自然计算大作业解析.docVIP

自然计算 题 目 遗传算法的发展历程 及其在电力电子领域的应用 专 业 电路与系统 学生姓名 钟龙杰 学 号 1302120800 时 间 2013.12.20 摘要 遗传算法是智能算法的重要发展方向之一，具有广泛的应用。从1967年首次被提出以来，逐渐形成了Genetic Algorithms (GA)、Evolution Strategies (ES)、Evolutionary Programming (EP),、Genetic Programming (GP)等分支。在电力电子领域，遗传算法也有所应用。含有开关器件的电力电子设备是一类强非线性系统，描述其动力学行为的数学模型往往极难实现解析解。将每半个周期的逆变器输出波形将每半个工频周期开关K次的斩波变换器的输出电压表示为傅里叶级数的形式，以最优开关角度为控制量，输出电压和谐波含量最小为目标，构成多目标优化问题。从而能够利用遗传算法求解逆变器等非线性系统的控制问题。 一、发展历史 遗传算法核心思想来源于19的世纪的达尔文的自然选择学说。其主要内容有点：繁殖，竞争，遗传和变异，适者生存。达尔文认为一切生物都具有产生变异的特性。引起变异的根本原因是环境条件的改变。在生物产生的各种变异中，有的可以遗传，有的不能够遗传。在生存斗争中，具有有利变异的个体，容易在生存斗争中获胜而生存下去。反之，具有不利变异的个体，则容易在生存斗争中失败而死亡。这就是说，凡是生存下来的生物都是适应环境的，而被淘汰的生物都是对环境不适应的，这就是适者生存。达尔文把在生存斗争中，适者生存、不适者被淘汰的过程叫做自然选择。自然选择过程是一个长期的、缓慢的、连续的过程。由于生存斗争不断地进行，因而自然选择也是不断地进行，通过一代代的生存环境的选择作用，物种变异被定向地向着一个方向积累，于是性状逐渐和原来的祖先不同了，可以说物种也因此得到优化了。 遗传算法就是根据自然界这个“物竞天择，适者生存”现象而提出来的一种随机搜索算法。遗传算法起源于对生物系统所进行的计算机模拟研究。早在本世纪40 年代．就有学者开始研究如何利用计算机进行生物模拟的技术，他们从生物学的角度进行了生物的进化过程模拟、遴传过程棋拟等研究工作。 进入60 年代后，美国密执安大学的Holland 教授及其学生们受到这种生物模拟技术的启发．创造出了一种基于生物遗传和进化机制的适合子复杂系统优化计算的自适应概率优化技术——遗传算法。并且Holland在1965年首次提出人工遗传操作的重要性，并把这些应用于自然系统和人工系统中。1967年，Holland的学生J.D.Bagley在博士论文中首次提出“遗传算法（Genetic Algorithms）”一词。此后，Holland指导学生完成了多篇有关遗传算法研究的论文。1971年，R.B.Hollstien在他的博士论文中首次把遗传算法用于函数优化。1975年是遗传算法研究历史上十分重要的一年。这一年Holland出版了他的著名专著《自然系统和人工系统的自适应》（Adaptation in Natural and Artificial Systems），这是第一本系统论述遗传算法的专著，因此有人把1975年作为遗传算法的诞生年。Holland在该书中系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和发展极其重要的模式理论（schema theory）。该理论首次确认了结构重组遗传操作对于获得隐并行性的重要性。同年，K.A.De Jong完成了他的博士论文《一类遗传自适应系统的行为分析》。该论文所做的研究工作，可看作是遗传算法发展进程中的一个里程碑，这是因为，他把Holland的模式理论与他的计算实验结合起来。尽管De Jong和Hollstien 一样主要侧重于函数优化的应用研究，但他将选择、交叉和变异操作进一步完善和系统化，同时又提出了诸如代沟（generation gap）等新的遗传操作技术。可以认为，De Jong的研究工作为遗传算法及其应用打下了坚实的基础，他所得出的许多结论，迄今仍具有普遍的指导意义。 1967年，Bagley在他的论文中首次提出了遗传算法这一术语，并讨论了遗传算法在自动博弈中的应用。 1970年，Cavicchio把遗传算法应用于模式识别中。第一个把遗传算法应用于函数优化的是Hollstien。 1975年是遗传算法研究的历史上