一種改進的免疫遺傳算法及在PID控制器優(yōu)化設(shè)計中的應(yīng)用.pdf

1、在大量的科學研究和工程應(yīng)用實踐中，人們發(fā)現(xiàn)遺傳算法(Genetic Algorithm，GA)存在一些問題，主要有早熟收斂、容易陷入局部最優(yōu)、局部搜索能力較弱、收斂速度慢等。早熟收斂、容易陷入局部最優(yōu)主要與遺傳算法的選擇壓力過大有關(guān)，通過適應(yīng)度尺度變換調(diào)節(jié)選擇壓力是解決這個問題的主要方法，但適應(yīng)度尺度變換的效果隨具體問題的不同而表現(xiàn)出較大差異，通用性稍差。 人工免疫算法(Artificial Immune Algorithm，A

2、IA)與GA的本質(zhì)不同是，AIA的選擇算子模擬了自然免疫系統(tǒng)的抗體繁殖策略，引入了抗體濃度調(diào)節(jié)機制，即對適應(yīng)值高且濃度低的抗體促進其繁殖，對濃度高的抗體進行抑制，從而有效的調(diào)節(jié)了選擇壓力，保持了解群體的多樣性，克服了遺傳算法容易出現(xiàn)早熟收斂和陷入局部最優(yōu)的缺點?？贵w濃度調(diào)節(jié)機制是調(diào)節(jié)選擇壓力的一種較為理想的方法。但AIA的缺點也很突出，這就是它的運行速度和收斂速度都較慢。 在本論文中我們提出了新的抗體相似度、期望繁殖率以及克隆選

3、擇概率的定義方法和計算公式，并結(jié)合精英選擇策略(elitism strategy)提出了一種新的免疫遺傳算法，簡稱為IGAE(Immune GeneticAlgorithm with Elitism)。IGAE有兩個重要特點，第一是抗體的相似度和期望繁殖率在進化過程中可以動態(tài)調(diào)整，以平衡群體的多樣性和算法的收斂速度，使算法可以快速地產(chǎn)生高質(zhì)量的解；第二是由于采用了Elitism策略，可以確保算法收斂到全局最優(yōu)解。 以IGAE為基

4、礎(chǔ)，文中提出了一種新的PID控制器的優(yōu)化設(shè)計方法。該方法以ITAE性能準則作為優(yōu)化問題的目標函數(shù)，采用IGAE去調(diào)整和優(yōu)化PID控制器的三個增益參數(shù)，以獲得性能最優(yōu)的PID控制器。所設(shè)計的這種控制器稱為IGAE-PID控制器。對四種典型的控制對象所進行的仿真實驗表明，IGAE-PID控制器具有良好的控制性能和魯棒性能。與采用微分進化算法、具有精英選擇的遺傳算法以及模擬退火算法設(shè)計的三種PID控制器相比，IGAE-PID控制器具有更好的或