基于遗传算法的智能控制策略研究

摘要

该文的主要研究目的是利用遗传算法来自动优化设计模糊控制器和神经网络控制器,一方面充分利用各自的优势来共同提高智能控制器的性能,另一方面将人从费时费力的试凑试验中解脱出来.为了避免算法早熟收敛和增强算法的搜索能力,该文还着重研究了遗传算法的改进.该论文主要工作和研究内容如下:(1)介绍了智能控制和遗传算法的基本知识和目前面临的形势.(2)对标准遗传算法,模式定量和积木块假设等遗传算法的基本理论进行了较深入的剖析和研究.(3)详细论述了标准遗传算法的改进,包括编码、适应度函数、选择算子、交叉算子、变异算子等的改进及一些高级遗传算法.（4）在研究前人改进方案的基础上，提出了一些新的遗传算法改进策略，如非线性自适应交叉变异率、相似个体评判和滤除等.（5）较详尽地阐述了神经网络和模糊控制的基本理论，探讨了用遗传算法解决其存在问题的原理和方法，重点研究神经网络控制和模糊控制与遗传算法的具体结合.（6）通过对一个交流伺服系统模型仿真验证了该文提出的改进遗传算法解决模糊控制与神经网络控制缺点的能力和效果，以MATLAB语言编程和SIMULINK仿真为主要手段，避免了许多复杂的数学推导，实现了函数编程与SIMULINK的结合.

目录

文摘

英文文摘

1绪论

1.1智能控制技术

1.2神经网络控制

1.3模糊控制

1.4遗传算法

1.5本论文的主要研究内容

2遗传算法的基本理论

2.1标准遗传算法

2.2遗传算法的模式定理

2.3积木块假设）（building block hypothesis）

3遗传算法的改进

3.1编码

3.2适应度函数的标定

3.3选择算子

3.4交叉算子

3.5变异算子

3.6高级遗传算法

3.7本文提出及采用的改进方案

4基于遗传算法的神经网络控制

4.1人工神经网络发展概况

4.2神经元的数理模型

4.3神经网络结构及特点

4.4神经网络的学习算法

4.5神经网络在控制中的主要作用

4.6神经网络控制结构分类

4.7神经网络控制待解决的问题

4.8基于遗传算法的神经网络控制

5基于遗传算法的模糊控制

5.1模糊控制概况

5.2模糊控制系统的设计

5.3基于遗传算法的模糊控制

6基于遗传算法的智能控制仿真

6.1 MATLAB语言

6.2基于遗传算法的神经控制仿真

6.3基于遗传算法的模糊控制仿真

7结论

致谢

参考文献

附录：攻读硕士学位期间发表的学术论文