基于遗传算法和神经网络的复杂对象的建模与优化.pdfVIP

第 1期 组 合 机 床 与 自动 化 加 工 技 术 N0．1 2012年 1月 ModularMachineTool AutomaticManufacturingTechnique Jan．2012 文章编号 ：1001—2265(2012)O1—0032—04 基于遗传算法和神经网络的复杂对象的建模与优化术 马 凯 ，何志琴 (贵州大学 电气工程学院，贵 阳 550003) 摘要 ：针对复杂对象全局优化结果较多，难以选取最佳参数组合的问题 ，提 出了一种新适应度 函数 ， 其特点是使用了目标函数关于其影响参数的梯度之和。结合提 出的新适应度 函数 ，首先进行 已知模 型的遗传算法寻优 ，然后对神经 网络构建的模型进行遗传算法寻优。两次试验结果都表明，搜索到 的最佳性能 目标对应的参数组合具有较强的鲁棒性。 关键词 ：适应度函数；复杂对象；遗传算法；神经网络；鲁棒性 中图分类号：TH122；TP273．1 文献标识码 ：A ModelingandOptimizationofComplex0bjectsBasedonGeneticAlgorithm andNeuralNetwork MA Kai，HE Zhi—qin (ElectricalEngineeringCollege，GuizhouUniversity，Guiyang550003，China) Abstract：Therearemanyglobaloptimizationresultsforcomplexobjects，SOitishardtoselectthebest parameters，thispaperproposesanew fitnessfunctionwiththesum ofgradientsoftheparametersonthe originalobjectivefunction．Atfirstoptimizedknownmodelwithgeneticalgorithm andthenew fitness function，and thenbuilttiremodelwithneuralnetworkanddidtheoptimization．Theresultsshow that thebestparametershavestrongrobustness． Keywords：fitnessfunction；complexobjects；genericalgorithm；neuralnetwork；robustness 0 引言 1 已知模型的寻优 国内外在简单对象的优化方面已有很多研究成 1．1 建立模型 果 ，但对于复杂对象 的优化 问题却没有成熟 的解决 为了试验验证的方便 ，选择 Multisim仿真软件作 方法。通过使用新的适应度函数，利用遗传算法从 为实验平台，研究 电阻在不确定性扰动下对 电路系 众多全局优化结果 中选取对 目标函数影响最小的一 统的影响，以便优化配置。故搭建单管放大电路如 组优化参数，可 以实现对复杂对象的鲁棒性设计 。 图1所示 。 鲁棒性设计是指经过合理的设计使不确定性因素对 XS 1 系统性能 的影响降到最低。 复杂对象的建模 与优化将在寻求产 品的最优配 方、最优工艺和提高产 品的稳定性等方面起到积极 的促进作用。 首先在已知的模型上使用新适应度 函数和遗传 算法进行寻优；接着通过神经网络对放大 电路进行 拟合 ，并对神经 网络拟合 出的模型进行 同样方式 的 寻优 。研究表明，该方法在 同等试验情况下可 以获 得最佳或较佳的参数组合。