四、 遗传算法及其在辨识中应用.pptVIP

四、 遗传算法及其在辨识中的应用 1 遗传算法 美国密执安大学的Holland 1975年提出 基于进化论中的优胜劣汰、自然选择、适者生存和物种遗传思想的收索算法。 主要用于： 优化计算 系统参数辨识 算法思想：将问题的求解表示成“染色体”，将它们置于问题的环境中，根据适者生存的原则，从中选择出适应环境的“染色体”进行复制，通过交换、变异操作产生新的一代更适应环境的“染色体”群，这样一代一代地不断变化，直至最后收敛到一个最适应环境的个体。 遗传算法的出发点是一个简单的群体遗传模型 该模型基于以下假设： 染色体由一固定长度的字符串组成 群体由有限数目的基因型组成 每一个基因型有一相应的适应度，表示该基 因型生存与复制的能力 四个变异遗传算子： 变换、突变、倒位、复制 遗传算法的特点 GA是对问题参数的编码进行优化，而不是参数本身； GA要求将优化问题的参数编码成长度有限代码集有限的串； GA的有哪些信誉好的足球投注网站是从问题解的串集开始，而不是单个解； GA使用对象函数值这一信息进行有哪些信誉好的足球投注网站； GA算法使用的算子是随机操作； 隐含的并行性。 应用GA的几个要点 问题编码 如何确定对象函数 确定GA 算法本身参数 2.使用遗传算法辨识系统参数 采用遗传算法辨识系统参数的步骤： （1）随机产生N个二进制字符中，每个字符串表示一组系统参数； （2）计算每一组参数的适应值； （3）应用复制、交叉、变异算子对群体进行进化操作 （4）复制（2）、（3），直至算法收敛/或达到预先设定的世代码； （5）群体中适应度最好的字符串表示的参数就是所需要辨识的系统参数。 其 它 基于遗传算法的非线性系统模型参数估计 辨识有理NARMA模型问题 确定神经网络的结构参数 系统优化问题求解 五、参考模型辨识方法 通过自适应律直接调整模型参数，使参考模型方程与被辨识对象的方程完全匹配。 六、其 它 “鲁棒”辨识方法 “集员”辨识方法 * * 参考模型 被辨识对象 自适应律 e r