基于一種混合遺傳算法的模糊控制器的研究.pdf

1、遺傳算法是基于自然進化理論的一種并行、高效的全局優(yōu)化搜索算法,通過模擬生物的進化(自然選擇、交叉、變異),將優(yōu)化問題轉化為生物進化過程,采用優(yōu)勝劣汰的機制來獲得問題的最優(yōu)解.但傳統(tǒng)遺傳算法有一些不足,如搜索效率不高,有時會出現(xiàn)未成熟收斂等,尤其二進制編碼的遺傳算法,計算工作量大,因為它需要繁瑣的譯碼操作,而且在需要獲得高精度結果的尋優(yōu)過程中二進制編碼的遺傳算法的編碼字符串長度需要很長,這無疑增加了計算的復雜度,減慢了收斂速度.因此,彌補

2、該算法的不足,對遺傳算法進行改進或?qū)⑦z傳算法與其它算法復合已經(jīng)成為一個重要的發(fā)展方向,許多改進遺傳算法的方法不斷地被提出來.針對上述缺點,該文提出了一種混合遺傳算法.它采用了浮點數(shù)編碼,可以提高搜索結果的精度,同時又不需要增加太大的工作量.另外,為了提高收斂速度以及防止早熟現(xiàn)象,對遺傳算法的各個操作環(huán)節(jié)做出了一些改進,從初始群體的產(chǎn)生到遺傳算子的改進等.同時,在進化的不同時期根據(jù)個體的適應度和相似度不斷地修改交叉和變異概率,并引入小生鏡

3、技術保持群體的多樣性和單純形法改善算法的局部搜索能力,使算法能有效地跳出局部極值點.模糊控制是智能控制的重要分支,它參考人們的經(jīng)驗而不依賴于被控對象的數(shù)學模型,因此它被廣泛地應用在具有復雜的非線性環(huán)節(jié)的控制領域中.模糊控制器的性能依靠于幾個關鍵因素:隸屬函數(shù)和模糊規(guī)則表.傳統(tǒng)的選擇參數(shù)的方法主要依賴于人們的經(jīng)驗,因此存在較大的主觀性和隨意性.該文將混合遺傳算法用于模糊控制器的參數(shù)選取,在MATLAB環(huán)境中設計了針對工業(yè)過程中常見的二階模