4.1 系统辨识的人工智能方法.pptxVIP

第4章 系统辨识的人工智能方法;4.1 遗传算法 4.2 粒子群优化算法 4.3 模糊逻辑 4.4 神经网络辨识;4.1 遗传算法(进化计算);⒈遗传算法的基本概念;⒉编码方案;⒊适应度计算;⒋随机选择(复制);⒌交换操作;⒍变异操作; (1) 在搜索过程中不容易陷入局部最优。即使在所定义的适应度函数是不连续的、非规则的或有噪声的情况下，遗传算法仍能以很大的概率找到最优解; (2) 具有并行计算能力及很高的计算效率; (3) 采用自然进化机制来表现高度复杂、强非线性现象，能快速可靠地解决问题; (4) 能介入到已有的模型中，并且具有可扩展性，易于同其它技术混合。;粒子群优化（Particle Swarm Optimization, PSO）算法是由Kennedy和Eberhart于1995年提出的一种优化算法。PSO算法的运行机理不是依靠个体的自然进化规律，而是对生物群体的社会行为进行模拟，它最早源于对鸟群觅食行为的研究。在生物群体中存在着个体与个体、个体与群体间的相互作用、相互影响的行为，这种行为体现的是一种存在于生物群体中的信息共享的机制。;初始化一群随机粒子（随机解） 每次迭代中，粒子通过跟踪两个极值更新自己： －粒子本身找到的历史最后解（个体极值点pbest） －整个种群目前找到的最好解（全局极值点gbest） 需要计算粒