【正文】 膽閉驟羥闈詔寢賻減棲綜訴鮐巹?？刂普摚鄬φ摵土孔诱撘黄鸨环Q為二十世紀(jì)自然學(xué)科的三大發(fā)現(xiàn)。參考文獻(xiàn)鶼漬螻偉閱劍鯫腎邏蘞闋簣擇睜鮪謅。 遺傳算法流程圖慫闡譜鯪逕導(dǎo)嘯畫長涼馴鴇撟鉍鲞謠。 參數(shù)的確定碩癘鄴頏謅攆檸攜驤蘞鷥膠據(jù)實鰹贏。概述識饒鎂錕縊灩筧嚌儼淒儂減攙蘇鯊運。 遺傳算子鍬籟饗逕瑣筆襖鷗婭薔嗚訝擯饃鯫缽。 遺傳算法的基本操作買鯛鴯譖曇膚遙閆擷凄屆嬌擻歿鯰錆。仿真程序及分析擁締鳳襪備訊顎輪爛薔報贏無貽鰓閎。．控制器的原理籟叢媽羥為贍僨蟶練淨(jìng)櫧撻曉養(yǎng)鰲頓。 目 錄第一章 緒論謀蕎摶篋飆鐸懟類蔣薔點鉍雜簍鰩驅(qū)。聞創(chuàng)溝燴鐺險愛氌譴凈禍測樅鋸鰻鯪。但在實際生產(chǎn)現(xiàn)場中，由于參數(shù)整定困難，常規(guī)控制器參數(shù)往往整定不良，性能欠佳。本論文研究了一種基于遺傳算法的控制器參數(shù)優(yōu)化設(shè)計方法。用分析和仿真了為控制器的控制系統(tǒng)，用遺傳算法找到最佳的參數(shù)。遺傳算法是一種具有極高魯棒性的全局優(yōu)化方法，在自控領(lǐng)域得到廣泛的應(yīng)用。關(guān)鍵詞：遺傳算法；控制器；參數(shù)整定；仿真 .殘騖樓諍錈瀨濟(jì)溆塹籟婭騍東戇鱉納。引言廈礴懇蹣駢時盡繼價騷巹癩龔長鰥檷?？刂破鲄?shù)的整定預(yù)頌圣鉉儐歲齦訝驊糴買闥齙絀鰒現(xiàn)。第一章 遺傳算法贓熱俁閫歲匱閶鄴鎵騷鯛漢鼉匱鯔潰。遺傳算法的基本步驟綾鏑鯛駕櫬鶘蹤韋轔糴飆鈧麥蹣鯢殘。遺傳算法的運行參數(shù)構(gòu)氽頑黌碩飩薺齦話騖門戲鷯瀏鯪晝。 參數(shù)整定凍鈹鋨勞臘鍇癇婦脛糴鈹賄鶚驥鯀戲。尋優(yōu)參數(shù)編碼閿擻輳嬪諫遷擇楨秘騖輛塤鵜蘞鰱幟?；诙M(jìn)制編碼遺傳算法的整定諺辭調(diào)擔(dān)鈧諂動禪瀉類謹(jǐn)覡鸞幀鮮奧。附錄紂憂蔣氳頑薟驅(qū)藥憫騖覲僨鴛鋅鮚嗚。穎芻莖蛺餑億頓裊賠瀧漲負(fù)這惻鮭觶?？刂剖亲钤绨l(fā)展起來的控制策略之一，由于其算法簡單，魯棒性好及可靠性高，被廣泛應(yīng)用于過程控制和運動控制中，尤其適用于可建立精確數(shù)學(xué)模型的確定性系統(tǒng)。遺傳算法是一種宏觀意義下的仿生算法，它模仿的機(jī)制是一切生命與智能的產(chǎn)生與進(jìn)化過程。本文試圖用遺傳算法來優(yōu)化來優(yōu)化控制器的參數(shù)，通過對給定的對象模型進(jìn)行仿真，在給定的目標(biāo)函數(shù)下，利用遺傳算法搜索最有參數(shù)的方法。同時單純刑法難以解決多值函數(shù)問題以及在多參數(shù)尋優(yōu)（如串級系統(tǒng)）中，容易造成尋優(yōu)失敗或時間過長，而遺傳算法的特性決定了它能很好的克服以上問題。裊樣祕廬廂顫諺鍘羋藺遞燦擾諗魴莖。根據(jù)不同的控制系統(tǒng)，針對一個或多個目標(biāo)，遺傳算法均能在規(guī)定的范圍內(nèi)尋找到合適的參數(shù)。驍顧燁鶚巰瀆蕪領(lǐng)鱺賻驃弒綈閶魎齠。第三章介紹了遺傳算法，包括遺傳算法的編碼方法及適應(yīng)度函數(shù)的選擇等內(nèi)容。第二章 傳統(tǒng)參數(shù)整定方法． 控制器的原理自從計算機(jī)進(jìn)入控制領(lǐng)域以來，用數(shù)字計算機(jī)代替模擬計算機(jī)調(diào)節(jié)器組成計算機(jī)控制系統(tǒng)，不僅可以用軟件實現(xiàn)控制算法，而且可以利用計算機(jī)的邏輯功能，使控制更加靈活。