【正文】 e break end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%。 [Kpidi,BSJ]=ycpidcs3(Kpidi,BSJ)。u139。rin,yout39。r39。 洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 32 xlabel(39。 %***********步驟 4：變異操作 *********** Pm=[1:1:Size]*()/Size。 end %％％％％％％％％計(jì)算交叉概率的公式 ,個體適應(yīng)度大于平均適應(yīng)度的，隨適應(yīng)度的增大， pc 減小 if (fmaxf)(fmaxfavg) pc=*(fmaxf)/(fmaxfavg)。 end kk=0。 洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 29 BestS=E(Indexfi(Size),:)。 end [OderJi,IndexJi]=sort(BSJi)。 for i=1:1:CodeL y1=y1+m1(i)*2^(CodeLi)。 MaxX(2)=。 close all。 洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 24 謝 辭 經(jīng)過幾個月的努力奮斗，由于之前經(jīng)驗(yàn)的匱乏，難免有許多考慮周全嚴(yán)禁 的地方，如果沒有 老師的耐心的指導(dǎo)，以及同學(xué)們的幫助和支持，想要完成這個設(shè)計(jì)是非常困難的。 由于采用二進(jìn)制編碼，每個參數(shù)選擇的編碼長度為 10 位，若三個參數(shù)都優(yōu)化，運(yùn)行時間太長，為了加快運(yùn)行效率，這里只優(yōu)化 Kp, Ki 兩個參數(shù)，讓 Kd=0。首先按 確定式采樣選擇 法執(zhí)行遺傳算法的選擇操作，然后將當(dāng)前群體中適應(yīng)度最高的個體結(jié)構(gòu)完整地復(fù)制到下一代群體中。選擇算子是建立在對個體適應(yīng)度評價的基礎(chǔ)上，通過選擇可以避免基因缺失，并提高全局收斂性和計(jì)算效率。產(chǎn)生初試群體的程序流程圖如22 所示。 改進(jìn)遺傳算法 參數(shù)編碼 Srinvivas 等人提出自適應(yīng)遺傳算法，即 Pc 和 Pm 能夠隨適應(yīng)度自動改變，當(dāng)種群的各個個體適應(yīng)度趨于一致或趨于局部最優(yōu)時，使二者增加，而當(dāng)種群適應(yīng)度比較分散時，使 二者減小，同時對適應(yīng)值高于群體平均適應(yīng)值的個體，采用較低的 PC 和 Pm，使性能優(yōu)良的個體進(jìn)入下一代，而低于平均適應(yīng)值的個體，采用較高的 PC 和 Pm，使性能較差的個體被淘汰 。 變異雖然可以使陷入某一超平面的個體得以解脫，但由于是隨機(jī)的，不能有效地保證這一問題的解決。常用的判定準(zhǔn)則有下面兩種： ①連續(xù)幾代個體平均適應(yīng)度的差異小于某一個極小的閾值； ②群體中所有個體適應(yīng)度的方差小于某一個極小的閾值。 在遺傳算法中使用變異算子主要有以下兩 個目的： 1)改善遺傳算法的局部搜索能力； 2)維持群體的多樣性，防止出現(xiàn)早熟現(xiàn)象。至此可完全確定出下一代群體中的 M 個個體。 對于求最小值的問題一般采用如下的適應(yīng)度函數(shù) ()fx和目標(biāo)函數(shù)()gx的映射關(guān)系： ? ? ? ?? ? ? ?? 0m a x,m a x 0m a x,0 ??? ??? CxgifxgC Cxgifxf (22) 式中， Cmax 可以是一個輸入?yún)?shù)在理論上的最 大 值，也可以是到目前所有代中 ()gx的最小值，此時 Cmax 會隨著代數(shù)而變化。 洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 11 否產(chǎn) 生 初 始 群 體計(jì) 算 個 體 適 應(yīng) 度選 擇變 異交 叉結(jié) 束輸 出 結(jié) 果是 否 滿 足 終 止條 件 ？開 始是 圖 21 基本遺傳算法流程圖 編碼 用遺傳算法設(shè)計(jì)一個優(yōu)秀的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，首先是要解決網(wǎng)絡(luò)結(jié)構(gòu)的編碼問題；然后才能以選擇、交叉、變異操作得出最優(yōu)結(jié)構(gòu)。 