基于免疫遗传算法的模糊优化控制及其仿真与研究.pdfVIP

_______________________________________________________________________________ 基于免疫遗传算法的模糊优化控制及其仿真研究1 朱红霞 沈炯 李益国 江苏南京东南大学{210096} email: xinyu-26@163.com 摘 要：免疫遗传算法在遗传算法的基础上，引入了记忆细胞和抗体浓度调节机制，具有种 群多样性，能保证快速稳定地收敛到全局最优点。本文对一般免疫遗传算法进行了某些改进， 并将其应用到模糊控制器的优化设计中。通过模糊规则和隶属度函数的联合编码，实现了对 两者的同时优化，而且算法的稳定性和收敛性更好。针对过热汽温控制系统进行的计算机仿 真表明，优化后的模糊控制器具有良好的控制效果。 关键词：免疫遗传算法，模糊控制，过热汽温 1 引言 模糊控制技术作为智能控制的一个重要分支，具有不依赖对象的数学模型、便于利用人 的经验知识、鲁棒性好、简单实用等众多优点。但在模糊控制器的设计中存在两个瓶颈，即 模糊规则的选取和模糊变量隶属度函数参数的确定。通常模糊控制规则的选取主要依赖于该 领域专家的先验知识，有较大的主观性，而当系统很复杂或输入变量较多时，模糊控制规则 的可能选取空间急剧加大。在模糊控制规则确定的情况下，模糊控制系统的性能由模糊变量 的各个模糊子集的隶属函数来决定，这是个多参数寻优问题，很难获得全局最优。 遗传算法作为一种高效的全局搜索方法，近年来在模糊控制器的优化设计中得到广泛应用 [1]-[7]。利用遗传算法优化模糊控制器时，根据优化对象的不同，现有的研究主要分为三类： 1）已知模糊控制规则，优化隶属函数[1]-[3] [4] ；2）已知隶属函数，优化模糊控制规则 ；3） 同时优化隶属函数和模糊控制规则[5]-[7] 。隶属函数和模糊控制规则不是相对独立而是相互联 系的，固定隶属函数优化模糊控制规则或固定模糊控制规则优化隶属函数的方法人为的割断 了这种联系，使优化得到的隶属函数或控制规则失去了原来的意义，因此要获得高性能的模 糊控制器应该同时优化二者，但这样又存在着搜索空间太大的问题，而标准遗传算法存在的 过早收敛、不能很好保持个体的多样性等缺陷也影响了这些优化设计的正确性和有效性。文 献[5]通过固定三角形隶属函数顶点的位置，限制隶属函数基底的变化范围等措施缩小了隶 属函数编码的长度减小了搜索空间，但这些措施可能会损害模糊控制器的性能。本文则是在 遗传算法的基础上融合了免疫系统的抗原识别、抗体多样性、免疫记忆、浓度控制等特点， 提出了一种改进的免疫遗传算法，并将其优良的寻优特性用于模糊规则库以及模糊子集隶属 函数的优化，从而使模糊控制器具有了自学习能力。论文最后通过对锅炉过热汽温控制系统 1本课题得到教育部高等学校博士学科点专项科研基金（项目编号：20020286001）资助 － 1 － _______________________________________________________________________________中国科技论文在线 的仿真实验验证了这种模糊控制优化方法的有效性。 2 免疫遗传算法及其改进 免疫遗传算法是将免疫系统特性与遗传算法结合起来的一种算法，它将待求解的问题作 为抗原，将问题的解作为抗体，通过抗原和抗体的亲和力来描述可行解与最优解的逼近程度。 与传统遗传算法相比，免疫遗传算法加入了免疫记忆功能，能够确保快速收敛于全局最优解， 同时抗体多样性和根据抗体浓度进行促进和抑制的自我调节功能使算法的全局和局部搜索 能力都得到提高。 种群