常規(guī)控制系統(tǒng)原理框圖如圖所示。 （）或?qū)懗蓚鬟f函數(shù)形式 ()式中 比例系數(shù)積分時間常數(shù)；微分時間常數(shù)。峴揚斕滾澗輻灄興渙藺詐機(jī)憒頇驤經(jīng)。在控制器的結(jié)構(gòu)形式確定之后，系統(tǒng)性能的好壞主要取決于選擇的參數(shù)是否合理。一般情況下，控制器含有多個參數(shù)，這些參數(shù)對系統(tǒng)性能的影響是相互依賴又相互矛盾的，再加上控制對象模型的復(fù)雜性，未可知性，系統(tǒng)性能指標(biāo)與控制器參數(shù)的關(guān)系是一個難以建立或則無法建立的非線性函數(shù)，有時甚至是非線性時變函數(shù)。但參數(shù)復(fù)雜繁瑣的整定過程一直困擾著工程技術(shù)人員，研究參數(shù)自整定技術(shù)具有十分重大的工程實踐意義。雖然這些方法都具有良好的尋優(yōu)特性，但但卻存在著一些弊端，單純刑法對初值比較敏感，容易陷入局部最優(yōu)化解，造成尋優(yōu)失敗。 正如等人指出，遺傳算法處理多維且多峰的非線性優(yōu)化問題具有很強(qiáng)的靈活性，魯棒性，適應(yīng)性，有效性。稟虛嬪賑維嚌妝擴(kuò)踴糶欏灣鯧飫驃餒。該方法整定比例系數(shù)的思想是,首先置，然后增加直至系統(tǒng)開始震蕩（即閉環(huán)系統(tǒng)極點在軸上），再將乘以，即為整定后的比例系數(shù)。對于給定的被控對象傳遞函數(shù)，可以得到其根軌跡。經(jīng)過工程實踐檢驗，這種設(shè)計方法能夠給控制系統(tǒng)提供較好的工作性能，但控制器參數(shù)的整定沒有考慮系統(tǒng)的任何特性要求，只能提供給系統(tǒng)一個穩(wěn)定的狀態(tài)，一個大致的工作區(qū)間，所以只能是一種比較粗糙的參數(shù)設(shè)置或初步估計，無法使系統(tǒng)運行最佳。()。 39。(,[])。 39。)。他將“優(yōu)勝劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，按所選擇的適配值函數(shù)并通過遺傳中的復(fù)制，交叉及變異對個體進(jìn)行篩選，使適配值高的個體被保留下來，組成新的群體，新的群體繼承了上一代的信息又優(yōu)于上一代。這些算法各有各的長處，各有各的適用范圍，也各有各的限制。這種對決策變量的編碼處理方式，使得我們在優(yōu)化計算過程中可以借鑒生物學(xué)中染色體和基因等概念，可以模仿自然界中生物的遺傳和進(jìn)化的機(jī)理，也使得我們可以方便地應(yīng)用遺傳操作算子。傳統(tǒng)的優(yōu)化算法不僅需要利用目標(biāo)函數(shù)值，而且往往需要目標(biāo)函數(shù)的導(dǎo)數(shù)值等其他一些輔助信息才能確定搜索方向。鐒鸝餉飾鐔閌貲諢癱騮吶轉(zhuǎn)鮭錢驗鎖。遺傳算法從由很多個體所組成的一個初始群體開始最優(yōu)解的搜索過程，而不是從一個單一的個體開始搜索。（）遺傳算法使用概率搜索技術(shù)。當(dāng)然，交叉概率和變異概率等參數(shù)也會影響算法的搜索效果和搜索效率，所以如何選擇遺傳算法的參數(shù)在其應(yīng)用中是一個比較重要的問題。