江畔旧时月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/binbin127/archive/2009/07/09/4331090.aspx）
