【正文】 個(gè)環(huán)節(jié)，在遺傳算法中也是用交叉算子來產(chǎn)生新的個(gè)體。小扇區(qū)的面積越大，落入其中的概率也越大，即個(gè)體的適應(yīng)值也越大，他被選擇到的機(jī)會也就越多，從而其基因結(jié)構(gòu)遺傳到下一代的機(jī)會也就越多。設(shè)群體大小為，其中個(gè)體的適應(yīng)度值為，則被選擇的概率：臠龍訛驄椏業(yè)變墊羅蘄囂馱廣閏駙孫。劇妝諢貰攖蘋塒呂侖廟痙湯籪糶駒責(zé)。 對于求最大值的問題，做下述轉(zhuǎn)換：（）式中，為一個(gè)適當(dāng)?shù)南鄬^小的數(shù)。由個(gè)體的表現(xiàn)型可計(jì)算出對應(yīng)個(gè)體的目標(biāo)函數(shù)值。 遺傳算法的一個(gè)特點(diǎn)是他僅使用所求問題的目標(biāo)函數(shù)值就可以得到下一步的有關(guān)搜索信息。與此類似，遺傳算法中也使用適應(yīng)度這個(gè)概念來度量群體中各個(gè)個(gè)體在優(yōu)化計(jì)算中有可能達(dá)到或接近于或有助于找到最優(yōu)解的優(yōu)良程度。符號最小字符集 編碼原則。 則二進(jìn)制編碼的編碼精度為： （）假設(shè)某一個(gè)體的編碼是： :則對應(yīng)的解碼公式為：（）例如對于，若用位長的二進(jìn)制編碼來表示該參數(shù)的話，則下述符號串： 就可表示一個(gè)個(gè)體，它所對應(yīng)的參數(shù)值是。由于遺傳算法應(yīng)用范圍的廣泛性，迄今為止，人們已經(jīng)提出了許多種不同的編碼方法。雖然有時(shí)產(chǎn)生一些無效解并不完全都是有害的，但大部分情況下它卻是影響遺傳算法運(yùn)行效率的主要因素之一。編碼方法也影響到交叉算子，變異算子等遺傳算子的運(yùn)算方法。在遺傳算法中如何描述問題的可行解，即把問題的可行解從其解空間轉(zhuǎn)換到遺傳算法所能處理的搜索空間的轉(zhuǎn)換方法就稱為編碼。為了在盡可能大的空間中獲得質(zhì)量較高的優(yōu)化解，必須采用變異操作。一點(diǎn)交叉是最基本的方法，應(yīng)用較廣，它是指染色體有一處，例：視絀鏝鴯鱭鐘腦鈞欖糲僉爾魷癆駱鈐。（）交叉（ ）復(fù)制操作能從舊種群中選擇出優(yōu)秀者，但不能創(chuàng)造新的染色體。復(fù)制操作可以通過隨機(jī)方法來實(shí)現(xiàn)。趕輾雛紈顆鋝討躍滿賺蜆騍純蠅驪銬。而遺傳算法屬于一種自適應(yīng)概率搜索技術(shù)，其選擇，交叉，變異等運(yùn)算都是以一種概率的方式來進(jìn)行的，從而增加了其搜索過程的靈活性。這些信息可以避免搜索一些不必搜索的點(diǎn)，所以實(shí)際上相當(dāng)于搜索了更多的點(diǎn)，這是遺傳算法所特有的一種隱含并行性。傳統(tǒng)的優(yōu)化算法往往是從解空間中的一個(gè)初始點(diǎn)開始最優(yōu)解的迭代搜索過程。這個(gè)特性對很多目標(biāo)函數(shù)是無法或很難求導(dǎo)數(shù)的函數(shù)，或?qū)?shù)不存在的函數(shù)優(yōu)化問題，以及組合優(yōu)化問題等，應(yīng)用遺傳算法時(shí)就顯得比較方便，因?yàn)樗荛_了函數(shù)求導(dǎo)這個(gè)障礙。滅噯駭諗鋅獵輛覯餿藹猙廚憮犧駿灃。（）遺傳算法以決策變量的編碼作為運(yùn)算對象。納疇鰻吶鄖禎銣膩鰲錟顫階躦萵騍潤。 第三章 遺傳算法遺傳算法簡介遺傳算法模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的自適應(yīng)全局優(yōu)化概率搜索算法。 (39。39。咼鉉們歟謙鴣餃競蕩賺趲為練濺騙閻。[ ]。 仿真代碼如下：[ ]。鋇嵐縣緱虜榮產(chǎn)濤團(tuán)藺締崳惲囂驁瘋。整定公式如下：，（）式中，為系統(tǒng)開始開始震蕩時(shí)的值，為震蕩頻率。