根據(jù)位串的適配值拷貝，也就是指具有高適配值的位串更有可能在下一代中產(chǎn)生一個或多個子孫。此外，還可以通過計算方法實現(xiàn)，其中幾種較典型的方法為：適應(yīng)度比例法，期望值法，排位次法等，其中適應(yīng)度比例法較常用。它的過程為：在匹配池中任選兩個染色體，隨機(jī)選擇一點或多點交換點位置；交換雙親染色體交換點右邊的部分，即可得到兩個新染色體數(shù)字串。在染色體以二進(jìn)制編碼的系統(tǒng)中，它隨機(jī)的將染色體的某個基因由變?yōu)?，或者由變?yōu)椤＿z傳算法的基本步驟編碼方法在遺傳算法的運行過程中，它不對所求解問題的實際變量直接進(jìn)行操作，而是對表示可行解的個體編碼施加選擇，交叉，變異等遺傳算法，通過這種遺傳操作來達(dá)到優(yōu)化的目的，這是遺傳算法的特點之一。編碼是應(yīng)用遺傳算法時要解決的首要問題，也是設(shè)計遺傳算法使的一個關(guān)鍵步驟。一個好的編碼方法，有可能會使得交叉運算，變異運算等遺傳操作可以簡單的實現(xiàn)和執(zhí)行。針對喲個具體應(yīng)用問題，如何設(shè)計一個完美的編碼方案一直是遺傳算法的應(yīng)用難點之一，也是遺傳算法的一個重要的研究方向。鏃鋝過潤啟婭澗駱讕瀘載撻贏禱驛懼。二進(jìn)制編碼方法有下述一些特點：編碼解碼操作簡單易行。適應(yīng)度函數(shù)的選取 在研究生物界中生物的遺傳和進(jìn)化現(xiàn)象時，生物學(xué)家用適應(yīng)度這個術(shù)語來度量某個物種對于其生存環(huán)境的適應(yīng)程度。度量個體適應(yīng)度的函數(shù)稱為適應(yīng)度函數(shù)（ ）。評價個體適應(yīng)度的一般過程為：嶁硤貪塒廩袞憫倉華糲饃勵騮詡駐賭。 最優(yōu)化問題可分為兩大類，一類為求目標(biāo)函數(shù)的全局最大值，另一類為求目標(biāo)函數(shù)的全局最小值。 遺傳算子 遺傳算子是遺傳算法中對群體中的個體進(jìn)行的操作，其目的是通過這些操作得到新的個體。在中采用適應(yīng)度比例方法，也叫做輪盤賭注方法。選擇方法可以這樣理解，根據(jù)選擇概率把一個圓盤分成份，在選擇時可以假想轉(zhuǎn)動圓盤，若某參照點落入到第個扇形區(qū)內(nèi)，則選擇個體。()交叉算子在生物的自然進(jìn)化過程中，兩個同源染色體通過交配而重組，形成新的染色體，從而產(chǎn)生出新的個體或物種。遺傳算法中的所謂交叉運算，是指兩個相互配對的染色體按某種方式相互交換其部分基因從而形成兩個新的個體。目前常用的配對策略是隨機(jī)配對，即將群體中個個體以隨機(jī)的方式配對成對個體組，交叉操作是在這些配對個體組中的兩個個體之間進(jìn)行的。鈀燭罰櫝箋礱颼畢韞糲銨鵬駱隸驅(qū)訛。實行交叉時，該點前或后的兩個個體的部分結(jié)構(gòu)進(jìn)行互換，并產(chǎn)生兩個新個體。模仿生物遺傳和進(jìn)化過程中的這個變異環(huán)節(jié)，在遺傳算法中也引入了變異算子來產(chǎn)生出新的個體。變異算子與交叉算子相互配合，可以使群體在進(jìn)化中陷于搜索空間局部時，得到擺脫。薊鑌豎牘熒浹醬籬鈴騫違紗駑緩馬蝕。（）群體大小。交叉操作是遺傳算法中產(chǎn)生新個體的主要方法，所以交叉概率一般應(yīng)取較大值。飪籮獰屬諾釙誣苧徑凜騙橥峽軋饈俠。另外，也可以使用自適應(yīng)的思想來確定變異概率，如