第七章基于遗传算法的控制技术详解.ppt

* * 张秦艳 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 谢谢！ * * * * 张秦艳 * * 张秦艳 许多优化问题，必须将最优连续函数的搜索通过离散化变换成函数上多点搜索。 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个来自前一次搜索。 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、