学术报告智能优化方法其在控制系统中的应用.ppt

智能优化方法 智能优化方法的来源于： 生物界的活动规律 动物群体的运动现象 生物的生存规则 总之，希望从自然界或者人类的运动规律受到启发，为解决科学和工程的难题找到一种新途径和新方法。 智能优化方法-------仿生优化方法 人工神经网络 遗传算法 达尔文生物进化论 原则1：适者生存 原则2：优胜劣汰 自然选择 模拟自然界进化过程得 到的优化算法 随机性 粒子群算法 蚁群算法 灵感来自于：蚂蚁在寻找食物过程中发现路径的行为。 觅食规则 移动规则 避障规则 播撒信息素规则 越多蚂蚁，信息素越多 越少蚂蚁，信息素越少 仿生智能优化方法的特点 仿生算法 群体性 随机性 并行性 高效性 全局优化与局部优化 人工神经网络特征及应用领域 主要特征： 并行处理、分布式存储与容错性 自学习、自组织和自适应性 应用领域： 联想记忆；参数辨识； 神经网络控制；智能检测； 函数的非线性映射；模式分类与模式识别； 智能优化计算 感知器的数学模型 单个神经元数学模型(感知器)为 发明人： 美国Michigan大学J.Holland教授 时间：1975 专著：《Adaptation in Natural and Artificial Systems》 简单遗传算法（SGA） 生物遗传学与遗传算法基础术语对照表 遗传算法的流程图 遗传算法特点 处理对象：