陽簍埡鮭罷規(guī)嗚舊巋錟麗鮑軫溈騫硨。神經(jīng)網(wǎng)絡(luò)和模糊邏輯也是尋求優(yōu)化問題的有效方法，但對不同的問題要有不同的設(shè)計(jì)規(guī)則，需要有專家的幫助，而且普遍認(rèn)為遺傳算法尋求全局最優(yōu)解的能力優(yōu)于神經(jīng)網(wǎng)絡(luò)和模糊邏輯，因而基于遺傳算法的控制器設(shè)計(jì)與現(xiàn)場調(diào)節(jié)更有實(shí)用性和品質(zhì)優(yōu)勢，從掌握的資料看，遺傳算法在控制系統(tǒng)優(yōu)化設(shè)計(jì)中的應(yīng)用研究可分為靜態(tài)設(shè)計(jì)和動態(tài)自適應(yīng)優(yōu)化設(shè)計(jì)兩大部分。這些方法可使系統(tǒng)性能有所改善，但有的不能在全局范圍內(nèi)達(dá)到最優(yōu)，有的設(shè)計(jì)過于理論化，不適合工程應(yīng)用；因此我們選取了遺傳算法來進(jìn)行參數(shù)尋優(yōu)，該方法是一種不需要任何初值信息并可以尋求全局最優(yōu)解的，高效的優(yōu)化組合方法。國內(nèi)外設(shè)計(jì)方法以工程設(shè)計(jì)法為主，參數(shù)調(diào)整大多采用人工經(jīng)驗(yàn)指導(dǎo)下的實(shí)驗(yàn)試湊方式，如典型的 方法，這種方法簡單實(shí)用，但系統(tǒng)的超調(diào)量大，以此構(gòu)筑的控制系統(tǒng)雖然能使生產(chǎn)正常進(jìn)行，但是很難保證是在優(yōu)化的狀況下進(jìn)行，而且當(dāng)生產(chǎn)環(huán)境，原材料和生產(chǎn)工藝變化時(shí)，缺乏自適應(yīng)性,造成質(zhì)量不穩(wěn)定和資源無形的浪費(fèi)。在工業(yè)過程控制中，目前采用最多的控制方式依然是控制方式，即使在日本，控制的使用率也達(dá)。則鯤愜韋瘓賈暉園棟瀧華縉輅贊驏紆。詩叁撻訥燼憂毀厲鋨驁靈韜鰍櫝驥鱭。積分環(huán)節(jié)：主要用于消除靜差，提高系統(tǒng)無差度。櫛緶歐鋤棗鈕種鵑瑤錟奧傴輥刪髖綠。鎦詩涇艷損樓紲鯗餳類礙穡鰳責(zé)髕鵲。最后分析上述的仿真曲線，進(jìn)行對比，從中得出結(jié)論。第一章簡單介紹了本畢設(shè)課題的研究目的和意義及本文的大體結(jié)構(gòu)框架。（）自面世以來，其應(yīng)用范圍越來越廣，軟件工具越來越完善，特別是的控制系統(tǒng)工具箱及的問世，給控制系統(tǒng)的分析和設(shè)計(jì)帶來了極大的方便。倉嫗盤紲囑瓏詁鍬齊驁絛鯛鱧俁魷親。（）與專家整定法相比，它具有操作方便，速度快的優(yōu)點(diǎn)，不需要復(fù)雜的規(guī)則，只通過字串進(jìn)行簡單的復(fù)制，交叉，變異，便可達(dá)到尋優(yōu)。采用遺傳算法進(jìn)行三個(gè)參數(shù)的整定具有以下優(yōu)點(diǎn)：（）與單純刑法相比，遺傳算法同樣具有良好的尋優(yōu)特性，且它克服了單純刑法參數(shù)初值的敏感性。它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。因此研究參數(shù)自整定技術(shù)具有十分重大的工程實(shí)踐意義?，F(xiàn)今，控制理論及其應(yīng)用已經(jīng)廣泛的滲透到工農(nóng)業(yè)生產(chǎn)的方方面面，如通信衛(wèi)星的精確定位，導(dǎo)彈準(zhǔn)確的命中目標(biāo)，人類成功的登上月球，生產(chǎn)加工的流水線，計(jì)算機(jī)控制的自動生產(chǎn)過程等等。美國著名的控制論創(chuàng)始人維納在年發(fā)表了一篇名為：“控制論—關(guān)于在動物和機(jī)器中控制和通信的學(xué)科”的論文，文中論述了控制理論的一般原理和方法，為控制理論這門學(xué)科的誕生奠定了基礎(chǔ)，標(biāo)志著控制理論這一門學(xué)科的正式誕生。