基于一种混合遗传算法的模糊控制器的研究

摘要

遗传算法是基于自然进化理论的一种并行、高效的全局优化搜索算法,通过模拟生物的进化(自然选择、交叉、变异),将优化问题转化为生物进化过程,采用优胜劣汰的机制来获得问题的最优解.但传统遗传算法有一些不足,如搜索效率不高,有时会出现未成熟收敛等,尤其二进制编码的遗传算法,计算工作量大,因为它需要繁琐的译码操作,而且在需要获得高精度结果的寻优过程中二进制编码的遗传算法的编码字符串长度需要很长,这无疑增加了计算的复杂度,减慢了收敛速度.因此,弥补该算法的不足,对遗传算法进行改进或将遗传算法与其它算法复合已经成为一个重要的发展方向,许多改进遗传算法的方法不断地被提出来.针对上述缺点,该文提出了一种混合遗传算法.它采用了浮点数编码,可以提高搜索结果的精度,同时又不需要增加太大的工作量.另外,为了提高收敛速度以及防止早熟现象,对遗传算法的各个操作环节做出了一些改进,从初始群体的产生到遗传算子的改进等.同时,在进化的不同时期根据个体的适应度和相似度不断地修改交叉和变异概率,并引入小生镜技术保持群体的多样性和单纯形法改善算法的局部搜索能力,使算法能有效地跳出局部极值点.模糊控制是智能控制的重要分支,它参考人们的经验而不依赖于被控对象的数学模型,因此它被广泛地应用在具有复杂的非线性环节的控制领域中.模糊控制器的性能依靠于几个关键因素:隶属函数和模糊规则表.传统的选择参数的方法主要依赖于人们的经验,因此存在较大的主观性和随意性.该文将混合遗传算法用于模糊控制器的参数选取,在MATLAB环境中设计了针对工业过程中常见的二阶模型的仿真程序.仿真结果显示了三种控制器的控制效果,证明该基于混合遗传算法的模糊控制器具有良好的动态性能和较好的鲁棒性.

目录

摘要

Abstract

第一章文献综述及课题的提出

1.1本课题研究的目的和意义

1.2本课题的背景和研究现状

1.3本课题存在的问题及解决问题的方法

1.4本文所做的工作

第二章遗传算法及其改进

2.1遗传算法介绍

2.2标准遗传算法的设计与执行策略

2.3遗传算法的缺陷

2.4遗传算法的改进

2.5单纯形法

2.5.1单纯形法简介

2.5.2单纯形法的算法说明

第三章基于混合遗传算法的模糊控制器

3.1模糊控制介绍

3.2模糊控制器设计

3.2.1模糊控制器输入变量和输出变量的确定

3.2.2隶属度函数的确定

3.2.3模糊控制器控制规则的设计

3.2.4知识库

3.2.5模糊化和去模糊化

3.2.6模糊控制器参数的确定

3.3基于混合遗传算法的模糊控制器

3.3.1编码

3.3.2初始群体产生

3.3.3适应度设计

3.3.4遗传算子和重要参数的设定

3.4对混合遗传算法的性能测试

第四章仿真实验

4.1系统分析

4.2系统仿真

4.3控制效果比较

第五章总结与展望

5.1论文的总结

5.2进一步工作展望

参考文献

攻读硕士学位期间发表的论文

致 谢