1.一种基于遗传算法-神经网络算法的电梯对重调节方法，包括如下步骤：

S1、记录下电梯从起始层开始启动时的对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间；电梯运行；电梯返回至起始层后，记录下电梯所耗用的总电能；用电梯所耗用的总电能除以乘客需要前往的楼层总和，得到平均每层消耗的电能；重复试验，获得样本数据；

S2，以对重重量、乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间作为神经网络模型的输入变量，以平均每层消耗的电能作为神经网络模型的输出变量，对神经网络模型进行训练，得到训练好的神经网络模型；

S3，记录下乘客总重量、乘客需要前往的楼层的总个数、乘客需要前往的楼层总和、当前的时间，以电梯的对重重量为初始种群，以平均每层消耗的电能作为适应度函数值，通过遗传算法找到最优的电梯的对重重量；

S4，将电梯的对重重量调节为遗传算法计算得到的最优值，运行电梯。

2.根据权利要求1所述的基于遗传算法-神经网络算法的电梯对重调节方法，其特征在于：所述的神经网络模型是指BPNN神经网络。

3.根据权利要求2所述的基于遗传算法-神经网络算法的电梯对重调节方法，其特征在于：所述的BPNN神经网络的参数设置为：隐含层传递函数是双曲正切函数，输出层传递函数是线性函数，训练函数是Levenberg-Marquardt算法，性能函数采用均方误差，训练次数设置为200次。

4.根据权利要求1所述的基于遗传算法-神经网络算法的电梯对重调节方法，其特征在于：所述的BPNN神经网络的隐藏层神经元个数是4个。

5.根据权利要求1所述的基于遗传算法-神经网络算法的电梯对重调节方法，其特征在于：所述的遗传算法步骤中的参数是：最大进化代数为50，种群大小为20。