数字仿真在控制系统参数优化应用.ppt

(3)适配值函数。适配值函数用于对个体进行评价，也是优化发展的依据。简单问题的优化，通常采用将目标函数直接变换成适配值函数的方法。复杂问题的优化往往需要根据实际问题及经验构造合适的适配值函数。(4)算法参数。在运行遗传算法程序时，需要对种群大小、染色体长度、交叉率、变异率、最大进化代数等参数进行预先选择，这些参数对遗传算法的性能有很重要的影响。第69页,共93页，星期六，2024年，5月第70页,共93页，星期六，2024年，5月第71页,共93页，星期六，2024年，5月第72页,共93页，星期六，2024年，5月第73页,共93页，星期六，2024年，5月第74页,共93页，星期六，2024年，5月第75页,共93页，星期六，2024年，5月第76页,共93页，星期六，2024年，5月第77页,共93页，星期六，2024年，5月第78页,共93页，星期六，2024年，5月第79页,共93页，星期六，2024年，5月第80页,共93页，星期六，2024年，5月12．3．3蚁群算法觅食行为是蚁群一个重要而有趣的行为。根据昆虫学家的观察和研究发现，生物世界中的蚂蚁有能力在没有任何可见提示下找出从蚁穴到食物源的最短路径，并且能随环境的变化而变化适应性地搜索新的路径，产生新的选择。在从食物源到蚁穴并返回的过程中，蚂蚁能在其走过的路径上分泌一种化学物质-信息激素，通过这种方式形成信息激素轨迹。蚂蚁在运动过程中能够感知这种物质的存在及其强度，并以此指引自己的运动方向，使蚂蚁倾向于朝着该物质强度高的方向移动。信息激素轨迹可以使蚂蚁找到它们返回食物源(或蚁穴)的路径，其他蚂蚁也可以利用该轨迹找到由同伴发现的食物源的位置。第81页,共93页，星期六，2024年，5月意大利学者M．Dorigo等人通过模拟蚂蚁觅食行为与TSP(旅行商问题)的相似性提出了蚁群算法。我们就以TSP问题来说明蚂蚁系统模型，对于其他问题，可以对此模型稍作修改便可应用。虽然它们从形式上看略有不同，但基本原理是相同的，都是通过模拟蚁群行为达到优化的目的。M．Dorigo曾给出蚁群算法的三种不同模型，分别称为Ant-cyclesystem、Ant-quantitysystem、Ant-densitysystem。在一系列标准测试问题上运行的实验表明，Ant-cycle算法的性能优于其他两种算法。因此，对蚂蚁系统的研究朝着更好的了解Ant-cycle系统特征的方向发展。现在，Ant-cycle算法模型通常被称作蚂蚁系统，而另外两种算法模型被放弃了，这里也将根据Ant-cycle模型来介绍蚁群算法。第82页,共93页，星期六，2024年，5月第83页,共93页，星期六，2024年，5月第84页,共93页，星期六，2024年，5月第85页,共93页，星期六，2024年，5月第86页,共93页，星期六，2024年，5月第87页,共93页，星期六，2024年，5月第88页,共93页，星期六，2024年，5月第89页,共93页，星期六，2024年，5月第90页,共93页，星期六，2024年，5月第91页,共93页，星期六，2024年，5月作为一种带有构造性特征的随机搜索优化方法，蚁群算法的应用前景和影响将会越来越广泛和深远。但是蚁群算法的研究时间毕竟不长，有许多课题尚待研究和解决。它的发展还远没有像遗传算法、模拟退火算法等那样形成系统的分析方法和坚实的数学基础，多数研究成果都只是基于大量实验的数据分析，其中各种算法参数的选取也比较复杂，需要从算法理论方面予以解决。因而，怎样利用蚁群算法来更为有效地解决其他领域的实际优化问题(如连续空间优化问题等)，怎样形成一个较为完备的改善蚁群算法优化性能的技术方法等，都是今后值得进一步研究的重要内容。第92页,共93页，星期六，2024年，5月在工程优化中，所遇到的大都是连续优化问题，即函数优化问题。传统的优化方法对于目标函数的要求条件较多，例如可微、可导、凸函数等，在实际的工程优化问题中这些条件的要求就很苛刻了，而蚁群算法没有对于函数的上述要求，因此蚁群算法在连续优化问题中的应用具有重要的研究价值。第93页,共93页，星期六，2024年，5月12．2．2差值法差值法的基本思想就是先按照某种规律确定若干点并计算出这些点的目标函数值，然后通过这些点的某一类型曲线来近似目标函数的曲线，最后消去不需要的区间，在新的区间继续进行搜索。二次差值法是最为常用的差值法，该方法是用二次多项式来逼近Q(a)的。第37页,共93页，星期六，2024年，5月第38页,共93页，星期六，2024年