基本遺傳算法 (SGA)的組成 遺傳算法被認(rèn)為是對人類自然演化過程的模擬。在遺傳操作中，即使階數(shù)相同的模式，也會有不同的性質(zhì)，而模式的定義距就反映了這種性質(zhì)的差異。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。 （ 2）交叉（ Crossover Operator） 復(fù)制操作 從舊種群中選擇出優(yōu)秀者，但不能創(chuàng)造新的染色體。 遺傳算法的基本操作 （ 1） 復(fù)制（ Reproduction Operator） 復(fù)制 是從一個舊種群中選擇生命力強(qiáng)的個體位串產(chǎn)生新種群的過程。 ④ 選擇：一個群體中同時有 M 個個體存在，在這些個體中哪個被選去繁殖后代，哪個被淘汰，是根據(jù)它們對環(huán)境的適應(yīng)能力來決定的，適應(yīng)性強(qiáng)的個體有更多的機(jī)會被保留下來。而遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化計(jì)算的魯棒搜索算法，其特點(diǎn)是： ① 遺傳算法是對參數(shù)的編碼進(jìn)行操作，而非對參數(shù)本身； ② 遺傳算法是從許多點(diǎn)開始并行操作，而非局限于一點(diǎn)； ③ 遺傳算法通過目標(biāo)函數(shù)來計(jì)算適配值，而不需要其他推導(dǎo)，從而對問題的依賴性較小； ④ 遺傳算法的尋優(yōu)規(guī)則是由概率決定的，而非確定性的； ⑤ 遺傳算法在解空間進(jìn)行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機(jī)搜索； ⑥ 遺傳算法對于待尋優(yōu)的函數(shù)基本無限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微，既可以是數(shù)學(xué)解析式所表示的顯函數(shù)，又可以是映洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 7 射矩陣甚至是 神經(jīng)網(wǎng)絡(luò)的隱函數(shù)，因而應(yīng)用范圍較廣； ⑦ 遺傳算法具有并行計(jì)算的特點(diǎn)，因而可以通過大規(guī)模并行計(jì)算來提高計(jì)算速度； ⑧ 遺傳算法更適合大規(guī)模的復(fù)雜問題的優(yōu)化； ⑨ 遺傳算法計(jì)算簡單，功能強(qiáng)。 從 20 世紀(jì) 80 年代中期起，遺傳算法和進(jìn)化計(jì)算到達(dá)一個研究高潮，以遺傳算法和進(jìn)化計(jì)算為主題的國際學(xué)術(shù)會議在世界各地定期召開。伴隨著算法的運(yùn)行，優(yōu)良的品質(zhì)被逐漸保留并加以組合，從而不斷產(chǎn)生出更佳的個體。 （ 3）應(yīng)用神經(jīng)網(wǎng)絡(luò)的控制方案 基于神經(jīng)網(wǎng)絡(luò)在 線學(xué)習(xí)的自適應(yīng)控制系統(tǒng)。特別對于慣性遲延較大的對象或外擾頻繁的情況下，采用導(dǎo)前汽溫微分信號的雙回路系統(tǒng)調(diào)節(jié)品質(zhì)不如串級系統(tǒng)。 對于串級汽溫調(diào)節(jié) 系統(tǒng)，無論擾動發(fā)生在副調(diào)節(jié)回路還是發(fā)生在主調(diào)節(jié)回路，都能迅速的做 出反應(yīng)，快速消除過熱汽溫的變化。汽溫調(diào)節(jié)對象由減溫器和過熱器組成，減溫水流量 Wj 為對象調(diào)節(jié)通道 的 輸入信號，過熱器出口汽溫2q 為輸出信號。另外，中國科學(xué)技術(shù)大學(xué)的陳國良教授等出版了遺傳算法的著作。遺傳算法被提出之后立即受到了各國學(xué)者的廣泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。 目前，在火電廠中，各種類型的 PID 控制器因其結(jié)構(gòu)簡單、參數(shù)的物理意義明確、易于調(diào)整并且具有一定的魯棒性，在理論上有成熟的穩(wěn)定性設(shè)計(jì)和參數(shù)整定方法，同時在工程應(yīng)用中積累了豐富的經(jīng)驗(yàn)。洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） I 遺傳算法在主 蒸汽溫度 控制 系統(tǒng) 中的應(yīng)用 摘 要 在電廠 熱工生產(chǎn)過程中，主蒸汽溫度控制的任務(wù)是 維持過熱器出口蒸汽溫度在允許范圍之內(nèi)。主蒸汽溫度是一個很重要的控制參數(shù)，它控制的任務(wù)是維持過熱器出口蒸汽溫度允許的范圍之內(nèi)，并保護(hù)過熱器，使其管壁溫度不超過允許的工作溫度。 遺傳算法被提出之后立即受到了各國學(xué)者的廣 泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。國內(nèi)以武漢大學(xué)軟件工程國家重點(diǎn)實(shí)驗(yàn)室為領(lǐng)先，在他們的并行計(jì)算研究室內(nèi)，進(jìn)化計(jì)算（他們稱之為 “演化計(jì)算 ”）成為一個重要的研究方向，目前已經(jīng)出版了專著，并有許多碩士、博士研究生圍繞進(jìn)化計(jì)算選題。 1q 為減溫器后汽溫， 2q 為過熱器出口汽溫。為了保證快速性，副調(diào)節(jié)回路的調(diào)節(jié)器 1()cGs采用比例 (P)或比例微分 (PD)調(diào)節(jié)器，使過熱汽溫基本保持不變，起到了粗調(diào)的作用 ； 為了保證調(diào)節(jié)的準(zhǔn)確性，主調(diào)節(jié)回路的調(diào)節(jié)器 2()cGs采用比例積分 (PI)或比例積分微分 (PID)調(diào)節(jié)器，使過熱汽溫與設(shè)定值相等，起到了細(xì)調(diào)的作用。因此，采用導(dǎo)前汽溫 微分信號的雙回路系統(tǒng)的副回路，其快速跟蹤和消除干擾的性能不如串級系統(tǒng)；在主回路中，串級系統(tǒng)的主調(diào)節(jié)器具有微分作用，故調(diào)節(jié)質(zhì)量比采用導(dǎo)前汽溫微分信號的雙回路系統(tǒng)好。該控制系統(tǒng)的原理是在采用導(dǎo)前微分信號的汽溫調(diào)節(jié)系統(tǒng)的基礎(chǔ)上，將氣溫偏差值及偏差值的微分引入到模糊控制器中，根據(jù)預(yù)先設(shè)計(jì)的規(guī)則，如當(dāng)導(dǎo)前汽溫信號變化大時，控制系統(tǒng)應(yīng)施加大的控制作用使控制量回到設(shè)定值等，對微分器的參數(shù)進(jìn)行在線整定，以達(dá)到在不同的工作情況下，控制系統(tǒng)的參數(shù)達(dá)到最佳值。遺傳 算法就是模擬上述生物的遺傳和產(chǎn)期 的進(jìn)化過程建立起來的一種搜索和優(yōu)化算法，它將“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 ，并且在串 聯(lián)群體 之間進(jìn)行有組織但又隨機(jī)的信息交換。 遺傳算法的發(fā)展 遺傳算法 簡稱 GA(Geic Algorithms)是最早是由美國 Michigan 大學(xué)John H. Holland 教授提出的模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種并行 隨機(jī)搜索最優(yōu)化方法 ，其在 1975 年出版的專著《 Adaptation in Nature and artificial systems》標(biāo)志著遺傳算法的誕生，在 20 世紀(jì) 70 年 . De Jong洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 6 在計(jì)算機(jī)上進(jìn)行了大量的數(shù)值函數(shù)優(yōu)化試驗(yàn)，建立了 De Jong 函數(shù)測試平臺。 遺傳算法的特點(diǎn) 為了解決各種優(yōu)化計(jì)算問題，人們提出了各種優(yōu)化算法，如單純形法，梯度法，動態(tài)規(guī)劃法，分枝定 界法等。 ③ 計(jì)算適應(yīng)值：適應(yīng)性函數(shù)表明個體對環(huán)境的適應(yīng)能力的強(qiáng)弱，不同的問題，適應(yīng)函數(shù)的定義方式也不同。應(yīng)該注意上述各基本步驟是密切相關(guān)的，編碼方案與遺傳算子的設(shè)計(jì)等是同步考慮的 ，有時甚至需要上機(jī)運(yùn)行與算法設(shè)計(jì)交替進(jìn)行。適應(yīng)度比例法較常用。在染色體以 二進(jìn)制編碼的系統(tǒng)中，它隨機(jī)地將染色體的某一個基因由 1 變?yōu)?0，或由 0 變?yōu)?