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