量子群智能算法及其在控制器優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf

1、智能優(yōu)化算法是通過模擬或揭示某些自然現(xiàn)象或過程發(fā)展而來的，它不需要建立被優(yōu)化問題的精確數(shù)學(xué)模型，為解決復(fù)雜問題提供了新的思路和手段。作為計(jì)算智能的一個(gè)重要分支，群智能優(yōu)化算法中的蟻群算法和粒子群算法，因其高效的優(yōu)化性能，已經(jīng)在優(yōu)化計(jì)算領(lǐng)域得到了廣泛的應(yīng)用，但是它們不可避免地都存在一些缺點(diǎn)。將量子機(jī)制分別引入到蟻群算法和粒子群算法中，結(jié)合了它們優(yōu)化各自的優(yōu)勢，不僅能改善原有算法的優(yōu)化性能，還能擴(kuò)大算法的應(yīng)用領(lǐng)域，為實(shí)際優(yōu)化問題提供借鑒。<

2、br>　　本文首先詳細(xì)介紹了蟻群算法和粒子群算法的基本原理，總結(jié)了兩種算法的優(yōu)缺點(diǎn)，分析比較了多種改進(jìn)的蟻群算法和粒子群算法，為后續(xù)的研究工作提供了理論基礎(chǔ)。
　　針對(duì)蟻群算法容易出現(xiàn)停滯現(xiàn)象和收斂速度慢，以及將其更好地拓展到連續(xù)空間優(yōu)化的問題，引入量子計(jì)算理論并將其與蟻群算法相融合，闡述了量子蟻群優(yōu)化算法的基本思想和計(jì)算原理，并對(duì)量子蟻群算法加入了改進(jìn)策略，根據(jù)搜索過程自適應(yīng)地改變?nèi)诌x擇因子和信息素?fù)]發(fā)系數(shù)，引入隨機(jī)干擾量子交

3、叉操作，同時(shí)根據(jù)螞蟻的當(dāng)前位置信息來確定旋轉(zhuǎn)門轉(zhuǎn)角，通過測試函數(shù)和神經(jīng)網(wǎng)絡(luò)權(quán)值優(yōu)化仿真表明，改進(jìn)后的量子蟻群算法優(yōu)化性能得到改善。
　　控制器參數(shù)選擇的合適與否對(duì)控制器質(zhì)量具有重要的影響，針對(duì)模糊控制器和PID控制器參數(shù)難以整定的問題，提出了利用改進(jìn)的量子蟻群算法優(yōu)化上述兩種控制器參數(shù)的方法，該方法的實(shí)質(zhì)就是選擇合適的適應(yīng)度函數(shù)，利用改進(jìn)的量子蟻群算法對(duì)控制器的可調(diào)參數(shù)進(jìn)行優(yōu)化，仿真結(jié)果表明該設(shè)計(jì)方法是可行和有效的。
　　針

4、對(duì)粒子群算法不能保證以概率1搜索到全局最優(yōu)解這一最大缺陷，引進(jìn)一種求解連續(xù)空間優(yōu)化問題的量子粒子群優(yōu)化算法，通過對(duì)測試函數(shù)的仿真分析表明其尋優(yōu)能力和優(yōu)化效率均優(yōu)于粒子群算法。提出了基于量子粒子群算法的自抗擾控制器的參數(shù)優(yōu)化方法。研究了自抗擾控制系統(tǒng)的結(jié)構(gòu)，根據(jù)其結(jié)構(gòu)對(duì)自抗擾控制器的主要模塊進(jìn)行功能描述和數(shù)學(xué)描述，利用MATLAB中的S函數(shù)構(gòu)建了自抗擾控制系統(tǒng)的Simulink仿真模型。將量子粒子群算法應(yīng)用到自抗擾控制器的參數(shù)優(yōu)化中，通過