，而沒有變異，則無洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 9 法在初始基因組合以外的空間進(jìn)行搜索，使進(jìn)化過程在早期就陷入局部解而進(jìn)入終止過程，從而影響解的質(zhì)量。 模式階用來反映不同模式間確定性的差異，模式階數(shù)越高，模式的確定性就越高，所匹配的樣本數(shù)就越少。 模式定理保證了較優(yōu)模式的樣本數(shù)呈指數(shù)增長，從而使遺傳算法找到全局最優(yōu)解的可能性存在；而積木塊假設(shè)則指出了在遺傳算子的作用下，能生成全局最優(yōu)解。遺傳算法中包含如下 5 個基本要素：（ 1）參數(shù)編碼；（ 2）初始群體的設(shè)定；（ 3）適應(yīng)度函數(shù)的設(shè)計(jì)；（ 4）遺傳操作設(shè)計(jì)；（ 5）控制參數(shù)的設(shè)定 (主要是群體大小和使用遺傳操作的概率等 )。 對于求最大值的問題一般采用如下的適應(yīng)度函數(shù) ()fx和目標(biāo)函數(shù)()gx的映射關(guān)系： ? ? ? ?? ? ? ?? 0m i nm i n , 0m i n,0 ??? ??? CxgifCxg Cxgifxf (21) 式中， minC 可以是一個輸入?yún)?shù)在理論上的最小值，也可以是到目前所有代中 ()gx的最小值，此時 minC 會隨著代數(shù)而變化。 c、 按照 Ni 的小數(shù)部分對個體進(jìn)行降序排序，順序取前 ???Mi iNM 1個個體加入 到下一代群體中。交叉運(yùn)算和變異運(yùn)算的相互配合，共同完成對搜索空間的全局搜索和局部搜索。一般取為 100~1000； 至于遺傳算 法的終止條件，還可以利用某種判定準(zhǔn)則，當(dāng)判定出群體已經(jīng)進(jìn)化成熟且不再有進(jìn)化趨勢時就可以終止算法的運(yùn)行過程。 所以應(yīng)使選擇壓力和群體的多樣性保持一定的平衡 。 3．容易實(shí)現(xiàn)手動到自動的無沖擊切換。在濾除相似個體后，當(dāng)剩余的個體數(shù)達(dá)不到設(shè)定的初始群體規(guī)模 Size 時，將濾除掉的個體按照適應(yīng)小排序，選取適應(yīng)度大的一些個體來補(bǔ)充初始群體的不足。遺傳算法通過選擇算子確定如何將父代群體中的個體遺傳到下一洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 20 代群體中去。 這里選用的選擇算子是 確定式采樣選擇 法和最佳個體保留法相結(jié)合的選擇方式。 仿真結(jié)果分析 在 圖 31 中， 曲線 是采用改進(jìn)后的遺傳算法優(yōu)化后的 PID 串級控制系統(tǒng)的相應(yīng)曲線， 這里取為：副調(diào)節(jié)器為比例調(diào)節(jié)器， Kp＝ 15 優(yōu)化后的 PID洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 21 的參數(shù)為： Kp＝ ， Ki＝ ， Kd＝ 0。 由于時間 倉 促和本文作者水平有限， 本文存在著很多的不足之處，有待今后做進(jìn)一步研究完善，例如，怎樣確定遺傳算法的運(yùn)行參數(shù)，即編碼長度，初始群體的大小，終止進(jìn)化的代數(shù)等，本文是在仿真過程中反復(fù)調(diào)整確定的，帶有一定的盲目性，另外，還 需要對 遺傳算法的其它方面做進(jìn)一步的改進(jìn) 。洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 25 參考文獻(xiàn) [1] 馬平 ,朱燕飛 ,牛征 .基于神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng) .華北電力大學(xué)學(xué)報(bào) ,2021 [2] 李敏強(qiáng)，寇紀(jì)淞，林丹等 .遺傳算法的基本理論與應(yīng)用 .北京：科學(xué)技術(shù)出版社， 2021 [3] 羅萬金 .電廠熱工過程自動調(diào)節(jié) .北京：中國電力出版社 .1991 [4] 于湘濤， 劉紅軍，丁俊宏 等 .二自由度 PID 內(nèi)模主汽溫控制 .華北電力大學(xué)學(xué)報(bào) ,2021 [5] 飛思科技產(chǎn)品研 發(fā)中心 .MATLAB 輔