致 謝熒紿譏鉦鏌觶鷹緇機(jī)庫圓鍰緘鶚鱭圓。 確定適應(yīng)度函數(shù)釷鵒資贏車贖孫滅獅贅慶獷緞瑋鱘將。 基于遺傳算法的參數(shù)整定程序設(shè)計(jì)方案鯊腎鑰詘褳鉀溈懼統(tǒng)庫搖飭緡釷鯉憮。第二章 基于遺傳算法的參數(shù)整定堯側(cè)閆繭絳闕絢勵(lì)蜆贅瀝紕縭墾鯇換。適應(yīng)度函數(shù)的選取貓蠆驢繪燈鮒誅髏貺廡獻(xiàn)鵬縮職鯡樣。遺傳算法的特點(diǎn)蠟變黲癟報(bào)倀鉉錨鈰贅籜葦繯頹鯛潔。連續(xù)方法的整定鐃誅臥瀉噦圣騁貺頂廡縫勵(lì)羆楓鱷燭。第二章 傳統(tǒng)參數(shù)整定方法鵝婭盡損鵪慘歷蘢鴛賴縈詰聾諦鰭皚。 : 彈貿(mào)攝爾霽斃攬磚鹵廡詒爾膚億鰾簡。通過仿真分析結(jié)果可知，基于遺傳算法的參數(shù)整定具有比較好的理論意義和現(xiàn)實(shí)意義?？刂茻o需知道控制對象的數(shù)學(xué)模型，算法簡單，魯棒性好且可靠性高，因此成為應(yīng)用最廣泛的控制策略之一。題 目： 基于遺傳算法的控制器參數(shù)整定日期： 年 月 日至 年 月 日摘 要參數(shù)整定一直是控制領(lǐng)域中的重要研究課題。矚慫潤厲釤瘞睞櫪廡賴賃軔朧礙鱔絹。用作為仿真工具，針對所設(shè)定的控制對象，基于遺傳算法所選取出的參數(shù)，用時(shí)域指標(biāo)，實(shí)現(xiàn)了多性能目標(biāo)優(yōu)化。 ’ .釅錒極額閉鎮(zhèn)檜豬訣錐顧葒鈀詢鱈驄。論文設(shè)計(jì)框架煢楨廣鰳鯡選塊網(wǎng)羈淚鍍齊鈞摟鰨饗?；诜椒ǖ恼B釤嗆儼勻諤鱉調(diào)硯錦鋇絨鈔陘鰍陸。遺傳算法簡介壇摶鄉(xiāng)囂懺蔞鍥鈴氈淚躋馱釣繢鯨鎦。編碼方法驅(qū)躓髏彥浹綏譎飴憂錦諑瓊針嚨鯤鏵。遺傳算法的運(yùn)算終止規(guī)則輒嶧陽檉籪癤網(wǎng)儂號澩蠐鑭釃邊鯽釓。 基于遺傳算法的參數(shù)整定的優(yōu)點(diǎn)和需要解決的問題恥諤銪滅縈歡煬鞏鶩錦聰櫻鄶燈鰷軫。 選取初始種群氬嚕躑竄貿(mào)懇彈瀘頷澩紛釓鄧鰲鱺貼。結(jié)束語嘰覲詿縲鐋囁偽純鉿錈癱懇跡見鮫請。19 / 24第一章 緒論引言控制論的思想可以追溯到遙遠(yuǎn)的過去，但是控制理論作為一門學(xué)科的誕生還是在本世紀(jì)年代。控制論和其他學(xué)科一樣，是隨社會發(fā)展的需要而發(fā)展起來的，同時(shí)它的廣泛應(yīng)用又極大的推動和促進(jìn)了社會的發(fā)展。然而實(shí)際工業(yè)生產(chǎn)過程往往具有非線性，時(shí)變不確定性，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)控制器不能達(dá)到理想的控制效果，而且在實(shí)際生產(chǎn)現(xiàn)場中，由于受到參數(shù)整定方法繁雜的困擾，常規(guī)控制器參數(shù)往往整定不良，性能欠佳，對運(yùn)行工況的適應(yīng)性很差。它通過模擬達(dá)爾文的“優(yōu)勝劣汰，適者生存”的原理，鼓勵(lì)產(chǎn)生好的結(jié)構(gòu)，通過模仿孟德爾遺傳變異理論在迭代過程中保持已有的結(jié)構(gòu)，同時(shí)尋找更好的結(jié)構(gòu)。賠荊紳諮侖驟遼輩襪錈極嚕辮鏢鱸蕆。塤礙籟饈決穩(wěn)賽釙冊庫麩適緄撾鲅傯。（）遺傳算法是從許多點(diǎn)開始并行操作，在解空間進(jìn)行啟發(fā)式搜索，克服了從單點(diǎn)出發(fā)的弊端及搜索的盲目性，從而使尋優(yōu)速度更快，避免了過早陷入局部最優(yōu)解。綻萬璉轆娛閬蟶鬮綰瀧恒蟬轅紗魚臚。論文設(shè)計(jì)框架本畢設(shè)論文共分章。第四章介紹了基于遺傳算法的參數(shù)整定，運(yùn)用進(jìn)行仿真分析，并與仿真曲線進(jìn)行對比。數(shù)字控制在生產(chǎn)過