8.13 基于差分进化算法的非线性系统参数辨识.ppt

; 差分进化（Differential Evolution，DE）算法是模拟自然界生物种群以“优胜劣汰、适者生存”为原则的进化发展规律而形成的一种随机启发式搜索算法，是一种新兴的进化计算技术。它于1995年由Rainer Storn和Kenneth Price提出[21]。由于其简单易用、稳健性好以及强大的全局搜索能力，使得差分进化算法已在多个领域取得成功。; 差分进化算法保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。同时，差分进化算法特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，具有较强的全局收敛能力和鲁棒性, 且不需要借助问题的特征信息，适于求解一些利用常规的数学规划方法所无法求解的复杂环境中的优化问题，采用差分进化算法可实现复杂系统的参数辨识[22,23]。;实验结果表明，差分进化算法的性能优于粒子群算法和其它进化算法，该算法已成为一种求解非线性、不可微、多极值和高维的复杂函数的一种有效和鲁棒的方法。;8.13.1标准差分进化算法;8.13.1标准差分进化算法; 在优化设计中，差分进化算法与传统的优化方法相比，具有以下主要特点： (1)差分进化算法从一个群体即多个点而不是从一个点开始搜索，这是它能以较大的概率找到整体最优解的主要原因； (2) 差分进化算法的进化准则是基于适应性信息的，无须借助其它辅助性信息（如要求函数可导或连续），大大地扩展了其应用范围； (3) 差分进化算法具有内在的并行性，这使得它非常适用于大规模并行分布处理，减小时间成本开销； (4) 差分进化算法采用概率转移规则，不需要确定性的规则。 ;8.13.2 差分进化算法的基本流程;差分进化算法的基本流程;差分进化算法的基本流程;差分进化算法的基本流程;差分进化算法的基本流程;图8-24差分进化基本运算流程;差分进化算法的参数设置;差分进化算法的参数设置;差分进化算法的参数设置;差分进化算法的参数设置;差分进化算法的函数优化;差分进化算法的函数优化;差分进化算法的函数优化; 差分进化算法优化程序：包括以下二个部分。 主程序:chap8_16.m 函数计算程序：chap8_16obj.m;基于差分进化算法的非线性系统参数辨识;辨识非线性静态模型;辨识非线性静态模型;辨识非线性静态模型;辨识非线性静态模型;辨识非线性静态模型;辨识非线性动态模型;辨识非线性动态模型;辨识非线性动态模型;辨识非线性动态模型;辨识非线性动态模型;辨识非线性动态模型