遺傳算法的改進(jìn)研究及其在酵母擴(kuò)培系統(tǒng)中的應(yīng)用.pdf

1、遺傳算法是一種借鑒自然選擇和遺傳機(jī)制,不依賴于梯度信息、高度并行、可用于復(fù)雜系統(tǒng)優(yōu)化且魯棒性好的全局優(yōu)化算法,由于它的應(yīng)用范圍極其廣泛,并在許多領(lǐng)域取得了不錯的效果,因此得到了廣大學(xué)者和工程人員的關(guān)注。
　　 雖然遺傳算法在一些問題上取得了不錯的效果,在顯示其優(yōu)越性的同時也暴露出許多的不足和缺陷,如早熟收斂和局部搜索能力差等。為了解決上述問題,將最速下降法這種傳統(tǒng)優(yōu)化算法引入到遺傳算法中,提出一種混合遺傳算法。同時,通過新的約束

2、處理技術(shù)和遺傳算法相結(jié)合,提出一種新的求解約束優(yōu)化問題的遺傳算法。最后將新的混合算法用于啤酒酵母擴(kuò)培系統(tǒng)溫度控制中的PID控制器參數(shù)優(yōu)化。論文的主要工作如下:
　　 (1)提出一種基于最速下降法的混合遺傳算法。該算法很好地將最速下降法的局部搜索能力和遺傳算法的全局搜索能力的優(yōu)點結(jié)合起來,提高了算法的收斂速度和精度,通過單形交叉和均勻變異很好地維持了種群多樣性,解決了傳統(tǒng)遺傳算法早熟收斂的問題?；旌纤惴▽?個標(biāo)準(zhǔn)測試函數(shù)的實驗結(jié)果

3、表明算法具有較好的性能。
　　 (2)提出一種新的求解約束優(yōu)化問題的遺傳算法。通過可行解與不可行解的算術(shù)交叉來處理約束條件,避免了由于引入懲罰因子而帶來的麻煩。對可行解引入邊界變異保證了其在變異后仍為可行解。此外,我們用維變異來增強(qiáng)算法的探索能力,解決了算法陷入局部最優(yōu)解的問題。最后通過7個標(biāo)準(zhǔn)測試函數(shù)驗證了算法的有效性。
　　 (3)根據(jù)啤酒酵母擴(kuò)培過程控制要求,設(shè)計了酵母擴(kuò)培系統(tǒng)的溫度控制方案,在已建立被控對象模型的