神经网络的交通模式识别
基于统计规律的交通模式识别
（三）、不同的运行模式各自适用什么样的调度算法？
1、基于专家系统的电梯群控调度算法[8]
电梯群控系统是一个具有大量不确定和不完整信息的复杂的非线性系统。这样一个复杂的系统工程问题很难完全用数学方法精确地描述，而要*经验的、尚未 形成科学体系的知识。专家系统就是研究用于处理复杂系统工程技术问题的知识表示、使用和获取的方法。它具有启发性，能利用专家的知识和经验对不确定或不精 确的问题进行启发式的推理，对解决电梯群控系统具有一定的优越性。
基于专家系统的电梯群控调度算法就是用专家的经验知识建立规则，利用这些规则比较各种可能的电梯运行途径，从中选出最佳路线，从而使乘客运输能力增 大而等待时间减小。它适用于层间模式，但不适用于上高峰，因为层间交通下计划最佳路线的范围大，但它没有预测轿厢的加减速时间。
这种方法增加了系统控制的灵活性，但也存在着不足，整个控制过程完全依赖于知识源，显然专家知识的可*性与是否完善决定了电梯调度方法的性能，这就会受到知识源全面性的影响。同时，为了满足服务要求的多样性，控制规则不可避免增加很多，却还不一定能较为全面地反映问题。
2、采用模糊控制的电梯群控调度技术[9]
模糊逻辑是一种在数学和逻辑上用来处理带有模糊不清的边界对象和问题的有效方法。模糊控制的基本思想是把人类专家对特定的被控对象或过程的控制策略 总结成一系列以“IF（条件）THEN（作用）”产生式形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程，处理控制系统在语言表达 上不确定的变量信息[7]。
模糊控制技术在电梯控制系统中的应用显示了高度的优越性。电梯系统中含有许多模糊、不完整的信息，这些模糊信息需要用模糊集来描述。计算机不能接受含糊的回答，但却能用模糊逻辑来推理，它能模仿人脑的推理能力，简化许多复杂问题。模糊控制方法主要有以下优点：
(1) 模糊控制完全是在操作人员控制经验基础上实现对系统的控制，无需建立数学模型，是解决不确定性系统的一种有效途径。
(2) 模糊控制具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显，可用于非线性、时变、时滞系统的控制。
(3) 由离线计算得到控制查询表，提高了控制系统的实时性。
(4) 控制的机理符合人们对过程控制作用的直观描述和思维逻辑。
带有模糊逻辑的电梯群控系统平均候梯时间减少了，大大优于常规电梯群控系统。但由于模糊控制本身不具有学习功能，许多规则难以确定，依赖于专家知识或黑板结构等启发式知识，使控制系统无法跟上建筑交通的变化，难以实现控制目标要求下的最优调度。
3、基于神经网络的群控调度方法[10] [11] [12]
专家系统与模糊逻辑等人工智能技术在电梯群控系统中的应用极大地提高了梯群的服务质量和效率，但它们的致命弱点是不能通过学习来改善控制算法。因此当客流发生变化时，系统就不能完全适应这种变化，由此引出的问题有：
如果建筑物的实际情况与专家的假设不同，那么基于此假设的规则就不能带来较好的效果；系统的性能由专家的知识、经验决定，具有一定的局限性；调整模糊度隶属函数困难，要做很多仿真；一旦规则集成到系统中去，要想改变就要花费大量的时间和精力，且只能由人工来完成。
为使电梯群控系统适应条件的变化，做出实时的自动调整，在各种情况下提供更佳的服务，使系统具有自学习能力，人工神经网络被引入电梯群控系统中。神 经网络技术引入电梯群控系统中的优点有：当专家设想的建筑物条件与实际建筑物不同时，带有神经网络的电梯群控系统具有学习能力。利用非线性和学习方法建立 适合的模型，进行高速推理，对电梯交通可进行短、长期预测。
4、模糊神经网络的调度方法[13]
模糊神经网络把神经网络与模糊逻辑相结合，吸取各自的优点，它克服了人工神经网络结构难以确定，以及模糊逻辑无自学习功能的缺点。使得模糊神经网络 一方面具有知识获取和学习的能力，网络学习的过程就是在模糊逻辑规则的优化过程。通过学习调整网络权值，在一个模糊规则中各个前提、模糊集合的相对重要度 以及每个规则的相对重要度，来实现规则的优化。另一方面，它提供用于解释和推理的可理解的模型结构，可以以一种清晰的方式描述知识。
模糊神经网络的建立和使用分以下步骤：利用专家知识粗略地形成模糊模型以及一些模糊规则和模糊推理发明方法；基于这一模糊模型构成神经网络；训练神 经网络。采集一些特定的交通状况作为样本，采用相应的算法进行学习，调整神经网络必要的权值，以获得优化的模糊规则，然后进行网络应用。
5、基于遗传算法的群控调度算法[14]
从本世纪40年代起，生物模拟成了计算机科学的一个组成部分，遗传算法是以不确定性、非线性、时间不可逆为内涵，以复杂问题为对象的科学新范式。遗 传算法主要是对生物界自然选择和自然遗传机制进化过程的模拟，而且是在分子水平级上的模拟， 由于遗传算法对问题的高度适应性和全局化并行摸索能力，在优化问题上获得了广泛的应用。
在电梯群控系统中，作为一种实用和健壮的优化摸索方法，可以用遗传算法进行动态分区，进行参数优化。使之不仅能适应整个大楼的整体需要，而且能适应 每一层楼对电梯的不同需要，做到了不同楼层的个性化控制。但是，遗传算法生物基础鲜明，数学基础不够完善，目前还存在搜索效率及实时性问题，故寻求满意 解，是最佳工具之一，但求解复杂问题最优解还不现实。
6、基于多目标优化的电梯群控调度算法[15]
多目标问题就是具有多个实现目标的决策问题，多目标优化就是研究多目标决策问题的性质，将决策问题追求的多个目标通过建模的方法转化为单一目标，然 后求取最优解的处理方法。电梯群控系统的主要优化目标有减小乘客平均候梯时间，减少乘客平均乘梯时间，以及降低系统运行能耗等，因此电梯群控算法是一个典 型的多目标决策问题。
对于一个多目标优化问题，如果能根据设计者提供的偏好信息构造出一个评价函数，使得求解设计者最满意的解等价于求解后以该评价函数为新的目标函数的最优解，则称该多目标问题是可标量化的，多目标优化理论就是研究这样的评价函数存在的条件，以及如何构造的问题。
由于现今的电梯群控调度算法多通过一定的统计规律来求解电梯群控系统多目标问题的次优解，然后进行分配、调度。通常存在建模困难，学习时间长，控制 不及时，且当优化条件打破时无法给出最优调度方案等问题。多目标优化能通过建模，得到目标函数的最优解，是解决电梯群控决策问题的最佳方法
（四）、关于系统采用这种新的算法后，效率有什么明显的改善。
（五）、根据这些算法，给定一个客流的上限，如何估计需要多少部电梯才最合适？怎么调度？
（原文地址http://blog.csdn.net/binbin127/archive/2009/07/09/4331090.aspx）