简易的遗传算法及其在控制中应用
点击数：7141 次 录入时间：03-04 12:00:14 整理：http://www.55dianzi.com 电脑-单片机-自动控制
所以每个个体的基因结点数为m＝15，于是把群体中个体数定为n＝3
0。
设复制率0.1，淘汰率0.2，变异率0.4，交叉率0.5。再设n表示个体数，i表示第几个个体；m表示基因数，j表示第几个基因；l表示第几代群体，k表示个体按评价指标E(i)大小排序。
编辑思路如下：
(1)给每个个体的系数数组赋以初值；
(2)计算每个个体的评价指标E(i)；
(3)根据评价指标排序，去掉最差的个体；
(4)根据变异算法产生新个体；
(5)根据交叉算法产生新个体；
(6)保留最佳个体，重复(2)～(5)操作，直至找到最佳系数数组。
这里介绍的是“离线辨识”。如果要编写“在线辨识”程序，以便插入自适应控制运行程序中去，那么请参考“在线递推辨识算法”和“自适应控制编程”的内容。这样就可以把遗传 算法应用于自适应控制系统。
3应用于控制系统
设控制系统如图1，已知预定值r(k)和被控对象G(z)，控制器D(z)的形式设计为：D(z)＝
就可以算出一系列y(k )、e(k)、u(k)。要求找出一组s0、s1、s2、r1、r2能够使得评价指标函数
［e2(k)＋pu2(k)］最小，p是权因子。(系数精确度要求为0. 001)。
根据系数精确度要求确定每个系数要占用10 bits，5个系数共需要50 bits；就是 说m=50,于是n＝100。然后设定各进化比率和编程思路都和上述的类似。
由此可见，遗传算法是一种寻优方法。被寻优的参数是什么领域的，就叫做把遗传算法应用到什么领域；所以说，遗传算法可以广泛地应用于函数寻优、静态优化、优化调度、优化控制、专家系统、模式识别、图像处理、机器人、分子生物工程；同时，它还可以与模糊技术、神经网络技术、自学习技术等结合使用。
参考文献
［1］孙增圻.智能控制理论与技术［M］.北京：清华大学出版社，1997．
［2］王耀南.智能控制系统——模糊逻辑、专家系统、神经网络控制［M］.长沙：湖南大学出版社，1996．
［3］蔡自兴.智能控制——基础与应用［M］.北京：国防工业出版社，1998．
［4］John Yen,Reza Langari.Fuzzy Logic［M］.Preutice Hall,美国texas ,1998．
［5］S.G.Tzafestas.SOFt.Computing in Systems and Control Techno logy［M］.美国：Robotics and Intelligent Systems Series,1997.
上一页 [1] [2]
本文关键字：暂无联系方式电脑-单片机-自动控制，电子学习 - 基础知识 - 电脑-单片机-自动控制
