第七章基于遗传算法的控制技术精要.ppt

* * 张秦艳 * * 张秦艳 * * 张秦艳 许多优化问题，必须将最优连续函数的有哪些信誉好的足球投注网站通过离散化变换成函数上多点有哪些信誉好的足球投注网站。 7.4 高级遗传算法 * * 张秦艳 1．改进的复制方法（7种）： 在简单的遗传算法中，采用转轮法来选择后代，使适值高的个体具有较高的复制概率，其潜在的问题是：种群中最好的个体可能产生不了后代. 1）稳态复制法 该法保证种群中最优秀的个体在进化过程中不被删除。在经过交叉、变异后，只有一两个最优秀个体被选进下一代种群，替代原有种群中的最差个体。 2）代沟法 代沟法类似于稳态复制法，只是选择新种群中一部分优良个体替代原有种群中的较差个体，以构成下一代进化种群。 * * 张秦艳 3）选择种子法 ②计算种群中所有个体适值。 * * 张秦艳 * * 张秦艳 7）排序法 * * 张秦艳 2．高级GA算法： 为改善高级GA的鲁棒性，在复制、交叉和变异运算的基础上，再考虑两种类型的基因运算，即微运算和宏运算。 1）多点交叉微运算 交叉运算的目的是把个体中性能优良的欲交叉的两个位串，遗传到下—代某个个体中，使之具有父辈个体的优良性能。 * * 张秦艳 * * 张秦艳 一致性交叉：按照随机产生的模板，随机地决定对父辈个体中的哪一位进行交换。 虽然多点交叉能解决单点不能解决的问题，但使用时必须小心。经验表明，随着交叉点N的增加，GA的性能会变坏。 1.0 dij 共享度S d dij || xi-xj || * * 张秦艳 2）重组宏运算 重组运算在遗传算法中是种群级别上的宏运算。 对给定的某个个体，共享度是由种群中所有其它位串所提供的共享函数值之和来决定。接近于该个体的位串具有高的共享度 接近于1 ，而远离该个体的位串，具有很小的共享度 接近于0 。 以这种方式累计共享总数之后，一个个体所降低的适值由下式计算： * * 张秦艳 7.5 微种群和双种群遗传算法 改进算法的目的：为了提高简单遗传算法的收敛速度，并防止陷入成熟前的收敛以获取最优解 简单遗传算法的规模大致为30～200 * * 张秦艳 * * 张秦艳 微种群算法 为了尽快地获得最优解，产生了不按平均特性来评价种群的行为，而是按至今最好的个体位串来评价微种群的算法 μGA 。它的具体算法如下： ① 随机复制规模为5的种群，或4个是随机复制，1个来自前一次有哪些信誉好的足球投注网站。 ② 计算适值并确定最好的位串，将其标志为5，传到下一代，以保证优良的模式信息不丢失。 ③ 按照确定性复制策略选择其余4个位串以进行复制。 ④ 以概率1施加交叉运算，以加速产生确定位高的模式。 ⑤ 检验收敛条件，如收敛转步骤①；否则转步骤②。 * * 张秦艳 * * 张秦艳 * * 张秦艳 双种群遗传算法的步骤为： * * 张秦艳 * * 张秦艳 7.6 基于遗传算法的系统在线辨识 遗传算法在参数辨识中的应用 1．离散系统参数估计 2．多参数级联定点映射编码 3．目标函数到适值形式的映射 * * 张秦艳 * * 张秦艳 1．离散系统参数估计 * * 张秦艳 2．多参数级联定点映射编码 * * 张秦艳 3．目标函数到适值形式的映射 * * 张秦艳 * * 张秦艳 遗传算法参数辨识运算步骤可归纳如下： ①种群初始化，随机生成N个参数集的位串。 ②采用伪随机二进制序列 PRBS 作为辨识输入信号，采样系统实际输出y k 。 ③按适值函数评价，并计算整体的平均性能。 ④参数辨识是否收敛到指定的精度内或仿真步数是否达到最大，若是，则仿真结束。 ⑤是否过早出现非成熟收敛，若是则进行适值调整。 ⑥按规范适值或适值调整结果复制下一代，并按概率进行交叉和变异操作。 ⑦查看上一代中最优秀个体是否保留在本代，若不是，则取代本代中任意一个个体，将优秀个体无遗传保留。 ⑧转步骤②。 * * 张秦艳 7.7 基于遗传算法的模糊控制 * * 张秦艳 * * 张秦艳 利用遗传算法，在固定模糊隶属函数的前题下自动调整模糊控制规则，其主要操作如下： 1 种群大小 在使用遗传算法时，首先需要解决的是确定种群的大小，取50。 2 参数编码 对模糊控制规则采用自然数编码。对NL、NM、NS、ZE、PS、PM、PL分别用0、1、2、3、4、5、6表示。 * * 张秦艳 3 复制 选择种子法能保证全局收敛，稳态复制法适合于非线性较强的问题，代沟法的寻优效果一般，一般复制法效果最差。 4 交叉和变异 交叉操作是产生新个体增大有哪些信誉好的足球投注网站空间的重要手段，但同时容易造成对有效模式的破坏，针对模糊规则表采用自然编码的特点，采用点对点的双点交换方法，如图9-16所示。 * * 张秦艳 在进化早期，随机选择突变次数 1~3 次，在串中随机选择一个突变位置a（ 6步距突变，即a b+s ％7）。 在进化后期，采用2步距突变，例如对规则